DE102013210050B4

DE102013210050B4 - Neurokognitive Verarbeitung eines Fahrerzustands

Info

Publication number: DE102013210050B4
Application number: DE102013210050.7A
Authority: DE
Inventors: Michael D. Howard; Rajan Bhattacharyya; Michael J. Daily
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2012-06-01
Filing date: 2013-05-29
Publication date: 2022-03-31
Anticipated expiration: 2033-05-30
Also published as: DE102013210050A1; US20130325202A1; CN103448719A; CN103448719B

Abstract

Fahrerassistenzsystem (100) zum Unterstützen eines Fahrers (20) eines Fahrzeugs (40) in einer umgebenden Nachbarschaft (60) des Fahrzeugs (40), wobei das Fahrerassistenzsystem (100) umfasst:mehrere Sensoren (30, 50, 70), die zum Erfassen von Daten ausgestaltet sind, wobei die Sensoren (30, 50, 70) umfassen:mindestens einen Fahrersensor (30), der zum Erfassen von Informationen mit Bezug auf einen Fahrerzustand des Fahrers (20) des Fahrzeugs (40) ausgestaltet ist,mindestens einen Fahrzeugsensor (50), der zum Erfassen von Informationen mit Bezug auf einen Fahrzeugzustand ausgestaltet ist,mindestens einen Umgebungssensor (70), der zum Erfassen von Informationen mit Bezug auf eine das Fahrzeug (40) umgebende Nachbarschaft (60) ausgestaltet ist; undeinen Prozessor, der ausgestaltet ist, um:eine Abweichung zwischen dem Fahrerzustand und dem Fahrzeugzustand auf der Grundlage der Daten, die durch die Sensoren (30, 50, 70) erhalten werden, zu detektieren,auf die Detektion der Abweichung hin eine notwendige Aktion zu bestimmen;gekennzeichnet durchein Fahrerzustandsmodul (120), welches den Fokus der Konzentration und Aufmerksamkeit des Fahrers (20) unter Verwendung eines neurokognitiven Ansatzes modelliert und seine unmittelbar bevorstehenden Aktionen vorhersagt.

Description

HINTERGRUND
Fahrzeugkollisionen sind oft zumindest teilweise auf das Verhalten, die Seh- und Hörschärfe, die Fähigkeit, Entscheidungen zu treffen, und die Reaktionsgeschwindigkeit des Fahrers zurückzuführen. Ein Bericht aus dem Jahre 1985, der auf britischen und amerikanischen Unfalldaten beruht, hat herausgefunden, dass Fahrerfehler, Rauschzustände und andere menschliche Faktoren ganz oder teilweise zu etwa 93% der Unfälle beitragen.
Allgemein kann ein besseres Verständnis dessen, welche menschlichen Faktoren zu Unfällen beitragen, die Entwicklung von Systemen unterstützen, die Fahrern beim Vermeiden von Kollisionen helfen.
Die Druckschrift DE 101 26 224 A1 offenbart ein Fahrerassistenzsystem gemäß dem Oberbegriff des Anspruchs 1 sowie ein Verfahren zum Unterstützen eines Fahrers eines Fahrzeugs gemäß dem Oberbegriff des Anspruchs 7.
In der Druckschrift DE 103 43 683 A1 ist ein Informationssystem für Kraftfahrzeuge offenbart, das Informationen an einen Fahrer des Kraftfahrzeugs in Abhängigkeit von objektiv auf den Fahrer einwirkenden Belastungsfaktoren, von Fahreraktivitäten und von fahrerindividuellen Eigenschaften des Fahrers ausgibt.
ZUSAMMENFASSUNG DER ERFINDUNG
Gemäß einem Beispiel der Erfindung wird ein Fahrerzustandsmodul zur Kopplung mit einem Fahrzeug, mit einer umgebenen Nachbarschaft des Fahrzeugs und mit einem Fahrer des Fahrzeugs bereitgestellt, wobei das Fahrerzustandsmodul umfasst: (i) einen Rahmenspeicher zum Speichern von Repräsentationen von Verhaltensweisen mit zugehörigem Kontext; (ii) ein Bewertungssystem zum Erstellen einer Reihenfolge der Rahmen auf der Grundlage von Zielen und Gegenleistungen; (iii) einen Arbeitsspeicher, der einen Vordergrund-Teilspeicher, einen Hintergrund-Teilspeicher und eine Steuerung zum Sortieren von Rahmen in den Vordergrund-Teilspeicher oder den Hintergrund-Teilspeicher und (iv) einen Erkennungsprozessor zum Identifizieren ausgeprägter Merkmale, die für einen Rahmen im Vordergrund-Teilspeicher oder im Hintergrund-Teilspeicher, der durch das Bewertungssystem am höchsten bewertet wurde, relevant sind.
Das Fahrerzustandsmodul kann ausgestaltet sein, um den Konzentrationsfokus und die Aufmerksamkeit des Fahrers zu modellieren und um unmittelbar bevorstehende Aktionen des Fahrers vorherzusagen.
Gemäß einigen Beispielen kann das Koppeln mit dem Fahrzeug, der umgebenden Nachbarschaft des Fahrzeugs und dem Fahrer des Fahrzeugs mithilfe von Sensoren erfolgen.
Bei einigen Beispielen kann das Fahrerzustandsmodul in einem Fahrzeug montiert sein.
Gemäß einem Beispiel kann ein Fahrerassistenzsystem zum Unterstützen eines Fahrers eines Fahrzeugs in einer umgebenden Nachbarschaft des Fahrzeugs umfassen: (i) das Fahrerzustandsmodul; (ii) ein Fahrzeugzustandsmodul zum Beschreiben des Zustands des Fahrzeugs in der umgebenden Nachbarschaft; (iii) ein Abweichungsdetektionsmodul zum Vergleichen des Fahrerzustandsmoduls und des Fahrzeugzustandsmoduls und zum Beurteilen, ob es eine Abweichung zwischen dem Fahrerzustandsmodul und dem Fahrzeugzustandsmodul gibt; (iv) ein Fahrermitarbeiter-Koppelmodul zum Bestimmen einer notwendigen Aktion, wenn das Fahrzeugzustandsmodul eine Abweichung detektiert und (v) ein Sensorvorverarbeitungsmodul zum Zusammenführen von Daten von mehreren Sensoren am Fahrzeug und zum Ausgeben von zusammengeführten Daten in Formaten, die für jedes Modul geeignet sind.
Bei einigen Beispielen kann das Fahrerzustandsmodul umfassen: (i) einen Rahmenspeicher zum Speichern von Repräsentationen von Verhaltensweisen mit zugehörigem Kontext; (ii) ein Bewertungssystem zum Erstellen einer Reihenfolge der Rahmen auf der Grundlage von Zielen und Gegenleistungen; (iii) einen Arbeitsspeicher, der einen Vordergrund-Teilspeicher, einen Hintergrund-Teilspeicher und eine Steuerung zum Einsortieren von Rahmen in den Vordergrund-Teilspeicher oder den Hintergrund-Teilspeicher umfasst; und (iv) einen Erkennungsprozessor zum Identifizieren ausgeprägter Merkmale, die für einen Rahmen im Vordergrund-Teilspeicher oder im Hintergrund-Teilspeicher, der durch das Bewertungssystem an höchsten bewertet wurde, relevant sind.
Gemäß einigen Beispielen kann das Fahrerassistenzsystem für verschiedene Anwendungen ausgestaltet sein, welche mindestens eine umfassen von: (i) Steuern des Fahrzeugs während kurzer Zeitspannen, in denen der Fahrer abgelenkt ist; (ii) eine semiautonome Steuerung des Fahrzeugs; (iii) Empfangen einer Rückkopplung vom Fahrerverhalten zum Selbstlernen durch Erfahrung; (iv) Lernen von Fahreigenschaften eines speziellen Fahrers, um die Reaktion auf den speziellen Fahrer zu optimieren; (v) Modellieren des Konzentrationsfokus und der Aufmerksamkeit des Fahrers und (vi) Vorhersagen von unmittelbar bevorstehenden Aktionen des Fahrers.
Bei einigen Beispielen können die mehreren Sensoren mindestens einen Fahrzeugsensor zum Erfassen von fahrzeugbezogenen Parametern umfassen. Der Fahrzeugsensor kann aus der Gruppe gewählt sein, die aus Sensoren zum Erfassen der Fahrzeuggeschwindigkeit, der Kraftmaschinentemperatur, des Kraftstoffpegels, der Kraftmaschinenumdrehungen (z.B. rpm), Sensoren, die wahrnehmen, ob Scheibenwischer im Betrieb sind, Sensoren, die wahrnehmen, ob Lichter eingeschaltet sind, Sensoren, die wahrnehmen, ob Blinkersysteme aktiviert sind, Sensoren, die die Position des Lenkrads wahrnehmen usw. besteht.
Bei einigen Beispielen können die mehreren Sensoren mindestens einen Fahrersensor zum Erfassen von fahrerbezogenen Parametern umfassen. Der Fahrersensor kann aus der Gruppe gewählt sein, die aus Sensoren zum Erfassen der Aufmerksamkeit des Fahrers, Kameras, die eine Rückmeldung der Wachheit des Fahrers aus einem Einnicken bereitstellen, Kameras, die eine Rückmeldung der Wachheit des Fahrers aus einem Schließen der Augen bereitstellen, Einrichtungen zum Verfolgen der Augen zum Verfolgen der Aufmerksamkeit des Fahrers aus einer Blickrichtung, am Lenkrad montierten Drucksensoren, galvanischen Hautreaktionssensoren zum Überwachen der Transpiration und Elektroenzephalographie-Sensoren besteht.
Bei einigen Beispielen können die mehreren Sensoren mindestens einen Umgebungssensor umfassen, um Variablen bezüglich der umgebenden Nachbarschaft des Fahrzeugs zu erfassen. Der Umgebungssensor kann aus der Gruppe gewählt sein, die aus nach vorne orientierten Kameras, Spurfolgesensoren, Abstandssensoren, die in alle Richtungen eingesetzt sind, um einen Abstand zu nahegelegenen Objekten zu bestimmen, etwa Radar, LIDAR (Lichtdetektion und Reichweitenbestimmung), Sonar, IR-Sensoren, allgemeinen Positionssensoren, GPS, Umgebungstemperatursensoren und Umgebungslichtsensoren besteht.
Gemäß einigen Beispielen kann das Fahrerassistenzsystem zur Verwendung in mindestens einer Anwendung ausgestaltet sein, die aus der Gruppe gewählt ist, die aus einer semiautonomen Steuerung, einer Unfallverhinderung, Alarmierung, Erziehung, Fahrersimulation und Fahrzeugkonstruktionsoptimierung besteht.
Bei einigen Beispielen kann das Fahrerassistenzsystem ein Bestandteil eines Fahrzeugs sein oder im Fahrzeug nachgerüstet sein.
Gemäß einigen Beispielen kann ein Computersoftwareprodukt bereitgestellt sein, das ein von einem Prozessor lesbares Medium umfasst, wobei in dem Medium gespeichert ist: (i) ein erster Satz von Anweisungen zum Speichern von Repräsentationen von Verhaltensweisen mit zugehörigem Kontext als Rahmen in einem Speicher; (ii) einen zweiten Satz von Anweisungen zum Erstellen einer Reihenfolge der Rahmen auf der Grundlage von Zielen und Gegenleistungen; (iii) einen dritten Satz von Anweisungen zum Halten und Einsortieren der Rahmen in Vordergrundrahmen und Hintergrundrahmen und (iv) einen vierten Satz von Anweisungen zum Identifizieren von ausgeprägten Merkmalen, die für einen Vordergrundrahmen mit der höchsten Bewertung relevant sind.
Gemäß einigen Beispielen kann ein Computersoftwareprodukt bereitgestellt werden, das ein von einem Prozessor lesbares Medium umfasst, wobei in dem Medium ein Satz von Anweisungen zum Unterstützen eines Fahrers eines Fahrzeugs in einer umgebenden Nachbarschaft des Fahrzeugs gespeichert ist, der umfasst: (a) einen ersten Satz von Anweisungen, der, wenn er in einen Hauptspeicher geladen und von einem Prozessor ausgeführt wird, den Konzentrationsfokus und die Aufmerksamkeit des Fahrers modelliert, um unmittelbar bevorstehende Aktionen des Fahrers vorherzusagen; (b) einen zweiten Satz von Anweisungen, der, wenn er in einen Hauptspeicher geladen und von einem Prozessor ausgeführt wird, den Zustand des Fahrzeugs in der umgebenden Nachbarschaft beschreibt; (c) einen dritten Satz von Anweisungen, der, wenn er in einen Hauptspeicher geladen und von einem Prozessor ausgeführt wird, das Vergleichen von Ergebnissen beschreibt, die von dem ersten und zweiten Satz von Anweisungen beschafft wurden, um zu beurteilen, ob es eine Abweichung gibt, die eine weitere Maßnahme erfordert; (d) einen vierten Satz von Anweisungen, der, wenn er in einen Hauptspeicher geladen und von einem Prozessor ausgeführt wird, die benötigte Maßnahme bestimmt, wenn der Ablauf des dritten Satzes von Anweisungen eine Abweichung detektiert, und (e) einen fünften Satz von Anweisungen, der, wenn er in einen Hauptspeicher geladen und von einem Prozessor ausgeführt wird, Daten von mehreren Sensoren am Fahrzeug zusammenführt und die zusammengeführten Daten in Formaten ausgibt, die für den ersten, zweiten, dritten und vierten Satz von Anweisungen geeignet sind.
Ein Beispiel ist auf ein Verfahren zur Kopplung mit einem Fahrzeug, mit einer umgebenden Nachbarschaft des Fahrzeugs und mit einem Fahrer des Fahrzeugs gerichtet, das umfasst, dass: (i) Repräsentationen von Fahrerverhaltensweisen mit zugehörigem Kontext als Rahmen in einem Rahmenspeicher gespeichert werden; (ii) eine Reihenfolge der Rahmen auf der Grundlage von Zielen und Gegenleistungen erstellt wird; (iii) einen Arbeitsspeicher, der umfasst, dass Rahmen festgehalten werden und in einen Vordergrund-Teilspeicher oder einen Hintergrund-Teilspeicher einsortiert werden, und (iv) ausgeprägte Merkmale identifiziert werden, die für den Rahmen mit einer höchsten Bewertung relevant sind.
Ein Beispiel ist auf ein Verfahren zum Verarbeiten von Sensoreingaben von mehreren Sensoren an einem Fahrzeug mit Bezug auf einen Fahrer, das Fahrzeug und eine umgebende Nachbarschaft gerichtet, wobei das Verfahren umfasst, dass: (i) Daten von den mehreren Sensoren zusammengeführt werden und die zusammengeführten Daten in geeigneten Formaten ausgegeben werden; (ii) der Konzentrationsfokus und die Aufmerksamkeit des Fahrers modelliert werden, um unmittelbar bevorstehende Aktionen des Fahrers vorherzusagen; (iii) ein Zustand des Fahrzeugs in seiner umgebenden Nachbarschaft beschrieben wird; (iv) Ergebnisse verglichen werden, die aus den vorhergesagten unmittelbar bevorstehenden Aktionen und dem Zustand des Fahrzeugs erhalten werden, um Abweichungen festzustellen; (v) beurteilt wird, ob es eine Abweichung gibt, die eine weitere Maßnahme erfordert, und (vi) die erforderliche Maßnahme bestimmt wird, wenn eine Abweichung detektiert wird.
Figurenliste
Der Gegenstand, der als die Erfindung aufgefasst wird, wird im abschließenden Abschnitt der Beschreibung speziell dargelegt und getrennt beansprucht. Beispiele werden in der nachfolgenden genauen Beschreibung beschrieben und in den beiliegenden Zeichnungen veranschaulicht, in denen:

1 eine schematische Darstellung eines Autos, seines Fahrers und der umgebenden Nachbarschaft ist;
2 ein konzeptionelles Blockdiagramm der Kernmodule eines Beispiels eines Fahrerassistenzsystems zur direkten Kopplung mit einem Fahrzeug und mit dem Fahrer ist;
3 ein konzeptionelles Blockdiagramm ist, das die konzeptionellen Teile des Fahrerzustandsverarbeitungsmoduls von 2 in Übereinstimmung mit Beispielen der Erfindung zeigt;
4 ein biologisches Modell der Steuerung und Verarbeitung der neurokognitiven Struktur und Funktion des menschlichen Gehirns ist, das als Inspiration und konzeptionelle Rechtfertigung für das Modul von 3 dient, und
5 ein konzeptionelles Blockdiagramm und Flussdiagramm eines Verfahrens zum Verarbeiten von Sensoreingaben gemäß einem Beispiel der vorliegenden Erfindung ist.

Dort, wo es als geeignet erachtet wurde, können Bezugszeichen zwischen den Figuren wiederholt sein, um einander entsprechende oder analoge Elemente zu bezeichnen.
GENAUE BESCHREIBUNG
In der folgenden genauen Beschreibung sind zahlreiche spezielle Details offengelegt, um ein gründliches Verständnis von Beispielen der Erfindung bereitzustellen. Der Fachmann wird jedoch verstehen, dass die Beispiele der vorliegenden Erfindung ohne diese speziellen Details in die Praxis umgesetzt werden können. In anderen Fällen wurden gut bekannte Verfahren, Prozeduren, Komponenten und Schaltungen nicht im Detail beschrieben, um die vorliegende Erfindung nicht zu verschleiern.
Sofern es nicht speziell anders angegeben ist und wie es sich aus den folgenden Erörterungen ergibt, beziehen sich in der gesamten Beschreibung Erörterungen, die Begriffe wie etwa „verarbeiten“, „berechnen“, „speichern“, „bestimmen“ oder dergleichen verwenden, auf die Aktionen und/oder Prozesse eines Computers oder Rechensystems oder einer ähnlichen elektronischen Rechenvorrichtung, die Daten, welche als physikalische, etwa elektronische, Größen in den Registern und/oder Speichern des Rechensystems dargestellt sind, manipulieren und/oder in andere Daten umformen, die auf ähnliche Weise als physikalische Größen in den Speichern, Registern und anderen derartigen Vorrichtungen zur Informationsspeicherung, Übertragung oder Anzeige des Rechensystems dargestellt werden.
Unfälle können passieren, wenn gefährliche Straßen- oder Verkehrsbedingungen nicht auf einen Blick offensichtlich sind, oder wenn die Bedingungen zu kompliziert sind, damit sie der Fahrer innerhalb der verfügbaren Zeit und Entfernung wahrnimmt und darauf reagiert.
Das Steuern eines Fahrzeugs auf der Straße wird durch Ablenkungen wie etwa Mobiltelefone und Beifahrer und die immer größere Dichte anderer Straßenbenutzer, die sowohl Verkehr als auch Fußgänger umfassen, verkompliziert.
Es gibt demographische Unterschiede bei Unfallraten. Obwohl junge Leute dazu neigen, über gute Reaktionszeiten zu verfügen, werden beispielsweise überproportional mehr junge männliche Fahrer in Unfälle verwickelt, wobei Forscher beobachten, dass viele Verhaltensweisen und Einstellungen gegenüber Risiken zeigen, die sie in gefährliche Situationen als andere Straßenbenutzer bringen können. Man könnte erwarten, dass ältere Fahrer mit langsameren Reaktionen in mehr Unfälle verwickelt sind, aber dies war nicht der Fall, da sie dazu neigen, weniger und offensichtlich vorsichtiger zu fahren. Obwohl sie nur 10% der Bevölkerung sind, sind überraschenderweise Linkshänderfahrer in etwa 45% der Fahrzeugkollisionen verwickelt.
Jedoch weisen viele Orte, die gefährlich erscheinen, wenig oder keine Unfälle auf. Andererseits kann eine Straße, die nicht gefährlich ausschaut, eine hohe Unfallfrequenz aufweisen. Dies liegt teilweise daran, dass Fahrer, wenn sie einen Ort als gefährlich wahrnehmen, mehr Umsicht walten lassen.
Manchmal führen Verbesserungen bei der Autokonstruktion nicht zu einer erheblichen Verbesserung des Verhaltens. Verbesserte Bremssysteme können zu einem aggressiveren Fahren führen und gesetzlich vorgeschriebene Sicherheitsgurtgesetze wurden nicht von einem klar zuzuordnenden Absinken der Gesamttodesfälle begleitet.
Der Begriff „Fahrzeug“, umfasst, so wie er hier verwendet wird, alle Transportmittel mit einem Fahrer an Bord, die Flugzeuge, Züge und Schiffe, aber insbesondere verschiedene Autos, Lastwägen und Lieferwägen umfassen.
Das Wort „Auto“ ist, so wie es hier verwendet wird, synonym mit Kraftfahrzeug.
In Übereinstimmung mit Beispielen wird eine verbesserte Mensch-Maschinen-Kopplung für ein Fahrzeug bereitgestellt. Bei einigen Beispielen wird eine semiautonome Fahrzeugsteuerung ermöglicht. Insbesondere wird hier nachstehend ein Fahrerzustandsmodul zum Modellieren des Verhaltens des Fahrers eines Fahrzeugs beschrieben. Das Fahrerzustandsmodul modelliert den Fokus der Konzentration und der Aufmerksamkeit des Fahrers und sagt seine unmittelbar bevorstehenden Aktionen voraus. Das Fahrerzustandsmodul kann in ein Fahrerassistenzsystem integriert sein, das Sensoreingaben empfängt, die den Fahrer, das Fahrzeug und die Umgebung betreffen, und sagt den Zustand des Fahrers voraus. Beispiele können das Fahrzeug längere Zeitspannen lang steuern, indem sie einen sicheren Betrieb aufrecht erhalten (z.B. das Fahrzeug in der Spur halten, einen sicheren Abstand zu anderen Autos halten, Hindernisse vermeiden usw.). Diese Fähigkeit bedeutet, dass der Fahrer das Fahrzeug gegenwärtig nicht steuert. Andere Beispiele können zur Erziehung, zur Fahrersimulation und bei Autokonstruktionsanwendungen verwendet werden.
Obwohl es für die Neurowissenschaft ziemlich neu ist, werden Denkprozesse in der Psychologie manchmal so betrachtet, dass sie im Vordergrund oder im Hintergrund des Bewusstseins ablaufen. Daher kann beispielsweise ein Fahrer eines Fahrzeugs gerade über etwas völlig anders nachdenken, etwa über eine Diskussion, die er zuvor mit einer Gattin oder einem Kollegen hatte. Der Fahrer nimmt die Straße und die Umgebung wahr, aber seine Aufmerksamkeit ist woanders. Wenn beispielsweise etwas vor dem Fahrzeug vorbeiläuft, etwa ein Kind, wird die Aufmerksamkeit des Fahrers zum Kind umschalten. Dem Kind wird eine höhere Priorität zugewiesen und durch den Vordergrundspeicher wahrgenommen, und die Diskussion wird nach hinten in den Hintergrundspeicher verschoben. Sobald das Kind sicher vorbeigelaufen ist, wird die Wahrnehmung desselben in ihrer Bedeutung verringert und später aus dem Speicher des Fahrers vergessen, wodurch die Aufmerksamkeit des Fahrers freigemacht wird, um wieder über die Diskussion nachzudenken.
In Übereinstimmung mit einigen Beispielen können Veränderungen, Parameter und Variablen, die den Fahrer, das Fahrzeug und die Umgebung betreffen, detektiert und priorisiert werden, um die Reaktion des Fahrers zu modellieren. Das Fahrerzustandsmodul und das Fahrerassistenzsystem können, wenn sie in einem Fahrzeug installiert sind, den Fahrer warnen oder sie können die Fahrersteuerung überschreiben, indem sie beispielsweise bei Bedarf automatisch bremsen. Andere Beispiele, etwa diejenigen, die in einem Simulator verwendet werden können, können anderen Zwecken dienen. Zum Beispiel können Simulatorbeispiele verwendet werden, um die Wahl des geeigneten Fahrzeugs für einen speziellen Fahrer zu unterstützen.
Mit Bezug auf 1 ist ein Fahrer 20 eines Fahrzeugs 40 in seiner Umgebung 60 gezeigt.
Das Fahrzeug 40 ist allgemein mit mindestens einem und vorzugsweise mit mehreren Fahrersensoren 30 zum Erfassen von Variablen und Parametern bezüglich des Fahrers 20 versehen, zum Beispiel etwa der allgemeinen Aufmerksamkeit des Fahrers. Die Fahrersensoren 30 können Kameras umfassen, die eine Rückmeldung der Aufmerksamkeit des Fahrers aus einem Einnicken oder Schließen der Augen und dergleichen liefern. Die Fahrersensoren 30 können beispielsweise eine Vorrichtung zur Verfolgung der Augen umfassen, um die Konzentration des Fahrers durch die Richtung, in die er gerade schaut, zu verfolgen.
Die Fahrersensoren 30 können am Lenkrad montierte Drucksensoren und galvanische Hautreaktionssensoren umfassen, um eine Transpiration zu überwachen, wodurch sie eine Anzeige des Stresspegels des Fahrers liefern. Die Fahrersensoren 30 können andere nervenähnliche Sensoren umfassen. Zum Beispiel können als eine Unterstützung beim Wählen eines geeigneten Fahrzeugs für einen Fahrer oder zu Fahrzeugkonstruktionszwecken beispielsweise bei Simulatoranwendungen die Fahrersensoren 30 einen Elektroenzephalographie-Sensor (EEG-Sensor) umfassen, der das Messen von elektrischen Aktivitäten entlang der Kopfhaut ermöglicht und verwendet wird, um Spannungsschwankungen zu messen, die aus lonenstromflüssen in den Neuronen des Gehirns resultieren.
Die Fahrersensoren 30 können taktile Belastungssensoren am Lenkrad umfassen, um einen Stress des Fahrers 20 zu erfassen.
Das Fahrzeug 40 ist mit mindestens einem Fahrzeugsensor 50 und vorzugsweise einer Reihe von Fahrzeugsensoren versehen, um den Zustand des Fahrzeugs 40 zu erfassen, welche unter anderem Geschwindigkeitsmessinstrumente, Kraftmaschinentemperaturmessinstrumente, Kraftstoffmessinstrumente, Umdrehungszähler und dergleichen umfassen.
Die Fahrzeugsensoren 50 können außerdem Sensoren umfassen, die bemerken, ob Scheibenwischer, Lichter und andere Blinker verwendet werden, und die Position des Lenkrads wahrnehmen. Es ist festzustellen, dass derartige Sensoren nicht nur Informationen mit Bezug auf das Fahrzeug 40 liefern, sondern auch Informationen hinsichtlich des Fahrers 20 und der Umgebung 60 liefern können.
Das Fahrzeug 40 ist auch allgemein mit Umgebungssensoren 70 versehen, um die unmittelbare Umgebung 60 oder die Nachbarschaft des Fahrzeugs 40 zu erfassen. Derartige Umgebungssensoren 70 können Daten mit Hinblick auf externe Zustände wie etwa den Zustand der Straße und nahegelegene Objekte, welche andere Fahrzeuge und Fußgänger umfassen, liefern und können eine vorwärts gerichtete Kamera, Spurfolgesensoren und Abstandssensoren, die in alle Richtungen verwendet werden, umfassen, um den Abstand zu nahegelegenen Objekten zu bestimmen.
Die Umgebungssensoren 70 können Sensoren zum Erfassen nahegelegener Objekte umfassen, die unter Verwendung einer Vielfalt möglicher Technologien arbeiten, etwa Radar, LIDAR, Sonar, nach vorne ausgerichtete Kameras und IR-Sensoren. Die Umgebungssensoren 70 können auch Sensoren zur allgemeinen Positionierung wie etwa GPS und andere Sensortypen umfassen, um Parameter im Hinblick auf die Umgebung zu erfassen, welche Umgebungstemperatursensoren, Umgebungslichtsensoren und dergleichen umfassen.
Es können Sensoren mit Bezug auf die Fähigkeit des Fahrers, die Spur zu halten, oder zum Detektieren eines Schlingerns des Fahrzeugs 40 vorgesehen sein. Diese Sensoren können Informationen hinsichtlich des Wachheitsgrads des Fahrers 20 und/oder des Zustands des Fahrzeugs 40 bereitstellen. Die Handlung des Fahrens umfasst, dass das Fahrzeug 40 in Ansprechen auf die Umgebung 60 gesteuert wird und die Beschleunigung und Verzögerung, die Absolutgeschwindigkeit, ein Schlingern und Rutschen sind alle einfach zu bestimmende Reaktionen auf den Zustand des Fahrers 20, des Fahrzeugs 40 und der Umgebung 60. Es ist daher festzustellen, dass, obwohl die vorstehenden Sensoren, die nur als Beispiel bereitgestellt sind, in Fahrersensoren 30, Fahrzeugsensoren 50 und Umgebungssensoren 70 eingeteilt sind, diese Einteilung zu einem gewissen Grad willkürlich ist, und dass der gleiche Sensor Informationen mit Bezug auf zwei oder mehr von dem Fahrer 20, dem Fahrzeug 40 und der umgebenden Nachbarschaft 60 liefern kann. Zudem können einige der Sensoren in Beziehung mit einer automatischen Geschwindigkeitsregelung ACC, Spurhaltesystemen und semiautonomen Systemen stehen, welche den Betrieb des Fahrzeugs steuern.
Andere Sensoren können eine Eingabe erfassen, welche die Verwendung eines Mobiltelefons und andere interne Ablenkungen betreffen können.
Mit Bezug auf 2 ist ein Fahrerassistenzsystem 100 in Übereinstimmung mit einem Beispiel zeigt. Das Fahrerassistenzsystem 100 enthält fünf Module: (i) ein Fahrerzustandsmodul 120, welches den Fokus der Konzentration und Aufmerksamkeit des Fahrers 20 modelliert und seine unmittelbar bevorstehenden Aktionen vorhersagt; (ii) ein Fahrzeugzustandsmodul 140, welches den Zustand des Fahrzeugs 40 in der Welt beschreibt; (iii) ein Abweichungsdetektionsmodul 160, welches das Fahrerzustandsmodul 120 mit dem Fahrzeugzustandsmodul 140 vergleicht, um zu beurteilen, ob es etwas gibt, das erfordert, dass der Fahrer 20 gewarnt wird; (iv) ein Fahrermitarbeiter-Schnittstellenmodul 180, das die benötigte Aktion bestimmt, wenn das Fahrzeugzustandsmodul 140 eine Abweichung detektiert, und (v) ein Sensorvorverarbeitungsmodul 200, das Daten von mehreren Sensoren am Fahrzeug 40 zusammenführt, welche allgemein die Fahrersensoren 30, die Fahrzeugsensoren 50 und die Umgebungssensoren 70 umfassen, und diese in Formaten ausgibt, die für jedes Modul geeignet sind. Zusammengenommen bilden die Module ein semiautonomes Fahrerassistenzsystem 100, das, wenn es in einem Trägerfahrzeug 40 montiert ist, zu einem semiautonomen Steuern des Fahrzeugs 40 für kurze Zeitspannen in der Lage ist, während der Fahrer 20 abgelenkt ist. Darüber hinaus ist das autonome Fahrerassistenzsystem 100 in der Lage, auf der Grundlage einer Rückmeldung mit Bezug auf das Verhalten des Fahrers 20 zu lernen um sich auf einen speziellen Fahrer 20 zu personalisieren.
Das Sensorvorverarbeitungsmodul 200 kann Eingaben von drei Gruppen von Sensoren empfangen:

(a) Fahrersensoren 30, die Informationen mit Bezug auf den Fahrer 20 liefern
(b) Fahrzeugsensoren 50, die das Fahrzeug 40 betreffen
(c) Umgebungssensoren 70, die Details im Hinblick auf die umgebende Umwelt 60 des Fahrzeugs 40 liefern, etwa den Zustand der Straße und nahegelegene Objekte.

Beispiele für derartige Sensoren sind hier vorstehend bereitgestellt.
Mit Bezug auf 3 umfasst das Fahrerzustandsmodul 120 die folgenden Komponenten und Teilsysteme: (i) einen Rahmenspeicher 122, der Repräsentationen von Verhaltensweisen mit zugehörigem Kontext speichern kann; (ii) ein Bewertungssystem 124, welches eine Reihenfolge der Rahmen auf der Grundlage von Zielen und Gegenleistungen erstellen kann, (iii) einen Arbeitsspeicher 126, der eine Steuerung 129 zum Festhalten und Einsortieren von Rahmen in Vordergrund-Teilspeicher 128 und Hintergrund-Teilspeicher 130 umfasst, und (iv) einen Erkennungs-Präprozessor 132, der ausgeprägte Merkmale identifizieren kann, die für den am höchsten bewerteten Rahmen im Vordergrundspeicher 128 relevant sind.
Das Fahrerzustandsmodul 120 kann mit der Umgebung 60 unter Verwendung einer Umgebungsschnittstelle 134 koppeln, welche Eingaben hinsichtlich der Umgebung 60 empfangen kann, und kann als Ausgabe 136 Verhaltenswahrscheinlichkeiten und Reaktionszeiten für den Fahrer 20 liefern.
Das Fahrerzustandsmodul 120 von 3 ist zur Integration als Teil eines größeren Fahrerassistenzsystems geeignet, etwa desjenigen, das in 2 gezeigt ist.
Im Allgemeinen verwendet das Fahrerzustandsmodul 120 einen neurokognitiven Ansatz, der auf der Struktur und Funktion der Gehirnregionen modelliert ist, die an Konzentration und Ausführungssteuerung des Verhaltens beteiligt sind. Um das Verständnis des Verhaltens und der Funktionalität des Fahrerzustandsmoduls 120 gemäß einem Beispiel zu erleichtern, wird auf 4 Bezug genommen, in der eine biologisches Modell gezeigt ist.
Mit Bezug nun auf 4 ist eine biologische Inspiration für Beispiele des Fahrerzustandsmoduls 120 ein detailliertes Modell der neurokognitiven Struktur und Funktion der Ausführungssteuerung des menschlichen Gehirns (3, Bezugszeichen 144) und von Konzentrationsnetzen (3, Bezugszeichen 123), wodurch es zu einer guten Vorhersagevorrichtung von menschlichen Vorlieben und Ablenkungen bei neuen Fahrsituationen wird. Daher ist festzustellen, dass 4 im Wesentlichen eine Abstraktion von Schlüsselteilen des Fahrerzustandsmoduls 120 von 3 ist, und das Fahrerzustandsmodul 120 kann als ein physikalisches Beispiel des theoretischen Modells von 4 aufgefasst werden.
4 ist folglich ein kognitives Modell eines Fahrers 20, das eine Fahrerzustandsanalyse (d.h. Wahrscheinlichkeiten von aktuellen Vordergrund- und Hintergrund-Verhaltensweisen, die aktuelle und unmittelbar bevorstehende zukünftige Aktionen des Fahrers lenken) unter Verwendung eines neurokognitiven Modells bereitstellt, das ein Fahrerverhalten ausgibt.
In Übereinstimmung mit Beispielen können das Fahrerzustandsmodul und das Fahrerassistenzsystem von 2 und 3 ein konzeptuell analoges System verwenden, das auf dem kognitiven Modell von 4 modelliert ist. Es ist daher festzustellen, dass die in 2 und 3 gezeigten Systeme einen Ansatz zum semiautonomen Fahren eines Fahrzeugs 40 in Ansprechen auf eine Ausgabe vom Fahrerzustandsmodul 120 verkörpern können, der sich von früheren Ansätzen durch sein beispielloses detailliertes Modell der Struktur und Funktion der Gehirnregionen unterscheidet, die an Konzentration und Ausführungssteuerung des Verhaltens beteiligt sind.
Fahrer 20 empfangen wie andere Menschen eine visuelle, akustische und taktile sensorische Eingabe hinsichtlich ihrer Umwelt 60, d.h. ihrer Umgebung oder Nachbarschaft.
Das in 4 gezeigte kognitive Modell zeigt, wie eine sensorische Eingabe A, die aus einer visuellen Eingabe B, akustischen Eingabe C und taktilen Eingabe D besteht, empfangen wird. Die sensorische Eingabe A kann von einer Erkennungsvorrichtung E erkannt werden, die aus Top-Down-Vorliebenfiltern F und Bottom-Up-Ausprägungsfiltern G besteht.
Die Eingabe kann durch eine Klassifizierungsvorrichtung H, die allgemein ventrale Teile des Gehirns verwendet, um zu bestimmen, „was“, und einen Sucher I, der dorsale Teile des Gehirns verwendet, um zu bestimmen, „wo“, klassifiziert werden, allgemein unter Verwendung des parietalen Lappens, um sensorische Informationen von verschiedenen Modalitäten zu integrieren, speziell zum Bestimmen der räumlichen Wahrnehmung und der Navigation. Dies ermöglicht, dass Regionen des parietalen Cortexes Objekte, die visuell wahrgenommen werden, in Körperkoordinatenpositionen abbilden. Der Sucher I führt daher die erfassten Daten zu einem Bild des Orts oder der Umgebung, d.h. der Nachbarschaft des Fahrers ( 1, Bezugszeichen 60) zusammen.
Ausgaben von sowohl der Klassifierungsvorrichtung H als auch dem Sucher I können einem Langzeitspeicher J zugeführt werden, welcher dann Daten an einen Vergleicher K liefern kann, um die Realität mit den Plänen des Fahrers 20 zu vergleichen. Der Sucher I kann auch direkt Warnungen an den Vergleicher K liefern, wenn etwas fehlt.
Der Vergleicher K zusammen mit einer Verhaltenswählvorrichtung L können eine Bewertungsvorrichtung M bilden und eine Verhaltensausgabe N liefern. Die Verhaltenswählvorrichtung L wählt und klassifiziert Verhaltensweisen allgemein in Vordergrund-Verhaltensweisen O, welche im präfrontalen Cortex-Arbeitsspeicher gespeichert werden, und in Hintergrund-Verhaltensweisen P. Die Vordergrund-Verhaltensweise O aus dem Arbeitsspeicher des präfrontalen Cortexes wird zu dem Top-Down-Vorliebenfilter F für eine Top-Down-Vorliebe zurückgeführt.
Die Ausprägung der erfassten Daten kann sich auf den Zustand oder die Qualität beziehen, um welche sie relativ zum Hintergrund herausragen. Die Detektion der Ausprägung kann als ein Schlüsselkonzentrationsmechanismus aufgefasst werden, der das Lernen und Überleben ermöglichen kann, indem er Organismen in die Lage versetzt, ihre begrenzten Wahrnehmungs- und Kognitivressourcen auf den am besten zutreffenden Teilsatz der verfügbaren sensorischen Daten A zu fokussieren, welche visuelle B, akustische C und taktile D sensorische Daten umfassen.
Im Gehirn, das in 4 modelliert ist, kann der Arbeitsspeicher L so aufgefasst werden, dass er sowohl einen Vordergrund- Arbeitsspeicher O als auch einen Hintergrund- Arbeitsspeicher P enthält. Der Arbeitsspeicher L wird durch den anterioren cingulären Cortex dynamisch aktualisiert und durch die basalen Ganglien angesteuert, wodurch die am höchsten klassifizierten Verhaltensweisen im Vordergrund-Arbeitsspeicher gehalten werden. Beruhend auf den neuesten neurokognitiven Theorien zum präfrontalen Cortex speichert der Vordergrund-Arbeitsspeicher O in dem Modell Verhaltensweisen, die über einen speziellen Zugang zu Konzentrationsressourcen verfügen. Der Hintergrund-Arbeitsspeicher P speichert potentiell relevante Verhaltensweisen mit geringerem Nutzen und begrenzter Fähigkeit zu martialischer Konzentration.
Wenn der Einsatz der Konzentration durch ausgeprägte Stimuli angetrieben wird, wird er als bottom-up, speicherfrei und reagierend betrachtet.
Die Konzentration kann jedoch auch durch top-down, speicherabhängige oder antizipierende Mechanismen geleitet werden, etwa wenn Ausschau nach sich bewegenden Objekten gehalten oder zur Seite geschaut wird, bevor Straßen überquert werden. Es ist festzustellen, dass Menschen allgemein und Fahrer 20 im Besonderen die Konzentration nicht auf mehr als einen oder sehr wenige Gegenstände gleichzeitig richten können, sodass sie mit der Herausforderung konfrontiert werden, kontinuierlich unterschiedliche Bottom-Up- und Top-Down-Einflüsse zu integrieren und zu priorisieren.
Wieder mit Bezug auf 2 kann das Fahrerzustandsmodul 120 bei einigen Beispielen lernen, seine Reaktionen auf den Fahrer 20 auf der Grundlage einer Rückmeldung des Verhaltens des Fahrers 20, die durch das Sensorvorverarbeitungsmodul 200 bereitgestellt wird, mithilfe einer Ausführungssteuerung 144 anzupassen, und es umfasst einen Dienstcomputer 464 zum Lernen, wie Diensten Assoziationen zwischen einem Situationskontext und einem Verhalten zugeordnet werden sollen; um sich auf einen speziellen Fahrer 20 zu personalisieren.
Mit Bezug auf 5 ist ein konzeptionelles Blockdiagramm mit einem integrierten Flussdiagramm 500, das den Modulen von 3 entspricht, dargestellt. Das konzeptionelle Blockdiagramm mit integriertem Flussdiagramm 500 zeigt, wo jeder Prozess stattfinden kann. Der Prozess der Erfindung kann allgemein in einem Regelkreis arbeiten, wobei kontinuierlich die Situation erfasst und bewertet wird, d.h. der Zustand des Fahrers 20, des Fahrzeugs 40 und der Umgebung 60, und eine Ausgabe für das Fahrzeug 40 oder den Fahrer 20 aufweisen, um die Interaktion mit der Umgebung 60 zu optimieren.
Die Fahrersensoren 30, die Fahrzeugsensoren 50 und die Umgebungssensoren 70, welche die Umgebungsschritte 134 bilden, liefern eine Eingabe periodisch oder kontinuierlich an das Erkennungsvorverarbeitungsmodul 420, welches die Ausgaben von den verschiedenen Sensoren 30, 50, 70 filtern kann und eine Ausgabe, die den Fahrerzustand und den Fahrzeugzustand betrifft, an die jeweiligen in 2 gezeigten Fahrer- und Fahrzeugzustandsmodule liefern kann. Das Filtern kann ziemlich komplex sein. Ein Teil des Filterns kann von einem Top-Down-Vorliebenfilter 422 durchgeführt werden, das einem Top-Down-Vorliebenmodell folgt, welches zielorientiert ist. Eine andere Filterung kann von einem Bottom-Up-Ausprägungsfilter 424 durchgeführt werden, das ausgeprägte Merkmale aus der Sensoreingabe der Umgebungsschnittstelle 410 erkennt. Das Erkennungsvorverarbeitungsmodul 420 kann auch Konzentrationswarnungen 426 erzeugen, die an eine Warnungshandhabungsvorrichtung 462 der Bewertungsvorrichtung 460 gesendet werden können, welche diese Warnungen handhaben kann.
Eine Ausgabe aus dem Erkennungsvorverarbeitungsmodul 420 kann an den Rahmenspeicher 430 gesendet werden, welcher die Rahmenaktivierung 432 aktualisiert und relevante Rahmen 434 melden kann. Dies kann eine Kopplung mit dem Arbeitsspeicher 450 herstellen, welcher eine Kopplungsvorrichtung 452 zum Koppeln mit aktiven Rahmen und eine Erfassungsprioritätsextraktionsvorrichtung 454 zum Extrahieren von Erfassungsprioritäten enthalten kann, welche an das Top-Down-Vorliebenfilter 422 zurückgespeist werden können. Die Kopplungsvorrichtung 452 kann außerdem ein Signal an die Ranggebungsvorrichtung 465 des Bewertungssystems 460 liefern, welche Sensoreingaben von den Sensoren 30, 50, 70 und Warnungen 462 bewerten kann und als Ansteuersystem wirken kann. Das Bewertungssystem 460 kann das wahrscheinliche Verhalten und Reaktionszeiten des Fahrers 20 bewerten und kann diese Informationen 470 ausgeben.
Allgemein gesprochen werden daher Rohdaten von den Sensoren 30, 50, 70 der Umgebungsschnittstelle 410 im Erkennungspräprozessor 420 in Übereinstimmung mit einer zugeordneten Bedeutung gefiltert, was dazu führt, dass erfasste Informationen als vordergrund- oder hintergrundbezogen kategorisiert werden und dann im Hinblick auf ihre Bedeutung in eine Reihenfolge gebracht werden. Daher wird als Beispiel einem detektierten STOP-Zeichen eine höhere Bedeutung zugewiesen als einer detektierten Werbetafel. Bei einigen Beispielen können Baumstrukturen verwendet werden, um die hierarchischen Beziehungen zwischen Sensoreingaben abzubilden.
Ein Merkmal von einigen Beispielen besteht darin, dass diese selbstlernend sein können und die Reaktionen des Fahrers in Erfahrung bringen können und Probleme vorhersagen können, bevor sie eintreten.
Der in 5 gezeigte Prozess ist eine Implementierung. Es ist festzustellen, dass andere Implementierungen andere Reihen von Operationen verwenden können.
Die Ausgabe 470 der Bewertungsvorrichtung 460 kann eine Warnung für den Fahrer 20 oder eine semiautonome Steuerung des Fahrzeugs 40, wie zum Beispiel ein automatisches Bremsen oder auch eine Warnung an das umgebende Umfeld 60 sein, etwa ein automatisches Aufblinken der Scheinwerfer oder das Ertönen lassen der Fahrzeughupe, um beispielsweise andere Fahrer und Fußgänger zu warnen.
Bei einigen Beispielen können das Fahrerassistenzsystem 100 im Allgemeinen und das Fahrerzustandsmodul 120 im Besonderen mit einem dedizierten oder einem Universalprozessor implementiert werden. Der Rahmenspeicher 430, der Arbeitsspeicher 450 (126), der einen Vordergrund-Teilspeicher 128 und einen Hintergrund-Teilspeicher 130 umfasst, können unter Verwendung einer Vielfalt von Speichertechnologien implementiert sein, etwa flüchtigen Speichern. Die gelernten Fahrereigenschaften können vorzugsweise in einem dauerhafteren Speicher gespeichert werden. Die Speicher können von einem Computer lesbare oder von einem Prozessor lesbare nicht vorübergehende Speichermedien, beliebige Plattentypen, die Disketten, optische Platten, CD-ROMs, magneto-optische Platten, Festwertspeicher (ROMs), Speicher mit wahlfreiem Zugriff (RAMs), elektrisch programmierbare Festwertspeicher (EPROMs), elektrisch löschbare und programmierbare Festwertspeicher (EEPROMs), magnetische oder optische Karten, Flashspeicher oder einen beliebigen anderen Medientyp, der zum Speichern elektronischer Anweisungen geeignet ist, verwenden.
Beispiele können Vorrichtungen zum Durchführen der hier beschriebenen Operationen umfassen. Derartige Vorrichtungen können speziell für die gewünschten Zwecke konstruiert sein oder können Computer oder Prozessoren umfassen, die von einem Computerprogramm, das in den Computern gespeichert ist, selektiv aktiviert oder neu konfiguriert werden. Derartige Computerprogramme können in einem von einem Computer lesbaren oder von einem Prozessor lesbaren nicht vorübergehenden Speichermedium gespeichert sein, einer beliebigen Plattenart, die Disketten, optische Platten, CD-ROMs, magneto-optische Platten, Festwertspeicher (ROMs), Speicher mit wahlfreiem Zugriff (RAMs), elektrisch programmierbare Festwertspeicher (EPROMs), elektrisch löschbare und programmierbare Festwertspeicher (EEPROMs), magnetische oder optische Karten oder einen beliebigen anderen Typ von Medien, der zum Speichern elektronischer Anweisungen geeignet ist, umfassen. Es ist festzustellen, dass eine Vielfalt von Programmiersprachen verwendet werden kann, um die Lehren der Erfindung wie hier beschrieben zu implementieren. Beispiele der Erfindung können einen Artikel umfassen, etwa ein nicht vorübergehendes computer- oder prozessorlesbares nicht vorübergehendes Speichermedium, wie zum Beispiel einen Arbeitsspeicher, ein Plattenlaufwerk oder einen USB-Flashspeicher, der Anweisungen kodiert, enthält oder speichert, z.B. von einem Computer ausführbare Anweisungen, welche, wenn sie von einem Prozessor oder einem Controller ausgeführt werden, veranlassen, dass der Prozessor oder Controller hier offenbarte Verfahren ausführt. Die Anweisungen können veranlassen, dass der Prozessor oder Controller Prozesse ausführt, die hier offenbare Verfahren ausführen.
Hier wurden unterschiedliche Beispiele offenbart. Merkmale von bestimmten Beispielen können mit Merkmalen von anderen Beispielen kombiniert werden; daher können bestimmte Beispiele Kombinationen von Merkmalen von mehreren Beispielen sein. Die vorstehende Beschreibung der Beispiele der Erfindung wurde zum Zweck der Darstellung und Beschreibung präsentiert. Sie soll nicht umfassend sein oder die Erfindung auf die genaue offenbarte Form begrenzen. Der Fachmann wird feststellen, dass viele Modifikationen, Variationen, Substitutionen, Veränderungen und Äquivalente im Hinblick auf die vorstehende Lehre möglich sind. Es ist daher zu verstehen, dass die beigefügten Ansprüche dazu gedacht sind, alle derartigen Modifikationen und Veränderungen abzudecken, sofern sie in den tatsächlichen Geist der Erfindung fallen.

Claims

Fahrerassistenzsystem (100) zum Unterstützen eines Fahrers (20) eines Fahrzeugs (40) in einer umgebenden Nachbarschaft (60) des Fahrzeugs (40), wobei das Fahrerassistenzsystem (100) umfasst: mehrere Sensoren (30, 50, 70), die zum Erfassen von Daten ausgestaltet sind, wobei die Sensoren (30, 50, 70) umfassen: mindestens einen Fahrersensor (30), der zum Erfassen von Informationen mit Bezug auf einen Fahrerzustand des Fahrers (20) des Fahrzeugs (40) ausgestaltet ist, mindestens einen Fahrzeugsensor (50), der zum Erfassen von Informationen mit Bezug auf einen Fahrzeugzustand ausgestaltet ist, mindestens einen Umgebungssensor (70), der zum Erfassen von Informationen mit Bezug auf eine das Fahrzeug (40) umgebende Nachbarschaft (60) ausgestaltet ist; und einen Prozessor, der ausgestaltet ist, um: eine Abweichung zwischen dem Fahrerzustand und dem Fahrzeugzustand auf der Grundlage der Daten, die durch die Sensoren (30, 50, 70) erhalten werden, zu detektieren, auf die Detektion der Abweichung hin eine notwendige Aktion zu bestimmen; gekennzeichnet durch ein Fahrerzustandsmodul (120), welches den Fokus der Konzentration und Aufmerksamkeit des Fahrers (20) unter Verwendung eines neurokognitiven Ansatzes modelliert und seine unmittelbar bevorstehenden Aktionen vorhersagt.
Fahrerassistenzsystem (100) nach Anspruch 1, wobei der mindestens eine Fahrersensor (30) aus der Gruppe von Sensoren gewählt ist, die aus Kameras, Drucksensoren, galvanischen Hautreaktionssensoren und Elektroenzephalographie-Sensoren besteht.
Fahrerassistenzsystem (100) nach Anspruch 1, wobei der mindestens eine Fahrzeugsensor (50) aus der Gruppe gewählt ist, die aus Geschwindigkeitsmessgeräten, Kraftmaschinentemperaturmessgeräten, einem Kraftstoffmessgerät, einem Umdrehungszähler, Scheibenwischerverwendungssensoren, einem Lichtverwendungssensor, einem Blinkerverwendungssensor und einem Lenkradpositionssensor besteht.
Fahrerassistenzsystem (100) nach Anspruch 1, wobei der mindestens eine Umgebungssensor (70) aus der Gruppe gewählt ist, die aus einer nach vorne gerichteten Kamera, einem Spurverfolgungssensor, einem Abstandssensor, einem Radarsensor, einem Sonarsensor, einem allgemeinen Positionssensor, GPS, einem Umgebungstemperatursensor und einem Umgebungslichtsensor besteht.
Fahrerassistenzsystem (100) nach Anspruch 1, wobei die notwendige Aktion aus der Gruppe gewählt wird, die aus einem automatischen Bremsen, dem Ertönenlassen einer Hupe des Fahrzeugs (40) und dem Aufleuchten lassen von Scheinwerfern des Fahrzeugs (40) besteht.
Fahrerassistenzsystem (100) nach Anspruch 1, das ferner einen Prozessor umfasst, der ausgestaltet ist, um Fahreigenschaften eines speziellen Fahrers (20) aus den Daten zu lernen.
Verfahren zum Unterstützen eines Fahrers (20) eines Fahrzeugs (40) in einer das Fahrzeug (40) umgebende Nachbarschaft (60), wobei das Verfahren umfasst, dass: mehrere Sensoren (30, 50, 70) verwendet werden, um Daten zu beschaffen, wobei die Daten umfassen: Parameter mit Bezug auf einen Fahrerzustand des Fahrers (20), Parameter mit Bezug auf einen Fahrzeugzustand des Fahrzeugs (40), Parameter mit Bezug auf eine Nachbarschaft (60), die das Fahrzeug (40) umgibt; und ein Prozessor verwendet wird, der ausgestaltet ist, um: eine Abweichung zwischen dem Fahrerzustand und dem Fahrzeugzustand auf der Grundlage der Daten, die von den Sensoren (30, 50, 70) beschafft werden, zu detektieren, eine notwendige Aktion auf die Detektion der Abweichung hin zu bestimmen; dadurch gekennzeichnet, dass der Konzentrationsfokus und die Aufmerksamkeit des Fahrers (20) unter Verwendung eines neurokognitiven Ansatzes modelliert werden, um unmittelbar bevorstehende Aktionen des Fahrers (20) vorherzusagen.
Verfahren zum Unterstützen eines Fahrers (20) nach Anspruch 7, wobei die mehreren Sensoren (30, 50, 70) einen Fahrersensor (30) umfassen, der aus der Gruppe von Sensoren gewählt ist, die aus Kameras, Drucksensoren, galvanischen Hautreaktionssensoren und Elektroenzephalographie-Sensoren besteht.
Verfahren zum Unterstützen eines Fahrers (20) nach Anspruch 7, wobei die mehreren Sensoren (30, 50, 70) einen Fahrzeugsensor (50) umfassen, der aus der Gruppe gewählt ist, die aus Geschwindigkeitsmessgeräten, Kraftmaschinentemperaturmessgeräten, einem Kraftstoffmessgerät, einem Umdrehungszähler, Scheibenwischerverwendungssensoren, einem Lichtverwendungssensor, einem Blinkerverwendungssensor und einem Lenkradpositionssensor besteht.
Verfahren zum Unterstützen eines Fahrers (20) nach Anspruch 7, wobei die mehreren Sensoren (30, 50, 70) einen Umgebungssensor (70) umfassen, der aus der Gruppe gewählt ist, die aus einer nach vorne gerichteten Kamera, einem Spurfolgesensor, einem Abstandssensor, Radar, Sonar, einem allgemeinen Positionssensor, GPS, einem Umgebungstemperatursensor und einem Umgebungslichtsensor besteht.