DE102015203793A1

DE102015203793A1 - Fahrermüdigkeitserkennung

Info

Publication number: DE102015203793A1
Application number: DE102015203793.2A
Authority: DE
Inventors: Kwaku O. Prakah-Asante; Hsin-Hsiang Yang
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2014-03-05
Filing date: 2015-03-03
Publication date: 2015-09-10
Also published as: MX345464B; US20150251663A1; CN104887253B; RU2679299C2; MX2015002772A; CN104887253A; RU2015107186A3; US9205844B2; RU2015107186A

Abstract

Daten werden in Bezug auf eine Gierrate eines Fahrzeugs während eines Zeitraums gesammelt. Eine tatsächliche Bewegungsbahn und eine ideale Bewegungsbahn für das Fahrzeug in dem Zeitraum werden zum Teil auf der Basis der Gierratendaten errechnet. Eine Abweichung einer Gierrate, die mit der tatsächlichen Bewegungsbahn assoziiert ist, von einer Gierrate, die mit der idealen Bewegungsbahn assoziiert ist, wird bestimmt. Eine Varianz der Abweichung wird berechnet. Eine Anzeige eines gefährlichen Fahrzustands wird bereitgestellt, wenn die Varianz einen vorherbestimmten Varianzgrenzwert überschreitet.

Description

Fahrermüdigkeit stellt eine Gefahr für die Verkehrssicherheit dar. Verschiedene Mechanismen wurden bisher zum Versuch des Erkennens von Fahrermüdigkeit verwendet. Kameras in einem Innenraum eines Fahrzeugs können beispielsweise dazu verwendet werden, die Augen eines Fahrers zu überwachen, wobei ein Zeitprozentsatz, in dem die Augen des Fahrers geschlossen sind, bestimmt werden kann. Wenn die Augen eines Fahrers für einen Zeitprozentsatz in einem gegebenen Zeitraum geschlossen sind, der höher als ein vorherbestimmter Grenzwert ist, kann eine Fahrermüdigkeit bestimmt werden. Die Verwendung von Innenkameras zum Überwachen der Augen eines Fahrers kann jedoch unzuverlässig sein und erhöht darüber hinaus die Fahrzeugkosten und die Herstellungskomplexität durch Erfordern eines Sensors im Fahrgastraum, der ansonsten nicht in einem Fahrzeug eingebaut werden müsste.
Ein anderer aktueller Mechanismus zum Versuch des Erkennens von Fahrermüdigkeit beinhaltet das Verwenden von Kameras, die extern zu einem Fahrzeug sind, um zu bestimmen, ob ein Fahrmuster widersprüchlich zu den Straßenbedingungen ist, z. B. wenn ein Fahrer in eine Spur und aus dieser heraus schlingert. Außenkameras, die zum Erhalten von Informationen zu einer Straße erforderlich sind, sind jedoch möglicherweise nicht zuverlässig, insbesondere wenn die Straßenbedingungen schlecht sind, das Wetter rau ist usw. Des Weiteren kann das Verwenden von Außenkameras und/oder anderen Arten von Sensoren zum Bestimmen einer Position eines Fahrzeugs in Bezug auf einen Fahrweg wie die Verwendung von Innenkameras Kosten, Gewicht und Herstellungskomplexität eines Fahrzeugs erhöhen.
Kurz gesagt, derzeitige Mechanismen zum Erkennen von Fahrermüdigkeit können Mängel aufweisen, z. B. in Bezug auf Unzuverlässigkeit, speziell erforderliche Sensoren usw.
1 ist ein Blockdiagramm eines Fahrzeugsystems zum Erkennen von Fahrermüdigkeit.
2 ist ein Blockdiagramm eines beispielhaften Vorgangs zum Erkennen von Fahrermüdigkeit.
3 stellt beispielhafte Graphen von Fahrzeugdaten, einschließlich Gierratendaten, dar, die zum Rekonstruieren einer Fahrzeugbewegungsbahn verwendet werden können.
4 stellt beispielhafte Graphen einer Fahrzeugspurwechselbewegungsbahnrekonstruktion dar.
Die 5A und 5B stellen beispielhafte Graphen von Simulationen von einer Bewegungsbahn dar, die durch ein Fahrermodell bzw. aus Verhaltensweisen menschlicher Fahrer bestimmt wurden.
Die 6A und 6B stellen beispielhafte Graphen einer spektralen Leistungsdichteanalyse von Gierratendaten für einen nicht müden Fahrer bzw. einen müden Fahrer dar.
1 ist ein Blockdiagramm eines Systems eines Fahrzeugs 101 zum Erkennen von Fahrermüdigkeit. Das Fahrzeug 101 weist ein Datenverarbeitungsgerät 105 auf, das kommunikativ mit einem oder mehreren Datensammlern 110 gekoppelt ist, z. B. Sensoren oder dergleichen, wie sie zum Sammeln von Daten 115 in Bezug auf eine Gierrate des Fahrzeugs 101 und/oder anderer Daten, wie hierin erörtert, bekannt sind. Der Computer 105 ist weiterhin dazu konfiguriert, Gierdaten 115 zu verwenden.
Mechanismen zum Bestimmen eines Fahrermüdigkeitszustands sind im Folgenden ausführlicher beschrieben; im Allgemeinen können Daten 115 dazu verwendet werden, eine kürzliche Bewegungsbahn eines Fahrzeugs auf einer Straße zu rekonstruieren, und können mit einer idealen Bewegungsbahn verglichen werden, die gemäß einem bekannten Fahrerbezugsmodell, wie dem MacAdam-Modell, errechnet wurde. Das Vergleichen des tatsächlichen Fahrerverhaltens mit einer Emulation, die aus einem Fahrermodell resultiert, eliminiert oder verringert das Ausmaß, zu dem Straßenbedingungen, z. B. Kurven, Bodenwellen usw., ein Fahrerverhalten bewirkt haben, z. B. sich in Gierraten geäußert haben, die ansonsten als ihre Ursache in Müdigkeit habend gedeutet würden. Eine spezifische Frequenzkomponente der Gierrate in Bezug auf Müdigkeit kann identifiziert werden und ausgewertet werden, um ein mit Müdigkeit assoziiertes Fahrmuster zu identifizieren.
Der Computer 105 kann weiterhin dazu konfiguriert sein, bei einer Bestimmung, dass Fahrermüdigkeit erkannt wurde, eine Maßnahme zu ergreifen, z. B. eine Warnung oder dergleichen bereitstellen und/oder eine gewisse Kontrolle des Fahrzeugs 101 ausführen, z. B. das Fahrzeug 101 abbremsen oder anhalten. Dementsprechend kann Fahrermüdigkeit quantifiziert und identifiziert werden, ohne Sensoren zu verwenden, bei denen es sich nicht um die Gierratendatensammler 110 handelt, die im Allgemeinen bereits in einem Fahrzeug 101 angeordnet sind, und ohne zusätzliche Straßeninformationen, die zusätzliche Daten 115 und/oder Sensoren 110 erfordern würden.
Das Fahrzeug 101 ist im Allgemeinen ein landgebundenes Fahrzeug, das auf zwei oder mehr Rädern fährt, z. B. ein Personenwagen oder dergleichen. Ein Zentralcomputer 105, der z. B. in dem Fahrzeug 101 eingebunden ist, weist im Allgemeinen einen Prozessor und einen Speicher auf, wobei der Speicher eine oder mehrere Formen computerlesbarer Medien, im Allgemeinen einschließlich eines flüchtigen und nichtflüchtigen Speichers, aufweist und Anweisungen speichert, die von dem Prozessor zum Durchführen verschiedener Arbeitsabläufe, einschließlich der wie hierin offenbarten, ausführbar sind. Der Speicher des Computers 105 speichert weiterhin im Allgemeinen Anweisungen, die von dem Prozessor des Computers 105 ausführbar sind, zum Durchführen von hierin offenbarten Vorgängen, z. B. Empfangen und Auswerten von Daten 115 von Datensammlern 110, Vornehmen von Bestimmungen in Bezug auf Fahrermüdigkeit usw.
Der Computer 105 ist im Allgemeinen für Kommunikationen auf einem Controller-Area-Network-Bus (CAN-Bus) oder dergleichen konfiguriert. Darüber hinaus kann der Computer 105 zum Kommunizieren mit einem oder mehreren Geräten 150, z. B. mittels verschiedener drahtgebundener und/oder drahtloser Netztechnologien, wie Bluetooth, einem USB-(universeller serieller Bus) oder Mikro-USB-Kabel usw., konfiguriert sein. Des Weiteren kann der Computer 105 eine Mensch-Maschinen-Schnittstelle (MMS) aufweisen oder mit einer solchen gekoppelt sein, die eine Eingabe empfangen kann, die an den Computer 105 bereitgestellt wird, und eine Ausgabe anzeigen kann. Eine MMS kann eine Vielfalt von Mechanismen beinhalten, z. B. ein Eingabegerät, wie ein Berührungsbildschirm, eine Tastatur, ein Tastenfeld, ein Mikrofon usw., und beinhaltet weiterhin im Allgemeinen Ausgabemechanismen, wie einen Anzeigebildschirm, Lautsprecher usw.
Die Datensammler 110 können eine Vielfalt von Geräten beinhalten, einschließlich Sensoren oder dergleichen, z. B. unter Verwendung von Gyroskopen, die im Allgemeinen in existierenden Fahrzeugen 101 zum Erkennen einer Gierrate und/oder anderer Daten 115 eingesetzt werden. Des Weiteren können verschiedene Controller in einem Fahrzeug als die Datensammler 110 arbeiten, um mittels des CAN-Busses Daten 115 bereitzustellen, z. B. Daten 115 in Bezug auf die Fahrzeuggeschwindigkeit, -beschleunigung usw. Noch weiter könnten Sensoren oder dergleichen, eine globale Positionierungssystemeinrichtung (GPS-Einrichtung) usw. in einem Fahrzeug eingebunden werden und als die Datensammler 110 konfiguriert werden, um Daten direkt dem Computer 105 bereitzustellen, z. B. mittels einer drahtgebundenen oder drahtlosen Verbindung. Sensor-Datensammler 110 könnten Mechanismen zum Erkennen einer Position, Positionsänderung, Positionsänderungsrate usw. von Komponenten des Fahrzeugs 101, wie einem Lenkrad, Bremspedal, Gaspedal, Schalthebel usw., beinhalten.
Ein Speicher des Computers 105 speichert im Allgemeinen gesammelte Daten 115. Die gesammelten Daten 115 können eine Vielfalt von Daten beinhalten, die in einem Fahrzeug 101 gesammelt werden. Beispiele gesammelter Daten 115 sind oben bereitgestellt und darüber hinaus werden die Daten 115 im Allgemeinen unter Verwendung eines oder mehrerer Datensammler 110 gesammelt und können zusätzlich dazu Daten beinhalten, die in dem Computer 105 daraus berechnet werden.
2 ist ein Blockdiagramm eines beispielhaften Vorgangs 200 zum Erkennen von Fahrermüdigkeit. Der Vorgang 200 beginnt in einem Block 205, in dem ein Computer 105 eines Fahrzeugs 101 Daten 115, einschließlich einer Gierrate des Fahrzeugs 101, für einen Zeitraum, z. B. die letzten 10 Sekunden, die letzten 20 Sekunden, die letzten 30 Sekunden usw., sammelt.
Als Nächstes rekonstruiert der Computer 105 in einem Block 210 eine Bewegungsbahn des Fahrzeugs 101 für den Zeitraum. Diese Rekonstruktion wird durchgeführt, indem die Gierrate des Fahrzeugs 101 über den Zeitraum zum Erhalten eines Fahrzeugkurswinkels, d. h. einer Gier, integriert wird. 3 stellt ein Beispiel von Daten 115, einschließlich Gierratendaten 115, eines Fahrzeugs 101 dar, die zum Rekonstruieren einer Fahrzeugbewegungsbahn verwendet werden können. Man beachte, dass eine Gierrate, die von einem Sensor 110 eines Fahrzeugs 101 gemessen wird, im Allgemeinen Rauschen und eine Verzerrung beinhalten wird. Derartige Messfehler, insbesondere die Verzerrung, können die Genauigkeit einer Errechnung eines Kurswinkels eines Fahrzeugs 101 beeinträchtigen. Da in der vorliegenden Anmeldung das Integrationsintervall, d. h. Δt, jedoch eine verhältnismäßig kurze Dauer aufweist, kann die Gesamtverzerrung ignoriert werden. Gleichung 1 stellt eine Berechnung des Kurswinkels Ψ(t) eines Fahrzeugs bei einer gegebenen Gierrate r zu einer Zeit t dar.
Dann können auf der Basis einer weiteren Annahme keiner oder zumindest keiner signifikanten Lateralgeschwindigkeit des Fahrzeugs 101 unter Verwendung von Daten 115, die eine Geschwindigkeit des Fahrzeugs 101 zu einer Zeit t identifizieren, zusätzlich zu dem Kurswinkel Ψ(t) des Fahrzeugs, der in Gleichung 1 berechnet wurde, kinematische Gleichungen dazu verwendet werden, die Bewegungsbahn des Fahrzeugs 101 zu rekonstruieren, wie durch die folgende Gleichung 2 dargestellt.
t_current – Δt ≤ t ≤ t_current (2b)
4 stellt beispielhafte Graphen einer Fahrzeugspurwechselbewegungsbahnrekonstruktion dar. Das heißt, eine rekonstruierte Bewegungsbahn, die ein oder mehrere Manöver darstellt, die während des Intervalls Δt ausgeführt werden, wird bereitgestellt.
Als Nächstes wird in einem Block 215 ein Fahrerbezugsmodell dazu verwendet, einen optimalen Lenkwinkel zu berechnen und eine optimale Ausführung des rekonstruierten Könnte-Verzeichnisses des Blocks 210 durch das Fahrzeug 101 zu erzeugen. (Im Allgemeinen kann ein Fahrerbezugsmodell, wie bekannt ist, dazu verwendet werden, optimale Fahrerverhaltensweisen, wie optimale Lenkwinkel, optimale Geschwindigkeiten usw., zu bestimmen.) Die rekonstruierte Bewegungsbahn an sich ist nicht unbedingt zum Bereitstellen eines zuverlässigen Indikators auf Fahrermüdigkeit von Nutzen. Das liegt daran, dass Informationen auf Bezug auf eine Straße, die von dem Fahrzeug 101 während des Intervalls Δt bereist wird, im Allgemeinen berücksichtigt werden sollten. Abbiegevorgänge oder laterale Bewegungen des Fahrzeugs 101 können beispielsweise unterschiedlich gedeutet werden, wenn eine Straße verhältnismäßig gerade ist, im Gegensatz dazu, wenn eine Straße verhältnismäßig kurvig oder kurvenreich ist. Dementsprechend wird ein Fahrermodell dazu verwendet, einen optimalen oder idealen Satz von Kurswinkeln des Fahrzeugs 101 zum Ausführen der rekonstruierten Bewegungsbahn zu reflektieren. In einer Umsetzung wird das MacAdam-Fahrermodell verwendet, wie in Gleichung 3 gezeigt ist.
Fahrermodelle, einschließlich des MacAdam-Modells, sind allgemein zum Berechnen eines optimalen Kurs- oder Lenkwinkels u_opt eines Fahrzeugs 101 bekannt, wie in Gleichung 3 gezeigt ist. Das heißt, y_d(t) stellt einen gewünschten Weg dar, wie er aus Gleichung 2 abgeleitet werden kann, wie offensichtlich sein wird. Die Variable x₀ stellt einen Anfangszustand des Fahrzeugs 101 dar. Die Matrizes F(t) und g(t) sind Zustandsübergangssystemmatrizes des Fahrzeugs 101 bzw. Zustandsübergangseingabematrizes des Fahrzeugs 101. T stellt einen Vorschauhorizont dar.
Die 5A und 5B zeigen jeweils Simulationen von einer Bewegungsbahn dar, die durch ein Fahrermodell und aus Verhaltensweisen menschlicher Fahrer bestimmt wurden. Ein optimaler, nicht müder Fahrer (5A) kann ein Fahrzeug 101 auf eine Weise bedienen, die der durch das optimale Vorschaumodel (z. B. Gleichung 3) angezeigten nahe kommt, d. h. mit geringen Gierratenschwankungen. Ein müder Fahrer (5B) dagegen zeigt übermäßiges Lenkverhalten im Vergleich zum Bezugsmodell und hohe Gierratenschwankungen, was Fahrermüdigkeit anzeigt.
Anschließend an Block 215 bestimmt der Computer 105 in einem Block 220 jeweilige Abweichungen von einer idealen Gierrate für einen Satz von Gierraten, die zu jeweiligen Zeiten t gemessen wurden. Diese Bestimmung wird allgemein vorgenommen, indem tatsächliches Lenkverhalten, das in Gierratendaten 115 reflektiert wird, mit idealem Lenkverhalten, wie durch das Bezugsfahrermodell angezeigt, verglichen wird.
Als Nächstes wendet der Computer 105 in einem Block 225 ein Bandpassfilter auf die Gierratenabweichungen vom Ideal an, das wie in Bezug auf den Block 215 beschrieben bestimmt wurde. Das Bandpassfilter ist wünschenswert, da empirisch bestimmte Verhaltensweisen von müden Fahrern von Gierratenmessungen mit signifikanten Frequenzkomponenten reflektiert werden. Spektrale Leistungsdichteanalysen stellen die Auswirkungen der Müdigkeit auf die Gierratendaten 115 dar. 6A stellt beispielsweise einen beispielhaften Graphen eine spektralen Leistungsdichteanalyse von Gierratenabweichungen für einen nicht müden Fahrer bereit und 6B stellt eine beispielhafte graphische spektrale Leistungsdichteanalyse von Gierratenabweichungen vom Ideal, das durch ein Bezugsmodell bestimmt wurde, für einen müden Fahrer bereit. Wie zu sehen ist, können die Verhaltensweisen von müden Fahrern für die gezeigten dargestellten Daten am bedeutendsten um 0,2–0,75 Hertz sein, d. h. Abweichungen von Verhaltensweisen von nicht müden Fahrern sind am auffälligsten. Auf jeden Fall stellt Gleichung 4 hohe und niedrige Bandpassfilter dar, von denen allgemein bekannt ist, dass sie allgemein dazu verwendet werden können, Daten 115 zu isolieren, die wahrscheinlich Müdigkeitsverhaltensweisen betreffen.
Das heißt, Gleichung 4a stellt ein Niederpassfilter mit einer Eingabe x (Gierrratenabweichung), einer Niederpassfilterzeitkonstante a_lp und einer Niederpassausgabe y dar. Gleichung 4b wiederum stellt ein Hochpassfilter unter Verwendung der Ausgabe unter Verwendung der Ausgabe y aus Gleichung 4a, einer Hochpassfilterzeitkonstante a_hp und einer Hochpassausgabe y’ dar.
Als Nächstes berechnet der Computer 105 in einem Block 230 eine Varianz für die Hochpassausgabe y’, die wie oben in Bezug auf den Block 225 beschrieben bestimmt wurde. In Bezug auf die folgende Gleichung 5 kann beispielsweise eine Standardvarianzberechnung für n Instanzen von y’ bei einem gegebenen Durchschnittswert µ von y’.
Als Nächstes bestimmt der Computer 105 in einem Block 235, ob die in dem Block 230 berechnete Varianz einen vorherbestimmten Grenzwert überschreitet. Der vorherbestimmte Grenzwert wird im Allgemeinen durch empirische Versuche und eine von einer Fahrzeugplattform abhängenden Kalibrierung bestimmt. Wenn die Varianz den vorherbestimmten Varianzgrenzwert überschreitet, wird als Nächstes ein Block 240 ausgeführt. Andernfalls fährt der Vorgang 200 mit einem Block 255 fort.
Im Block 240, der auf den Block 235 folgen kann, erhöht der Computer 105 einen Zähler, bei dem es sich um einen ganzzahligen Datentyp handelt und der im Allgemeinen anfangs auf Null eingestellt (oder zurückgesetzt) wurde, und dieser wird verwendet, um aufzuzeichnen, wie oft ein Varianzgrenzwert überschritten wurde, seit der Zähler eingestellt oder zurückgesetzt wurde. In der derzeit beschriebenen Umsetzung zeichnet der Zähler beispielsweise eine Anzahl Zeiträume t auf, die der Varianzgrenzwert überschritten wurde. Nach einem vorherbestimmten Zeitraum, z. B. sechs Minuten in einer Umsetzung, wird der Zähler zurückgesetzt.
Anschließend an den Block 240 bestimmt der Computer 105 in einem Block 245, ob der in dem Block 240 erhöhte Zähler einen vorherbestimmten Grenzwert überschreitet. Wie bei dem vorherbestimmten Varianzgrenzwert des oben beschriebenen Blocks 235 kann der Zählergrenzwert des Blocks 240 durch empirische Versuche und eine von einer Fahrzeugplattform abhängigen Kalibrierung bestimmt werden. Wenn der Zählergrenzwert überschritten wird, wird als Nächstes ein Block 250 ausgeführt. Andernfalls fährt der Vorgang 200 mit dem Block 255 fort.
In dem Block 250, der auf den Block 245 folgen kann, identifiziert der Computer 105 einen gefährlichen Fahrzustand, z. B. einen Müdigkeitszustand, und ergreift im Allgemeinen auf der Basis dieses eine Maßnahme. Der Computer 105 könnte beispielsweise eine oder mehrere Warnungen mittels einer MMS auslösen, z. B. eine Audiowarnung, die ein Geräusch oder eine Nachricht an den Fahrer des Fahrzeugs 101 bereitstellt, eine optische Warnung auf einem Bildschirm der MMS usw. Des Weiteren könnte der Computer 105 dazu konfiguriert sein, Anweisungen an einen oder mehrere Controller in dem Fahrzeug 101 zu senden, z. B. um eine Geschwindigkeit des Fahrzeugs 101 anzupassen, das Fahrzeug 101 zu einem sicheren Halt zu lenken usw. Anschließend an den Block 255 fährt der Vorgang 200 mit dem Block 255 fort.
Im Block 255, der auf einen beliebigen der Blöcke 235, 245, 250 folgen kann, bestimmt der Computer 105, ob der Vorgang 200 fortfahren sollte. Das Fahrzeug 101 könnte beispielsweise abgeschaltet oder zum Halt gebracht worden sein oder sich mit einer Geschwindigkeit bewegen, die zum Erfassen von aussagekräftigen Gierratendaten unzureichend ist. Dementsprechend kann der Vorgang 200 anschließend an den Block 255 enden. Der Vorgang 200 kann jedoch auch fortfahren, indem zu dem Block 205 zurückgekehrt wird. Des Weiteren kann in dem Block 255 der in Bezug auf den Block 240 erörterte Zähler zurückgesetzt oder angepasst werden, z. B. nach einem Zeitraum, wie oben beschrieben.
Man beachte, dass derzeit beschriebene Mechanismen dazu verwendet werden könnten, anomale Fahrzustände, bei denen es sich nicht um Müdigkeit handelt, z. B. ein Fahrer, der aufgrund eines medizinischen Leidens, Arzneimitteln oder Alkohol beeinträchtigt war, usw., zu identifizieren. Für Beeinträchtigungen, bei denen es sich nicht um Müdigkeit handelt, könnten die Werte von Variablen in der obigen Analyse jedoch anders sein. Wie oben erläutert wurde, konzentriert sich eine spektrale Leistungsdichteanalyse für Verhaltensweisen von müden Fahrern beispielsweise auf einen Bereich um 0,2–0,75 Hertz. Der Bereich könnte für andere Arten von beeinträchtigen Verhaltensweisen anders sein.
Datenverarbeitungsvorrichtungen wie die hierin erörterten enthalten im Allgemeinen jeweils Anweisungen, die von einem oder mehreren Datenverarbeitungsgeräten, wie den oben identifizierten, ausführbar sind, und zum Ausführen von oben beschriebenen Blöcken oder Schritten von Vorgängen. Die oben erörterten Vorgangsblöcke können beispielsweise als computerausführbare Anweisungen verkörpert werden.
Computerausführbare Anweisungen können von Computerprogrammen kompiliert oder interpretiert werden, die unter Verwendung einer Vielfalt von Programmiersprachen und/oder -technologien erstellt wurden, einschließlich, ohne Einschränkung, und entweder allein oder in Kombination, Java^TM, C, C++, Visual Basic, Java Script, Perl, HTML usw. Im Allgemeinen empfängt ein Prozessor (z. B. ein Mikroprozessor) Anweisungen z. B. von einem Speicher, einem computerlesbaren Medium usw. und führt diese Anweisungen aus, wodurch ein oder mehrere Vorgänge, einschließlich eines oder mehrerer der hierin beschriebenen Vorgänge, durchgeführt werden. Derartige Anweisungen und andere Daten können unter Verwendung einer Vielfalt von computerlesbaren Medien gespeichert und übertragen werden. Eine Datei in einem Datenverarbeitungsgerät ist im Allgemeinen eine Datensammlung, die auf einem computerlesbaren Medium gespeichert ist, wie einem Speichermedium, einem Direktzugriffsspeicher usw.
Ein computerlesbares Medium kann ein beliebiges Medium beinhalten, das am Bereitstellen von Daten (z. B. Anweisungen) beteiligt ist, die von einem Computer gelesen werden können. Ein derartiges Medium kann viele Formen annehmen, einschließlich – jedoch nicht darauf beschränkt – nichtflüchtiger Medien, flüchtiger Medien usw. Zu nichtflüchtigen Medien zählen beispielsweise optische oder Magnetplatten und ein anderer permanenter Speicher. Zu flüchtigen Medien zählt ein dynamischer Direktzugriffsspeicher (dynamic random access memory, DRAM), der in der Regel einen Hauptspeicher bildet. Zu üblichen Formen von computerlesbaren Medien zählen beispielsweise eine Floppy-Disk, eine Diskette, eine Festplatte, ein Magnetband, ein beliebiges anderes magnetisches Medium, eine CD-ROM, eine DVD, ein beliebiges anderes optisches Medium, Lochkarten, Papierband, ein beliebiges anderes physisches Medium mit Lochmustern, ein RAM, ein PROM, ein EPROM, ein FLASH-EEPROM, ein beliebiger anderer Speicherchip oder eine beliebige andere Speicherpatrone oder ein beliebiges anderes Medium, von dem ein Computer lesen kann.
In den Zeichnungen zeigen dieselben Bezugsziffern identische Elemente an. Des Weiteren könnten einige oder alle dieser Elemente geändert werden. In Bezug auf die hierin beschriebenen Medien, Vorgänge, Systeme, Verfahren usw. versteht es sich, dass, obwohl die Schritte derartiger Vorgänge usw. als gemäß einer bestimmten geordneten Abfolge erfolgend beschrieben wurden, derartige Vorgänge mit den beschriebenen Schritten ausgeübt werden könnten, die in einer Reihenfolge durchgeführt werden, die sich von der hierin beschriebenen Reihenfolge unterscheidet. Es versteht sich weiterhin, dass bestimmte Schritte gleichzeitig durchgeführt werden könnten, dass andere Schritte hinzugefügt werden könnten oder dass bestimmte hierin beschriebene Schritte weggelassen werden könnten. Anders ausgedrückt, die Beschreibungen von Vorgängen hierin sind zum Zwecke der Veranschaulichung bestimmter Ausführungsformen bereitgestellt und sollten keinesfalls als die beanspruchte Erfindung einschränkend aufgefasst werden.
Dementsprechend versteht es sich, dass die obige Beschreibung veranschaulichend und nicht einschränkend sein soll. Viele Ausführungsformen und Anwendungen, die sich von den bereitgestellten Beispielen unterscheiden, würden Fachmännern beim Lesen der obigen Beschreibung offensichtlich werden. Der Schutzumfang der Erfindung sollte nicht unter Bezugnahme auf die obige Beschreibung bestimmt werden, sondern sollte stattdessen unter Bezugnahme auf die angefügten Ansprüche bestimmt werden, zusammen mit dem vollen Umfang von Äquivalenten, auf die derartige Ansprüche Anspruch haben. Es ist antizipiert und beabsichtigt, dass künftige Entwicklungen in den hierin erörterten Techniken erfolgen werden und dass die offenbarten Systeme und Verfahren in derartige künftige Ausführungsformen eingebunden werden.
Zusammenfassend versteht es sich, dass die Erfindung zur Modifizierung und Abänderung geeignet ist und nur von den folgenden Ansprüchen eingeschränkt wird.
Alle in den Ansprüchen verwendeten Begriffe sind so beabsichtigt, dass ihnen ihre weitesten vernünftigen Deutungen und ihre gewöhnlichen Bedeutungen verliehen sind, wie sie von Fachmännern verstanden werden, sofern kein ausdrücklicher Hinweis auf das Gegenteil hierin gemacht wird. Insbesondere sollte die Verwendung der Artikel in der Einzahl, wie „ein/eine“, „der/die/das“ usw. so gelesen werden, dass ein oder mehrere der angegebenen Elemente vorgetragen werden, sofern nicht ein Anspruch eine gegenteilige ausdrückliche Einschränkung vorträgt.

Claims

System, das einen Computer umfasst, in einem Fahrzeug, wobei der Computer einen Prozessor und einen Speicher umfasst, wobei der Computer zu Folgendem konfiguriert ist: Sammeln von Daten in Bezug auf eine Gierrate des Fahrzeugs während eines Zeitraums; Errechnen einer tatsächlichen Bewegungsbahn und einer idealen Bewegungsbahn für das Fahrzeug in dem Zeitraum zum Teil auf der Basis der Gierratendaten; Bestimmen einer Abweichung einer Gierrate, die mit der tatsächlichen Bewegungsbahn assoziiert ist, von einer Gierrate, die mit der idealen Bewegungsbahn assoziiert ist; Berechnen einer Varianz der Abweichung und Bereitstellen einer Anzeige eines gefährlichen Fahrzustands, wenn die Varianz einen vorherbestimmten Varianzgrenzwert überschreitet.
System nach Anspruch 1, wobei der gefährliche Fahrzustand ein Müdigkeitszustand ist.
System nach Anspruch 1, wobei die ideale Bewegungsbahn zum Teil auf der Basis von Geschwindigkeitsdaten für das Fahrzeug in dem Zeitraum errechnet wird.
System nach Anspruch 1, wobei die ideale Bewegungsbahn auf der Basis eines Bezugsfahrermodells errechnet wird.
System nach Anspruch 4, wobei das Bezugsfahrermodell ein optimales Vorschaufahrermodell ist.
Verfahren, das Folgendes umfasst: Sammeln von Daten in Bezug auf eine Gierrate eines Fahrzeugs während eines Zeitraums; Errechnen einer tatsächlichen Bewegungsbahn und einer idealen Bewegungsbahn für das Fahrzeug in dem Zeitraum zum Teil auf der Basis der Gierratendaten; Bestimmen einer Abweichung einer Gierrate, die mit der tatsächlichen Bewegungsbahn assoziiert ist, von einer Gierrate, die mit der idealen Bewegungsbahn assoziiert ist; Berechnen einer Varianz der Abweichung und Bereitstellen einer Anzeige eines gefährlichen Fahrzustands, wenn die Varianz einen vorherbestimmten Varianzgrenzwert überschreitet.
Verfahren nach Anspruch 6, wobei der gefährliche Fahrzustand ein Müdigkeitszustand ist.
Verfahren nach Anspruch 6, wobei die ideale Bewegungsbahn zum Teil auf der Basis von Geschwindigkeitsdaten für das Fahrzeug in dem Zeitraum errechnet wird.
Verfahren nach Anspruch 6, wobei die ideale Bewegungsbahn auf der Basis eines Bezugsfahrermodells errechnet wird.
Verfahren nach Anspruch 7, wobei das Bezugsfahrermodell ein optimales Vorschaufahrermodell ist.