DE102015210782A1

DE102015210782A1 - Driver assistance system for determining a cognitive employment of a driver of a means of locomotion

Info

Publication number: DE102015210782A1
Application number: DE102015210782.5A
Authority: DE
Inventors: Judith Müller; Felix Klanner
Original assignee: Bayerische Motoren Werke AG
Current assignee: Bayerische Motoren Werke AG
Priority date: 2015-06-12
Filing date: 2015-06-12
Publication date: 2016-12-15

Abstract

Es werden ein Fortbewegungsmittel, ein Fahrerassistenzsystem sowie ein Verfahren zur Bestimmung einer kognitiven Beschäftigung eines Führers eines Fortbewegungsmittels vorgeschlagen. Das Verfahren umfasst die Schritte: – Ermitteln einer ersten Kenngröße für eine Beanspruchung (17) des Führers aufgrund einer Fahrsituation, – Ermitteln einer zweiten Kenngröße für eine Beanspruchung (18) des Führers durch fahrfremde Tätigkeiten, – Erkennen eines von einem vordefinierten Führungsverhalten abweichenden Führungsverhaltens des Führers und auf Basis der ersten Kenngröße, der zweiten Kenngröße und des abweichenden Führungsverhaltens – Erkennen einer erhöhten kognitiven Beschäftigung (19) des Führers.A means of locomotion, a driver assistance system and a method for determining a cognitive employment of a driver of a means of transportation are proposed. The method comprises the steps of: determining a first parameter for a stress (17) of the driver based on a driving situation, determining a second parameter for a stress (18) of the driver by activities outside the vehicle, recognizing a leadership behavior of the driver that differs from a predefined leadership behavior Fuhrers and on the basis of the first characteristic, the second parameter and the deviating leadership behavior - recognition of an increased cognitive employment (19) of the leader.

Description

Die vorliegende Erfindung betrifft ein Fortbewegungsmittel, ein Fahrerassistenzsystem sowie ein Verfahren zur Bestimmung einer kognitiven Beschäftigung eines Führers eines Fortbewegungsmittels. Insbesondere betrifft die vorliegende Erfindung ein Verfahren zur Ableitung sensorisch schlecht bzw. überhaupt nicht ermittelbarer Beschäftigungen eines Fahrers und eine automatische Einleitung von Maßnahmen zur Unterstützung des Fahrers.The present invention relates to a means of locomotion, a driver assistance system and a method for determining a cognitive employment of a driver of a means of transportation. In particular, the present invention relates to a method for deriving sensorically bad or not at all determinable occupations of a driver and an automatic initiation of measures to assist the driver.

Moderne Ansätze zur Unterstützung eines Führers (nachfolgend „Fahrer”) eines Fortbewegungsmittels (nachfolgend „Fahrzeug”) zielen zunehmend darauf ab, die Situation, in der sich der Fahrer befindet, sowie seinen Gesundheitszustand zu ermitteln, um auf Basis einer derart verfeinerten Datenbasis bestmöglich Maßnahmen einleiten zu können, sofern dies erforderlich erscheint. In diesem Zusammenhang beschreibt [ Bruce Mehler, Bryan Reimer, Nan Zhao, and Coughlin Joseph F. Literature review on the relationship between cognitive workload and driving safety, 2011 ] die Induktion durch standardisierte Nebenaufgaben z. B. N-Back-Task und Validierung über Herzraten-Messung mit Klebeelektroden zur Messung einer Arbeitsbelastung (engl. „Workload”) beim Autofahren. [ Yan Yang. The effects of Increased Workload on Driving Performance and Visual Behaviour. 2011 ] befasst sich mit dem Begriff der Fahr-Performance inklusive einer entsprechenden Messmethodik. Die vorgeschlagene Messung der Fahr-Performance orientiert sich an der Güte der Erfüllung der Bahnführungsaufgabe sowie weiterer, für das sichere Manövrieren nötiger Parameter.Modern approaches to assisting a driver (hereafter "driver") of a means of transportation (hereinafter "vehicle") are increasingly aimed at identifying the driver's situation and health status in order to best take action on the basis of such a refined database to initiate, if deemed necessary. In this context [ Bruce Mehler, Bryan Reimer, Nan Zhao, and Coughlin Joseph F. Literature review on the relationship between cognitive workload and driving safety, 2011 ] the induction by standardized secondary tasks z. B. N-back task and validation via heart rate measurement with adhesive electrodes for measuring a workload while driving. [ Yan Yang. The Effects of Increased Workload on Driving Performance and Visual Behavior. 2011 ] deals with the concept of driving performance including a corresponding measurement methodology. The proposed measurement of the driving performance is based on the quality of the performance of the web guiding task as well as other parameters necessary for the safe maneuvering.

Im Stand der Technik wird die Workload des Fahrers in Korrelation mit dem Autofahren eingehend untersucht. Insbesondere die Herz Rate und Herzratenvariabilität sind Indikatoren für die aktuelle Workload. Gemäß [ W. Hajek, I. Gapanova, K. H Fleischer, and J. Krems. Workload-adaptive cruise control: A new generation of advanced driver assistance systems. Transportation Research Part F: Traffic Psychology and Behaviour, 20: 108–120, 2013 ] nutzt der Autofahrer bei steigender Beanspruchung Kompensationsmechanismen, um den an ihn gestellten Anforderungen gerecht zu werden. Diese Kompensation bedeutet in Bezug auf das Führen des Fahrzeugs eine Vergrößerung von Sicherheitsreserven bis hin zu einer signifikant schlechteren Fahr-Performance. Arbeiten, welche sich mit der visuellen Aufmerksamkeit auf Basis von Blickdaten beschäftigt haben, haben bisher vorwiegend Blickabwendung vom relevanten Verkehrsgeschehen untersucht, siehe [ Kristie Young and Micheal Regan. Driver distraction: A review of the literature. Australasian College of Road Safety, pages 379–405, 2007 ] [ Barbara Metz. Worauf achtet der Fahrer? Steuerung der Aufmerksamkeit beim Fahren mit visuellen Nebenaufgaben. Würzburg. 2009 ] und [ Benjamin Trefflich. Videogestützte Überwachung der Fahreraufmerksamkeit und Adaption von Fahrerassistenzsystemen. 2010 ]. Entsprechend [ Robert Desimone and John Duncan. Neural mechanisms of selective visual attention. Annu. Rev. Neurosci, (18): 193–222, 1995 ] hat die visuelle Aufmerksamkeit jedoch primär zwei Engpässe. Diese bestehen in einer limitierten Verarbeitungskapazität und in einer selektiven Informationsauswahl. Entsprechend konkurrieren zeitgleiche Stimuli dabei, vom Fahrer verarbeitet zu werden. Demnach ist es möglich, dass die visuelle Aufmerksamkeit abnimmt, obwohl der Blick dauerhaft auf die Straße und das Verkehrsgeschehen geachtet ist. Die Selektion der relevanten, visuellen Reize ist daher stark von den freien kognitiven Kapazitäten abhängig.In the prior art, the driver's workload is closely examined in correlation with driving. In particular, heart rate and heart rate variability are indicators of the current workload. According to [ W. Hajek, I. Gapanova, K.H. Fleischer, and J. Krems. Workload-adaptive cruise control: A new generation of advanced driver assistance systems. Transportation Research Part F: Traffic Psychology and Behavior, 20: 108-120, 2013 ] uses the motorist with increasing stress compensation mechanisms to meet the demands placed on him. This compensation means in terms of driving the vehicle, an increase in safety reserves up to a significantly poorer driving performance. Work dealing with visual attention based on gaze data has so far predominantly examined avoidance of relevant traffic, see [ Kristie Young and Micheal Regan. Driver distraction: A review of the literature. Australasian College of Road Safety, pages 379-405, 2007 ] [ Barbara Metz. What is the driver paying attention to? Attention control when driving with visual secondary tasks. Würzburg. 2009 ] and [ Benjamin Trefflich. Video-based monitoring of driver attention and adaptation of driver assistance systems. 2010 ]. Corresponding [ Robert Desimone and John Duncan. Neural mechanisms of selective visual attention. Annu. Rev. Neurosci, (18): 193-222, 1995 ], however, visual attention has primarily two bottlenecks. These consist of a limited processing capacity and a selective information selection. Accordingly, simultaneous stimuli compete to be processed by the driver. Thus, it is possible that the visual attention decreases, although the view is permanently paid attention to the road and the traffic. The selection of the relevant visual stimuli is therefore strongly dependent on the free cognitive capacities.

Im Stand er Technik bestehen keine Vorschläge für eine Methode, die es ermöglicht zu bestimmen, ob ein Fahrer aufmerksam Auto fährt oder nicht. Dies führt dazu, dass einem Assistenzsystem keine Informationen darüber zur Verfügung stehen, wie aufmerksam der Fahrer aktuell tatsächlich ist. Entsprechend muss das Assistenzsystem bezüglich der Aufmerksamkeit von heuristischen Annahmen ausgehen, die zwar im Mittel zu brauchbaren Assistenzmaßnahmen führen können, jedoch bei aufmerksamen Fahrern unweigerlich auch zu Falschwarnungen führen. Infolge dessen werden insbesondere aufmerksame Fahrer durch die Aktionen des Fahrerassistenzsystems bevormundet, was zu einer verringerten Akzeptanz durch den Fahrer führt. Darüber hinaus kann es passieren, dass einem Fahrer viel zu spät assistiert wird, weil er viel unaufmerksamer ist, als es das (defensive) Assistenzsystem annimmt. In schlimmster Konsequenz lässt sich ein Unfall in diesem Fall nicht mehr vermeiden. Für eine visuell aufmerksame Fahrweise müssen wie oben beschrieben gleich zwei Bedingungen erfüllt sein. Ein Parameter der visuellen Aufmerksamkeit ist für das Fahrerassistenzsystem besonders interessant, da mit Hilfe eines Aufmerksamkeits-Index Warnstrategien und Warnzeitpunkte individuell und situativ an die Bedürfnisse angepasst werden können. Die Untersuchung der visuellen Aufmerksamkeit auf die Fahraufgabe und die Korrelation mit kognitiver Workload ist bislang nicht untersucht. Somit ist derzeit nicht beobachtbar, ob ein Fahrer nur auf die Straße starrt oder tatsächlich seinem Umfeld die erforderliche Aufmerksamkeit entgegenbringt.In the state of the art, there are no proposals for a method that makes it possible to determine whether a driver is driving carefully or not. As a result, an assistance system has no information about how alert the driver actually is. Correspondingly, the assistance system must be based on heuristic assumptions regarding attention, which on average can lead to useful assistance measures, but inevitably lead to false warnings among attentive drivers. As a result, attentive drivers in particular are patronized by the actions of the driver assistance system, resulting in reduced driver acceptance. In addition, it can happen that a driver is assisted much too late because he is much less attentive than the (defensive) assistance system assumes. In the worst consequence, an accident can not be avoided in this case. For a visually attentive driving style as described above two conditions must be met. A parameter of visual attention is particularly interesting for the driver assistance system, as warning strategies and warning points can be adapted to the needs individually and situationally with the aid of an attention index. The study of visual attention to the driving task and the correlation with cognitive workload has not been studied so far. Thus, it is currently unobservable whether a driver just stares at the road or actually gives his environment the necessary attention.

Workload allein kann sowohl bei hoher Aufmerksamkeit auf die Fahraufgabe aufgrund von komplexen Verkehrssituationen auftreten, als auch aufgrund von beanspruchenden Nebenaufgaben entstehen. Der Parameter „Workload” ist also alleine für einen Aufmerksamkeits-Index nicht ausreichend. Überdies kann die Fahr-Performance alleine aufgrund von schlechten Straßenbedingungen sinken und somit keine direkte Messgröße der Aufmerksamkeit darstellen. Die Straßenbedingungen können auch als „Fahrzeug- oder Verkehrssituation” verstanden werden und kann durch eine Anzahl zu verarbeitender Informationen des Umfeldes pro Zeiteinheit charakterisiert werden.Workload alone can result in both high attention to the driving task due to complex traffic situations, as well as arising from demanding ancillary tasks. The parameter "workload" is therefore insufficient for an attention index alone. Moreover, driving performance alone may decrease due to poor road conditions and thus no direct measure of attention represent. The road conditions can also be understood as "vehicle or traffic situation" and can be characterized by a number of information to be processed of the environment per unit time.

Es ist eine Aufgabe der vorliegenden Erfindung, die vorstehend identifizierten Nachteile und ungelösten Probleme des Standes der Technik zu verringern.It is an object of the present invention to mitigate the above identified disadvantages and unsolved problems of the prior art.

Die vorstehend identifizierte Aufgabe wird durch ein Verfahren zur Bestimmung einer kognitiven Beschäftigung eines Führers eines Fortbewegungsmittels gelöst. Hierbei wird in einem ersten Schritt eine Kenngröße für eine Beanspruchung des Fahrers aufgrund einer Fahrsituation ermittelt. Die Kenngröße charakterisiert also die Fahrsituation (z. B. Verkehrssituation) dahingehend, wie herausfordernd diese für den Fahrer ist. Hierzu können beispielsweise Signale von Umgebungssensoren ausgewertet werden und die darin enthaltenen Verkehrsteilnehmer bezüglich Abstand, Position, Anzahl, etc. ausgewertet werden. In einem zweiten Schritt wird eine Kenngröße für eine Beanspruchung des Fahrers durch fahrfremde Tätigkeiten ermittelt. Diese Tätigkeiten sind nicht direkt zur Fahrzeugführung erforderlich und können der Unterhaltung (z. B. Zuhören in einem Gespräch, Konsumieren von Multimediainhalten, etc.) dienen. Die Kenngröße kann beispielsweise mittels Sensoren im Fahrzeuginnenraum oder direkt durch Interaktion des Fahrers mit Anwenderschnittstellen erhoben werden. Zusätzlich wird erfindungsgemäß ein von einem vordefinierten Führungsverhalten („Fahrzeugführungsverhalten”) abweichendes Fahrzeugführungsverhalten des Fahrers erkannt. Mit anderen Worten wird erkannt, dass die Fahrzeugführung suboptimal durchgeführt wird und daraus ggf. ein Handlungsbedarf für Fahrerassistenzsysteme entsteht. Das Erkennen des Fahrzeugführungsverhaltens kann ebenfalls ein Ermitteln einer entsprechenden Kenngröße für die Güte eines Fahrzeugführungsverhaltens umfassen. Auf Basis der vorstehend genannten Informationen bzw. des erkannten abweichenden Führungsverhaltens kann erfindungsgemäß eine erhöhte kognitive Beschäftigung des Fahrers erkannt werden. Hierbei kann eine Kenngröße für das aktuelle Aufmerksamkeitspotenzial des Fahrers verwendet werden und dieses Aufmerksamkeitspotenzial mit den zuvor ermittelten Kenngrößen und anderen Informationen verglichen werden. Auf Grundlage der Kenngrößen kann eine aktuelle Beanspruchung des Fahrers ermittelt werden, welche eine tatsächlich dem Fahrer abverlangte Aufmerksamkeit modellieren kann. Diese kann vom zur Verfügung stehenden Aufmerksamkeitspotenzial des Fahrers abgezogen werden. Diese ermittelte Differenz kann als kognitive Beschäftigung des Fahrers aufgefasst werden, welche sensorisch nicht direkt erfasst werden kann. In Abhängigkeit der erkannten kognitiven Beschäftigung des Fahrers kann eine besonders geeignete Maßnahme ergriffen werden, um den Fahrer beispielsweise aus einer mentalen Beschäftigung mit nicht durch das aktuelle Aufmerksamkeitspotenzial gedeckten Aufgaben zu holen beziehungsweise herauszuführt. Im Ergebnis können Maßnahmen zur Erhöhung der Fahrsicherheit bezüglich der tatsächlichen Ursache für eine verminderte Fahr-Performance eingeleitet werden.The object identified above is achieved by a method for determining a cognitive employment of a driver of a means of locomotion. Here, in a first step, a parameter for a stress on the driver due to a driving situation is determined. The parameter thus characterizes the driving situation (eg traffic situation) in terms of how challenging it is for the driver. For this purpose, for example, signals from environmental sensors can be evaluated and the road users contained therein can be evaluated with regard to distance, position, number, etc. In a second step, a parameter for a stress on the driver is determined by non-driving activities. These activities are not required directly to drive the vehicle and may be used for entertainment (eg, listening in a conversation, consuming multimedia content, etc.). The parameter can be ascertained, for example, by means of sensors in the vehicle interior or directly by interaction of the driver with user interfaces. In addition, according to the invention, a driver's driving behavior deviating from a predefined management behavior ("vehicle guidance behavior") is recognized. In other words, it is recognized that the vehicle guidance is carried out suboptimal and, if necessary, a need for action arises for driver assistance systems. The recognition of the vehicle behavior may also include determining a corresponding parameter for the quality of a vehicle behavior. On the basis of the above-mentioned information or the recognized deviating leadership behavior, an increased cognitive employment of the driver can be detected according to the invention. In this case, a parameter for the current attention potential of the driver can be used and this attention potential compared with the previously determined parameters and other information. On the basis of the parameters, a current load of the driver can be determined, which can model an attention actually demanded of the driver. This can be subtracted from the available attention potential of the driver. This determined difference can be regarded as a cognitive occupation of the driver, which can not be sensed directly by the senses. Depending on the recognized cognitive employment of the driver, a particularly suitable measure can be taken to fetch the driver, for example, from a mental employment with not covered by the current attention potential tasks or leads out. As a result, measures can be taken to increase driving safety with regard to the actual cause of reduced driving performance.

Die Unteransprüche zeigen bevorzugte Weiterbildungen der Erfindung.The dependent claims show preferred developments of the invention.

Das Ermitteln der Kenngröße für die Beanspruchung des Fahrers aufgrund einer Situations des Fortbewegungsmittels („Fahrsituation”) kann beispielsweise ein Auswerten von Umgebungssensoren erfolgen, welche zur Detektion von anderen Verkehrsteilnehmern und statischen Objekten im Fahrzeugumfeld vorgesehen sind. Alternativ oder zusätzlich können digitale Informationen (Kartenmaterial o. ä.) verwendet werden, welche Aufschluss über einen Schwierigkeitsgrad einer aktuellen Verkehrssituation (Kreuzung mit vielen Einmündungen, Linksabbiegevorhaben o. ä.) geben. Teilweise werden solche Informationen üblicherweise durch Navigationssysteme in digitaler Form bereitgehalten und können erfindungsgemäß unabhängig von einem etwaigen Navigationsvorhaben verwendet werden. Eine weitere Möglichkeit zur Ermittlung der Kenngröße kann die Auswertung von Informationen bezüglich einer Vertrautheit des Fahrers mit der Verkehrssituation bieten. Mit anderen Worten wird ermittelt, ob der Fahrer die aktuelle Position bereits zu einem früheren Zeitpunkt einmal bereist hat. Auch die Wahl des vormals verwendeten Verkehrsmittels, die Fahrtrichtung und damaligen Umstände (z. B. andere Verkehrsteilnehmer) können einzeln oder in ihrer Gesamtheit ausgewertet und der ermittelten Kenngröße zugrunde gelegt werden. Die Informationen können beispielsweise durch das Navigationssystem bereitgestellt werden, in welcher eine Heimatadresse, eine Arbeitsadresse o. ä. darüber Aufschluss geben, wie weit der Fahrer sich aktuell von vertrauten Gebieten entfernt hat. Zusätzlich können Informationen aus einem tragbaren mobilen Anwenderendgerät (z. B. Mobiltelefon, PDA, Tablet, o. ä.) verwendet werden, welche ebenfalls zuvor besuchte Ziele und vergangene Navigationsvorhaben bereithalten. Mitunter können auch über das Internet verfügbare Anwenderprofile und besuchte Lokalitäten, in welche der Anwender bereits zu einem früheren Zeitpunkt „eingecheckt” hatte, verwendet werden. Sofern vom Fahrzeug selbst zu früheren Zeitpunkten bereiste Orte überprüft werden, kann sichergestellt werden, dass diese durch den aktuellen Fahrer bereist worden sind, wozu Informationen bezüglich des aktuellen Fahrers aus einem Fahrzeugschlüssel oder mittels einer Innenraumkamera zur Fahrererkennung erhoben werden können. Alternativ oder zusätzlich kann die Kenngröße auf Basis eines automatisch ermittelten Verkehrsaufkommens (z. B. mit Hilfe einer Verkehrsflussanalyse, auf Basis von Verkehrsfunkinformationen und/oder einer Datenbank, welche über das Internet zugegriffen wird) ermittelt werden. Alternativ oder zusätzlich können Wetterbedingungen Eingang in die Kenngröße haben, da beispielsweise eine trockene Straße, welche beispielsweise über einen Regensensor erkannt werden kann, geeignete Lichtbedingungen, welche beispielsweise über einen Lichtsensor erkannt werden können und gemäßigte Temperaturen, welche über einen Temperatursensor des Fortbewegungsmittels erkannt werden können, die sichere Fortbewegung des Fortbewegungsmittels wahrscheinlicher machen und die Kenngröße vorteilhaft beeinflussen. Selbstverständlich können die vorgenannten Informationen auch über eine Wetterdatenbank, auf welche beispielsweise mittels eines Mobiltelefons – zumindest jedoch internetbasiert – zugegriffen wird, bezogen werden. Alternativ oder zusätzlich kann ein aktueller Betriebszustand von Fahrerassistenzsystemen beziehungsweise vollautomatisierten Fahrfunktionen (Fahrroboter) ausgewertet werden und Basis für die Ermittlung der Kenngröße sein. Schließlich können auch Informationen bezüglich der Art der Fahrt verwendet werden, um die Kenngröße für die Beanspruchung des Fahrers aufgrund einer Fahrsituation zu ermitteln. Befindet sich der Fahrer beispielsweise auf der Fahrt zur Arbeit, kann angenommen werden, dass die Wahrnehmung der Fahraufgabe routiniert und weitgehend erfahrungsbasiert erfolgt. Hingegen können Fahrten in den Urlaub (beziehungsweise Fernreisen mit anderem Hintergrund) zum Anlass genommen werden, eine besonders geringe Routine und Unerfahrenheit des Fahrers mit dem Verkehrsgeschehen und den Verkehrsregeln anzunehmen. Auch diese Informationen können vom Navigationssystem beziehungsweise aus einer Datenbank repräsentierend zu früheren Zeitpunkten erfolgte Fahrten abgeleitet werden.The determination of the parameter for the stress of the driver due to a situation of the means of locomotion ("driving situation"), for example, carried out an evaluation of environmental sensors, which are provided for the detection of other road users and static objects in the vehicle environment. Alternatively or additionally, digital information (map material or the like) can be used, which provide information about a degree of difficulty of a current traffic situation (intersection with many junctions, left turning project or the like). In part, such information is usually provided by navigation systems in digital form and can be used according to the invention independently of any navigation project. Another way to determine the characteristic may provide the evaluation of information regarding a familiarity of the driver with the traffic situation. In other words, it is determined whether the driver has already traveled the current position once at an earlier time. The choice of the means of transport previously used, the direction of travel and the circumstances at that time (eg other road users) can also be evaluated individually or in their entirety and be based on the determined characteristic. The information can be provided, for example, by the navigation system, in which a home address, a work address or the like provide information on how far the driver has actually moved away from familiar areas. In addition, information may be used from a portable mobile user terminal (eg, cell phone, PDA, tablet, or the like) that also has previously visited destinations and past navigation plans. Occasionally, user profiles available on the Internet and visited locations in which the user had "checked in" at an earlier point in time can also be used. If places traveled by the vehicle itself are checked at earlier times, it can be ensured that they have been traveled by the current driver, for which information relating to the current driver can be obtained from a vehicle key or by means of an interior camera for driver recognition. Alternatively or additionally, the characteristic may be based on an automatic determined traffic volume (eg with the help of a traffic flow analysis, based on traffic information and / or a database, which is accessed via the Internet) are determined. Alternatively or additionally, weather conditions can be included in the parameter, since, for example, a dry road, which can be detected, for example, by a rain sensor, suitable light conditions, which can be detected for example via a light sensor and moderate temperatures, which can be detected by a temperature sensor of the means of transport , make the safe movement of the means of transport more likely and affect the characteristic advantageous. Of course, the aforementioned information can also be obtained via a weather database which is accessed, for example, by means of a mobile telephone, or at least internet-based. Alternatively or additionally, a current operating state of driver assistance systems or fully automated driving functions (driving robots) can be evaluated and be the basis for determining the characteristic. Finally, information regarding the type of drive can also be used to determine the parameter for the load of the driver due to a driving situation. For example, if the driver is on the way to work, it can be assumed that the perception of the driving task is routine and largely experience-based. On the other hand, trips into the holiday (or long-distance travel with a different background) can be taken as an opportunity to assume a particularly low routine and inexperience of the driver with the traffic and the traffic rules. This information can also be derived from the navigation system or from a database representing trips made earlier.

Die Kenngröße für eine Beanspruchung des Fahrers durch fahrfremde Tätigkeiten kann beispielsweise die Auswertung eines Sitzbelegungssensors (z. B. des Beifahrers oder der Rücksitzbank) umfassen. Dabei kann bei einer erhöhten Personenanzahl im Fahrzeug davon ausgegangen werden, dass Gespräche mit den übrigen Insassen und Wahrung der Interessen derselben den Fahrer beanspruchen. Auch der Betriebszustand eines mit dem Fahrzeug informationstechnisch gekoppelten Mobiltelefons oder eines anderen Anwenderendgerätes kann ausgewertet und zur Ermittlung fahrfremder Tätigkeiten herangezogen werden. Dies kann beispielsweise über eine Drahtlos-Datenverbindung mit dem jeweiligen Endgerät und/oder unter Verwendung von Innenraumsensoren erfolgen. In entsprechender Weise können aktive Telefonate die Kenngröße beeinflussen. Mitunter werden auch Vitaldaten (z. B. die Herz Rate/der Hautleitwert, die Lidschlagfrequenz) sensorisch ermittelt und können mit einer Referenz verglichen werden, um die Kenngröße zu ermitteln. Schließlich können auch Informationen über die Art der Fahrt, wie dies in Verbindung mit der Ermittlung der Kenngröße für die Beanspruchung des Fahrers aufgrund einer Fahrsituation beschrieben worden ist, verwendet werden, um die Kenngröße für eine Beanspruchung des Fahrers durch fahrfremde Tätigkeiten zu ermitteln. Beispielsweise kann angenommen werden, dass eine veränderte und insbesondere ungewohnte Umgebung den Fahrer mehr ablenkt, als bekannte Umgebungen auf Routinerouten.The parameter for a stress on the driver by activities outside the vehicle can include, for example, the evaluation of a seat occupancy sensor (eg of the front passenger or the rear seat). In the case of an increased number of persons in the vehicle, it can be assumed that conversations with the other occupants and the protection of their interests are claimed by the driver. Also, the operating state of an information technology coupled with the vehicle mobile phone or other user terminal can be evaluated and used to determine non-driving activities. This can be done for example via a wireless data connection with the respective terminal and / or using interior sensors. Correspondingly, active telephone calls can influence the characteristic. Occasionally, vital data (eg the heart rate / the skin conductance, the blink rate) are also determined by the sensor and can be compared with a reference in order to determine the characteristic. Finally, information on the type of journey, as described in connection with the determination of the parameter for the driver's stress on the basis of a driving situation, can also be used to determine the parameter for a stress on the driver by activities outside the vehicle. For example, it can be assumed that a changed and in particular unfamiliar environment distracts the driver more than known environments on routine routes.

Das Erkennen eines von einem vordefinierten Fahrzeugführungsverhalten abweichenden Fahrzeugführungsverhaltens kann ein Auswerten einer Interaktion des Fahrers mit dem Fahrzeug umfassen. Beispielsweise können suboptimal ausgeführte Schalt-, Lenk- und Kupplungsvorgänge darauf hinweisen, dass der Fahrer mit der Bedienung des Fahrzeugs aktuell überfordert ist. Entsprechende Schlüsse können gezogen werden, wenn wiederkehrende Interaktionen mit dem Fahrzeug ohne erkennbaren Nutzen (z. B. Aktivieren des Scheibenwischers in Abwesenheit von Niederschlag) kategorisiert werden. Alternativ oder zusätzlich kann mindestens ein Sensor eines Fahrerassistenzsystems (z. B. zur Längs- und/oder Querführung) ausgewertet werden, um das suboptimale Fahrzeugführungsverhalten zu erkennen. Beispielsweise kann das nicht angezeigte Wechseln einer Fahrspur, ein dichtes Auffahren auf einen Vordermann, eine überhöhte Geschwindigkeit, eine unangemessen eingestellte Lichtanlage des Fahrzeugs und ausgewertet erfasst werden. Geeignete Sensoren können auch als Umgebungssensoren oder Umfeldsensoren bezeichnet werden. Entsprechend können auch Daten mindestens eines Innenraumsensors ausgewertet werden, wobei beispielsweise eine optische Erfassung von Blick- und/oder Kopfposition des Fahrers durch eine Innenraumkamera ermittelt und einer Auswertung zugeführt werden kann. In Abhängigkeit eines aktuell hochrelevanten Bereiches innerhalb des Verkehrsgeschehens kann ermittelt werden, ob der Fahrer sein Augenmerk bestmöglich einsetzt oder die aktuelle Verkehrssituation verkennt.Recognizing a vehicle behavior that differs from a predefined vehicle behavior may include evaluating an interaction of the driver with the vehicle. For example, suboptimal executed switching, steering and clutch operations may indicate that the driver is currently overwhelmed with the operation of the vehicle. Corresponding inferences can be drawn when categorizing recurring interactions with the vehicle for no apparent benefit (eg, activating the windshield wiper in the absence of precipitation). Alternatively or additionally, at least one sensor of a driver assistance system (for example for longitudinal and / or transverse guidance) can be evaluated in order to detect the suboptimal vehicle guidance behavior. For example, the unillustrated changing of a lane, a close approach to a person in front, an excessive speed, an inappropriately set lighting system of the vehicle and evaluated can be detected. Suitable sensors may also be referred to as environmental sensors or environmental sensors. Correspondingly, data of at least one interior sensor can also be evaluated, wherein, for example, optical detection of the driver's gaze and / or head position can be determined by an interior camera and fed to an evaluation. Depending on a currently highly relevant area within the traffic situation, it can be determined whether the driver uses his best interests or ignores the current traffic situation.

Bevorzugt kann eine kognitive Grundlast ermittelt werden, welche der Fahrer durch die Fahrzeugführungsaufgabe erfährt. Hierbei können beispielsweise die folgenden Informationen berücksichtigt werden, welche unabhängig vom Verkehrsgeschehen für den Aufmerksamkeitsbedarf des Fahrers mitverantwortlich sind.

• Ist der Fahrer ausgeschlafen oder hat er ein Schlafdefizit?
• Ist der Fahrer mit dem Fahrzeug vertraut oder nicht?
• Hat der Fahrer eine gute Sicht auf das Fahrzeugumfeld oder ist sein Blick durch verschmutzte Scheiben, Personen und Ladung im Innenraum eingeschränkt?
• Führen ein Beladungszustand, ein Anhänger, eine Dachbox, Fahrräder, Skier und/oder andere Zuladungsbestandteile zu einem veränderten oder gar verschlechterten Fahrverhalten?

Preferably, a cognitive base load can be determined, which the driver learns through the vehicle guidance task. In this case, for example, the following information can be taken into account, which are independent of the traffic for the attention needs of the driver jointly responsible.

• Did the driver sleep well or has a sleep deficit?
• Is the driver familiar with the vehicle or not?
• Does the driver have a good view of the vehicle environment or is he looking through? soiled windows, people and cargo in the interior restricted?
• Does a loading condition, a trailer, a roof box, bicycles, skis and / or other components of payload lead to a changed or even deteriorated driving behavior?

Sämtliche vorgenannten Umstände können einzeln und/oder in Kombination miteinander zur Ermittlung der kognitiven Grundlast des Fahrers herangezogen werden.All of the aforementioned circumstances can be used individually and / or in combination with one another to determine the cognitive base load of the driver.

Insbesondere kann die kognitive Grundlast aufgrund solcher Informationen ermittelt werden, welche einen Zeitdruck des Fahrers nahelegen. Solche Informationen können beispielsweise Kalenderinformationen über anstehende Termine bereithalten, welche in digitaler Form vorliegen und automatisch ausgewertet werden. Alternativ oder zusätzlich können die Art der Fahrzeugführung und die Tageszeit in Abhängigkeit der gefahrenen Strecke etc. einen Zeitdruck des Fahrers anzeigen und die kognitive Grundlast des Fahrers prägen.In particular, the cognitive base load can be determined based on such information suggesting a time pressure of the driver. Such information can, for example, hold calendar information about upcoming appointments, which are available in digital form and are automatically evaluated. Alternatively or additionally, the type of vehicle guidance and the time of day, depending on the distance traveled, etc. can indicate a time pressure of the driver and characterize the cognitive base load of the driver.

Sofern – wie vorstehend ermittelt – die Ermittlung der Kenngröße für die kognitive Beschäftigung des Fahrers erfolgt ist, können besonders geeignete Maßnahmen ergriffen werden, um den Fahrer zu entlasten und/oder die Verkehrssicherheit zu erhöhen. Beispielsweise kann eine Vorgabe für einen Soll-Abstand eines Systems zur Unterstützung einer Längs- und/oder Querführung vergrößert werden, sofern aktuell eine erhöhte Beanspruchung des Fahrers ermittelt worden ist. Insbesondere kann ein automatisches Abstandshaltesystem zur Unterstützung des Fahrers oder zur autonomen Fahrzeugführung aktiviert werden oder die Aktivierung zumindest angeboten werden. Alternativ oder zusätzlich kann ein Unterstützungsgrad von Fahrerassistenzfunktionen zur Reduktion kritischer Situationen angepasst werden. Beispielsweise können Warnschwellen zur Erzeugung optischer und/oder akustischer und/oder haptischer Hinweise an den Fahrer gesenkt werden und der Ausgabezeitpunkt der Warnung vorgezogen werden, um eine erhöhte Reaktionszeit für den Fahrer vorzuhalten. Alternativ oder zusätzlich können Hinweise an den Fahrer ergehen, welche einen kollisionsrelevanten Umgebungsbereich (z. B. durch ein akustisches Signal und/oder ein optisches Signal und/oder ein haptisches Signal) hervorheben. Hierbei kann beispielsweise auf einen Fahrradfahrer im toten Winkel hingewiesen werden, sofern eine Abbiegeabsicht des Fahrers des erfindungsgemäß ausgestatteten Fahrzeugs wahrscheinlich ist oder mittels Fahrtrichtungsanzeige kundgetan wird. Allerdings kann im einfachsten Fall auch einfach ein Hinweis an den Fahrer ausgegeben werden, mit welchem auf den Verdacht der kognitiven Tätigkeit hingewiesen wird und optional eine Aufforderung zur Einleitung einer geeigneten Maßnahme ergeht.If - as determined above - the determination of the parameter for the cognitive employment of the driver has taken place, particularly suitable measures can be taken to relieve the driver and / or to increase traffic safety. For example, a specification for a desired distance of a system to support a longitudinal and / or transverse guidance can be increased, if currently an increased stress of the driver has been determined. In particular, an automatic distance holding system can be activated to assist the driver or for autonomous vehicle guidance, or the activation can at least be offered. Alternatively or additionally, a degree of support of driver assistance functions for the reduction of critical situations can be adapted. For example, warning thresholds for generating optical and / or acoustic and / or haptic instructions to the driver can be lowered and the issue time of the warning can be brought forward in order to provide an increased reaction time for the driver. Alternatively or additionally, indications may be given to the driver who emphasize a collision-relevant environmental area (eg by means of an acoustic signal and / or an optical signal and / or a haptic signal). In this case, for example, be pointed to a cyclist in the blind spot, if a turning intention of the driver of the invention equipped vehicle is likely or is made known by means of direction indicator. However, in the simplest case, it is also possible simply to issue a message to the driver, with which the suspicion of the cognitive activity is pointed out and, optionally, a request for the initiation of a suitable measure is issued.

Gemäß einem zweiten Aspekt der vorliegenden Erfindung wird ein Fahrerassistenzsystem zur Bestimmung einer kognitiven Beschäftigung eines Führers eines Fortbewegungsmittels zur Lösung der eingangs genannten Aufgabe vorgeschlagen. Das Fahrerassistenzsystem umfasst Fahrsituationssensoren, Tätigkeitssensoren, Fahrzeugführungssensoren und eine Auswerteeinheit. Mittels der Fahrsituationssensoren kann eine Kenngröße für eine Beanspruchung des Fahrers aufgrund einer Fahrsituation ermittelt werden. Die Fahrsituationssensoren können Elemente einer Umfeldsensorik umfassen. Beispiele hierfür sind Radar-, Lidar-, Ultraschall- und optische Sensoren. Mittels der Tätigkeitssensoren kann eine Kenngröße für eine Beanspruchung des Fahrers durch fahrfremde Tätigkeiten ermittelt werden. Die Tätigkeitssensoren können beispielsweise ein Innenraummikrophon umfassen, welches den Geräuschpegel oder eine Unterhaltung im Fahrzeug ermitteln kann. Mittels der Fahrzeugführungssensoren kann ein von einem vordefinierten Fahrzeugführungsverhalten abweichendes Fahrzeugführungsverhalten des Fahrers ermittelt werden. Insbesondere können solche Sensoren als Fahrzeugführungssensoren verstanden werden, welche zur Ermittlung korrekturbedürftiger Fahrzeugführungsvorgänge und insbesondere zur Einleitung automatisierter Fahrmanöver (eines Fahrroboters) verwendet werden können. Die Auswerteeinheit ist eingerichtet, auf Basis der wie vorstehend ermittelten Informationen eine erhöhte kognitive Beschäftigung des Fahrers zu ermitteln. Dies kann beispielsweise eine Ermittlung einer Differenz zwischen einer Kenngröße für ein aktuelles Aufmerksamkeitspotenzial des Fahrers und einer aus den vorgenannten Kenngrößen ermittelten Kenngröße umfassen. Auf diese Weise ist das erfindungsgemäße Fahrerassistenzsystem eingerichtet, die Merkmale, Merkmalskombinationen und die sich aus diesen ergebenden Vorteile des oben beschriebenen Verfahrens in entsprechender Weise zu verwirklichen, sodass zur Vermeidung von Wiederholungen auf diese Ausführungen verwiesen wird.According to a second aspect of the present invention, a driver assistance system for determining a cognitive employment of a driver of a means of transport for solving the above-mentioned object is proposed. The driver assistance system comprises driving situation sensors, activity sensors, vehicle guidance sensors and an evaluation unit. By means of the driving situation sensors, a parameter for a stress on the driver based on a driving situation can be determined. The driving situation sensors can comprise elements of an environmental sensor system. Examples include radar, lidar, ultrasonic and optical sensors. By means of the activity sensors, a parameter for a stress of the driver can be determined by non-driving activities. The activity sensors may include, for example, an indoor microphone that can detect the level of noise or entertainment in the vehicle. By means of the vehicle guidance sensors, a driving behavior of the driver deviating from a predefined vehicle behavior can be determined. In particular, such sensors can be understood as vehicle guidance sensors, which can be used to determine corrective vehicle guidance operations and in particular for the initiation of automated driving maneuvers (of a driving robot). The evaluation unit is set up to ascertain an increased cognitive employment of the driver on the basis of the information determined as described above. This may include, for example, a determination of a difference between a parameter for a driver's current attention potential and a parameter determined from the aforementioned parameters. In this way, the driver assistance system according to the invention is set up to realize the features, feature combinations and the resulting advantages of the above-described method in a corresponding manner, so reference is made to avoid repetition of these statements.

Gemäß einem dritten Aspekt der vorliegenden Erfindung wird ein Fortbewegungsmittel vorgeschlagen, welches ein Fahrerassistenzsystem gemäß dem zweitgenannten Erfindungsaspekt aufweist. Das Fortbewegungsmittel kann beispielsweise ein PKW, ein Transporter, ein LKW, ein Motorrad, ein Luft- und/oder Wasserfahrzeug sein.According to a third aspect of the present invention, a means of transportation is proposed which comprises a driver assistance system according to the second aspect of the invention. The means of transportation may be for example a car, a van, a truck, a motorcycle, an aircraft and / or watercraft.

Die Kombination der erfindungsgemäß vorgeschlagenen Aspekte beschreibt eine neue und vielversprechende Möglichkeit, die Aufmerksamkeit auf die Fahraufgabe eines Fahrers beobachtbar zu machen. Die eingangs genannten Nachteile werden durch eine anspruchsgemäße Kombination beobachtbarer Größen behoben. Gemäß einem Aspekt dient hierzu ein Fahrermodell auf Basis von Datenfusion von Fahrer-, Fahrzeug- und Umfeld-Daten. Als Eingangsgrößen können während der Fahrt

– Messgrößen der Fahr-Performance, insbesondere gewonnen aus Spurtreue, TTC (Stand der Technik),
– ergänzende Messgrößen für die Workload wie insbesondere Herz Rate und
– das Blickverhalten des Fahrers als Parameter für die visuelle Aufmerksamkeit

The combination of the aspects proposed according to the invention describes a new and promising possibility to make the attention to the driving task of a driver observable. The disadvantages mentioned above are remedied by a combination of observable sizes according to the claims. In one aspect, a driver model based on this is used Data fusion of driver, vehicle and environment data. As inputs can while driving

Measurements of driving performance, in particular obtained from tracking accuracy, TTC (prior art),
- Supplemental workload metrics such as heart rate and
- The driver's gaze behavior as a parameter for visual attention

In das Modell mit einfließen. Durch diese Art der Kombination verschiedener verfügbarer Datenquellen kann bestimmt werden, ob der Fahrer auch die Fahraufgabe aufmerksam wahrnimmt oder nicht.Include in the model. This type of combination of different available data sources can be used to determine whether the driver is also attentive to the driving task or not.

Durch die Einführung eines neuen Begriffs und der neuen Methodik, diesen Aspekt zu beobachten, können die eingangs genannten Nachteile behoben werden. Eine Kombination der anspruchsgemäßen Parameter kann in einer signifikanten Anzahl von Situationen eine Verlagerung der Aufmerksamkeit weg vom Fahrgeschehen zuverlässig detektieren. Somit ist es der Fahrerassistenz möglich, die Warnstrategien zu adaptieren und damit die Akzeptanz der Fahrerassistenzsysteme durch den Anwender zu steigern.By introducing a new term and the new methodology to observe this aspect, the disadvantages mentioned above can be eliminated. A combination of the claimed parameters can reliably detect a shift of attention away from the ride in a significant number of situations. Thus, the driver assistance is possible to adapt the warning strategies and thus to increase the acceptance of the driver assistance systems by the user.

Weitere Einzelheiten, Merkmale und Vorteile der Erfindung ergeben sich aus der nachfolgenden Beschreibung und den Figuren. Es zeigen:Further details, features and advantages of the invention will become apparent from the following description and the figures. Show it:

1 eine schematische Darstellung von Komponenten eines Ausführungsbeispiels eines erfindungsgemäß ausgestatteten Fortbewegungsmittels; 1 a schematic representation of components of an embodiment of a vehicle according to the invention equipped locomotion;

2 eine schematische Darstellung des neuen Ansatzes, unterschiedliche Kenngrößen zur Ermittlung einer kognitiven Beschäftigung eines Fahrers miteinander zu verknüpfen; 2 a schematic representation of the new approach to link different characteristics to determine a cognitive employment of a driver with each other;

3 eine unter Anlehnung an das sogenannte Yerkes-Dodson-Law erstellte Grafik, welche den Zusammenhang zwischen der Arbeitsbelastung („Workload”) des Fahrers und der Fahr-Performance veranschaulicht; und 3 a graphic created on the basis of the so-called Yerkes-Dodson-Law, which illustrates the relationship between the driver's workload and driving performance; and

4 ein Flussdiagramm veranschaulichend Schritte eines Ausführungsbeispiels eines erfindungsgemäßen Verfahrens zur Bestimmung einer kognitiven Beschäftigung eines Führers eines Fortbewegungsmittels. 4 a flowchart illustrating steps of an embodiment of a method according to the invention for determining a cognitive employment of a driver of a means of transportation.

1 zeigt einen PKW 10 als Fortbewegungsmittel, in welchem ein Fahrer 1 und zwei Kinder 5 als Frontpassagiere unterwegs sind. Ein elektronisches Steuergerät 6 ist als Auswerteeinheit mit einer Vielzahl von Einrichtungen informationstechnisch verbunden, welche zur Ermittlung der erfindungsgemäß verwendeten Kenngrößen dienen. Ein Ultraschallsensor 2 ist als Umgebungssensor beziehungsweise Fahrsituationssensor ebenso wie eine optische Frontkamera 9 in Fahrtrichtung ausgerichtet und zur Erfassung des Verkehrsgeschehens und Meldung desselben an das elektronische Steuergerät 6 vorgesehen. Ein Temperatursensor 13 ist eingerichtet, die Außentemperatur zur Ermittlung der Straßenbedingungen aufzunehmen. Ein Regensensor 14 meldet etwaigen Niederschlag. Ein Gaspedal 7 ist eingerichtet, das Fahrzeugführungsverhalten des Fahrers 1 zu ermitteln. Zudem sind Hautleitwertsensoren 8 am Lenkrad des PWKs 10 angebracht und ebenso wie eine Innenraumkamera 11 zur Überwachung von Vitalfunktionen des Fahrers 1 vorgesehen. Sitzbelegungssensoren 3 können die Wahrscheinlichkeit für eine Ablenkung des Fahrers durch Insassen des PKWs 10 ermitteln. Smartphones 4 sind als Beispiele für Infotainment-Geräte beziehungsweise mitgebrachte mobile Anwenderendgeräte dargestellt, welche zusätzliches fahraufgabenfremdes Ablenkungspotenzial darstellen. Ein Datenspeicher 12 ist mit dem elektronischen Steuergerät 6 verbunden, um Programmcode eines erfindungsgemäßen Verfahrens sowie Referenzwerte für ermittelte Sensorwerte bereitzuhalten. 1 shows a car 10 as a means of transportation in which a driver 1 and two children 5 as front passengers are traveling. An electronic control unit 6 is connected as an evaluation unit with a variety of facilities information technology, which are used to determine the characteristics used in this invention. An ultrasonic sensor 2 is as environment sensor or driving situation sensor as well as an optical front camera 9 aligned in the direction of travel and to capture the traffic and report the same to the electronic control unit 6 intended. A temperature sensor 13 is set up to record the outside temperature for determining the road conditions. A rain sensor 14 reports any precipitation. An accelerator pedal 7 is set up, the driving behavior of the driver 1 to investigate. In addition, skin conductance sensors are 8th on the steering wheel of the PWK 10 attached and as well as an interior camera 11 to monitor vital signs of the driver 1 intended. Seat occupancy sensors 3 can reduce the likelihood of distraction of the driver by occupants of the car 10 determine. smartphones 4 are presented as examples of infotainment devices or brought along mobile user terminals, which represent additional driving tasks foreign diversion potential. A data store 12 is with the electronic control unit 6 connected to program code of a method according to the invention and to provide reference values for determined sensor values.

2 zeigt einen neuen Ansatz, das Aufmerksamkeitspotenzial 15 eines Fahrers als Kontinuum zu betrachten, dessen Maximum 23 variabel und zu diskreten Zeitpunkten unbekannt ist. Im automobilen Kontext lässt sich die dem Fahrer insgesamt abverlangte Aufmerksamkeit grob in vier Blöcke, deren Länge das jeweilige Aufmerksamkeitsmaß repräsentiert, teilen, von welchen ein erster Block 16 die sogenannte Grundlast repräsentiert, welche unabhängig von der aktuellen Fahraufgabe und Verkehrssituation ständig benötigt wird. Diese Grundlast verändert sich während einer Fahrt nicht. Die übrige Aufmerksamkeit kann sich auf die drei verbliebenen Blöcke verteilen, wobei die Verteilung kontinuierlich schwanken kann und durch den Fahrer unterbewusst gesteuert wird. Block 17 repräsentiert die Aufmerksamkeit auf die Fahraufgabe, welche für die Fahrerassistenzsysteme von besonderem Interesse ist. Die Blöcke 18, 19 repräsentieren die Aufmerksamkeit für fahrfremde Tätigkeiten (auch „Zuhören” beziehungsweise „Sprechen”), wobei Block 18 die motorische/visuelle Aufmerksamkeit und Block 19 die kognitive Aufmerksamkeit repräsentiert. Die Unterteilung der Aufmerksamkeit für fahrfremde Tätigkeiten in motorisch/visuelle und kognitive Anteile ist von besonderem Interesse, da motorisch /visuelle Aufmerksamkeit auf fahrfremde Tätigkeiten auf andere Art messbar ist als die kognitive Komponente. Durch Blickabwendungszeiten oder Bedienzeiten von Infotainment-Systemen im Fahrzeug kann die motorisch/visuelle Aufmerksamkeit auf fahrfremde Aufgaben bereits heute sehr gut erfasst werden. Die kognitive Komponente („in Gedanken versunken sein”, „in Gedanken bereits woanders sein”) hingegen ist nur indirekt über die mentale Workload messbar. Die Grafik zeigt weiter, wie die Aufmerksamkeit auf die Fahraufgabe beobachtbar wird, wenn die messbare Zuteilung von Aufmerksamkeit auf fahrfremde Tätigkeiten zugrunde gelegt wird. Diese Information, fusioniert mit der aktuellen Fahr-Performance, liefert einen entscheidenden Mehrwert für Fahrerassistenzsysteme. 2 shows a new approach, attention potential 15 consider a driver as a continuum, its maximum 23 is variable and unknown at discrete times. In the automotive context, the attention required of the driver as a whole can be roughly divided into four blocks, the length of which represents the respective measure of attention, of which a first block 16 represents the so-called base load, which is constantly required regardless of the current driving task and traffic situation. This base load does not change during a trip. The rest of attention can be spread over the three remaining blocks, the distribution being able to fluctuate continuously and being subconsciously controlled by the driver. block 17 represents the attention to the driving task, which is of particular interest to the driver assistance systems. The blocks 18 . 19 represent the attention for non-driving activities (also "listening" or "speaking"), with Block 18 the motor / visual attention and block 19 that represents cognitive attention. The subdivision of attention for non-driving activities into motor / visual and cognitive parts is of particular interest because motor / visual attention to non-driving activities is measurable in a different way than the cognitive component. With eye-relief times or operating times of infotainment systems in the vehicle, the motor / visual attention to non-driving tasks can already be captured very well today. The cognitive component ("being absorbed in thought", "already being elsewhere in thought") is only indirect measurable via the mental workload. The graph also shows how attention to the driving task becomes observable when the measurable allocation of attention to non-driving activities is taken as the basis. This information, combined with the current driving performance, provides a decisive added value for driver assistance systems.

3 beschreibt den Zusammenhang zwischen der Arbeitsbelastung 24 des Fahrers („Driver Workload”) und der Fahr-Performance 25 eines Fahrers („Drivers Performance”). Die Arbeitsbelastung 24 gliedert sich in drei Bereiche, von welchen der unterste Bereich 26 einer Unterbeanspruchung, der oberste Bereich 27 einer Überbeanspruchung und ein zwischen den vorgenannten Bereichen 26, 27 liegender Bereich 22 einer idealen, mittleren Beanspruchung entspricht. Entsprechend hat der Graph 20, der im Wesentlichen einer nach unten offenen Parabel entspricht und die Fahr-Performance 25 repräsentiert, im mittleren Bereich 22 sein Maximum. Ein zweiter Graph 21, der einer nach oben offenen Parabel entspricht, hat in diesem Bereich sein Minimum und beschreibt die Notwendigkeit von Fahrerassistenz. Im Ergebnis führt also eine mittlere Beanspruchung des Fahrers zu einer Vermeidung von Unter- sowie Überbeanspruchung und auch ohne Fahrerassistenz zur bestmöglichen Fahr-Performance 25. 3 describes the connection between the workload 24 the driver ("Driver Workload") and the driving performance 25 of a driver ("Drivers Performance"). The workload 24 is divided into three areas, of which the lowest area 26 an underuse, the topmost area 27 overuse and between the aforementioned areas 26 . 27 lying area 22 corresponds to an ideal, medium stress. Accordingly, the graph has 20 which essentially corresponds to a downwardly open parabola and driving performance 25 represents, in the middle range 22 his maximum. A second graph 21 , which corresponds to an upwardly open parabola, has its minimum in this area and describes the need for driver assistance. As a result, an average stress on the driver leads to the avoidance of under- and overuse and also without driver assistance for the best possible driving performance 25 ,

4 zeigt Schritte eines Ausführungsbeispiels eines erfindungsgemäßen Verfahrens zur Bestimmung einer kognitiven Beschäftigung eines Führers eines Fortbewegungsmittels. In Schritt 100 wird eine kognitive Grundlast ermittelt, welche der Fahrer durch die Fahrzeugführungsaufgabe erfährt. Hierbei wird berücksichtigt, ob der Fahrer mit dem Fahrzeug vertraut ist und welche grundlegenden Umstände die Aufmerksamkeit des Fahrers beanspruchen. In Schritt 200 wird eine Kenngröße für eine Beanspruchung des Fahrers aufgrund einer Fahrsituation ermittelt, wobei insbesondere die Verkehrssituation – ermittelt durch Umgebungssensoren o. ä. – Einfluss nimmt. In Schritt 300 wird eine Kenngröße für eine Beanspruchung des Fahrers durch fahrfremde Tätigkeiten ermittelt. Dies umfasst sämtliche Tätigkeiten des Fahrers, welche nicht primär zur Wahrnehmung der Fahraufgabe erforderlich sind. In Schritt 400 wird ermittelt, dass das aktuell an den Tag gelegte Fahrzeugführungsverhalten des Fahrers von einem vordefinierten Fahrzeugführungsverhalten abweicht. Dies könnte auch als Ermittlung eines objektiven Erfordernisses einer Fahrerassistenz verstanden werden. In Schritt 500 wird eine erhöhte kognitive Beschäftigung des Fahrers auf Basis der wie vorstehend ermittelten Informationen erkannt. Hierbei wird ausgehend von einem grundsätzlich zur Verfügung stehenden Aufmerksamkeitspotenzial des Fahrers die Differenz ermittelt, welche sich durch sensorisch erfassbare Kenngrößen für Aufmerksamkeit erfordernde Tätigkeiten und Umstände ergibt und diese vom vorhandenen Aufmerksamkeitspotenzial abgezogen werden. In Abhängigkeit der kognitiven Beschäftigung des Fahrers wird in Schritt 600 ein vordefinierter Soll-Abstand eines Systems zur Unterstützung einer Längs- und Querführung des Fahrzeugs vergrößert. Zusätzlich wird in Schritt 700 ein Unterstützungsgrad weiterer Fahrerassistenz-Funktionen zur Reduktion kritischer Situationen angepasst. Schließlich werden in Schritt 800 Warnschwellen von Fahrerassistenz-Funktionen angepasst, um den Fahrer rechtzeitig und adäquat auf Handlungsbedarf hinzuweisen. 4 shows steps of an embodiment of a method according to the invention for determining a cognitive employment of a guide of a means of transportation. In step 100 a cognitive base load is determined, which the driver learns through the vehicle guidance task. This takes into account whether the driver is familiar with the vehicle and which basic circumstances call for the attention of the driver. In step 200 a parameter for a stress of the driver due to a driving situation is determined, wherein in particular the traffic situation - determined by environmental sensors or the like - influences. In step 300 a parameter is determined for a claim of the driver by non-driving activities. This includes all activities of the driver that are not primarily required to perform the driving task. In step 400 it is determined that the driver's current behavior in driving behavior deviates from a predefined vehicle behavior. This could also be understood as a determination of an objective driver assistance requirement. In step 500 an increased cognitive employment of the driver is recognized on the basis of the information determined as above. In this case, the difference is ascertained on the basis of a generally available attention potential of the driver, which results from sensory characteristics for attention-requiring activities and circumstances and these are deducted from the existing attention potential. Depending on the driver's cognitive employment will step in 600 increases a predefined setpoint distance of a system for supporting a longitudinal and lateral guidance of the vehicle. Additionally, in step 700 a degree of support adapted to further driver assistance functions to reduce critical situations. Finally, in step 800 Warning thresholds adjusted by driver assistance functions in order to inform the driver promptly and adequately on the need for action.

BezugszeichenlisteLIST OF REFERENCE NUMBERS

11: Fahrerdriver
22: Ultraschallsensorultrasonic sensor
33: SitzbelegungssensorSeat occupancy sensor
44: SmartphoneSmartphone
55: Front-Passagiere (Kinder)Front passengers (children)
66: elektronisches Steuergerätelectronic control unit
77: Gaspedalaccelerator
88th: HautleitwertsensorenHautleitwertsensoren
99: Frontkamerafront camera
1010: PKWcar
1111: InnenraumkameraInterior camera
1212: Datenspeicherdata storage
1313: Temperatursensortemperature sensor
1414: Regensensorrain sensor
1515: Aufmerksamkeitspotenzialattention potential
1616: Block repräsentierend die GrundlastBlock representing the base load
1717: Block repräsentierend den Aufmerksamkeitsbedarf für die FahrzeugführungBlock representing the attention needs for vehicle guidance
1818: Block repräsentierend den Aufmerksamkeitsbedarf für motorisch/visuelle, fahrfremde TätigkeitenBlock representing the need for attention for motor / visual, non-driving activities
1919: Block repräsentierend den Aufmerksamkeitsbedarf für kognitive, fahrfremde TätigkeitenBlock representing the need for attention for cognitive, non-driving activities
2020: Fahr-PerformanceDriving Performance
2121: Erfordernis FahrerassistenzRequirement driver assistance
2222: mittlerer Bereich der Arbeitsbelastung des Fahrersmiddle range of workload of the driver
2323: Maximum des Aufmerksamkeitspotenzials 15 Maximum of attention potential 15
2424: Arbeitsbelastung des FahrersWorkload of the driver
2525: Fahr-PerformanceDriving Performance
2626: unterfordernder Bereich der Arbeitsbelastungunder-demanding area of workload
2727: überfordernder Bereich der Arbeitsbelastungoverwhelming range of workload
100 bis 800100 to 800: Verfahrensschrittesteps

ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES 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 of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte Nicht-PatentliteraturCited non-patent literature

Bruce Mehler, Bryan Reimer, Nan Zhao, and Coughlin Joseph F. Literature review on the relationship between cognitive workload and driving safety, 2011 [0002]
Yan Yang. The Effects of Increased Workload on Driving Performance and Visual Behavior. 2011 [0002]
W. Hajek, I. Gapanova, K.H. Fleischer, and J. Krems. Workload-adaptive cruise control: A new generation of advanced driver assistance systems. Transportation Research Part F: Traffic Psychology and Behavior, 20: 108-120, 2013 [0003]
Kristie Young and Micheal Regan. Driver distraction: A review of the literature. Australasian College of Road Safety, pages 379-405, 2007 [0003]
Barbara Metz. What is the driver paying attention to? Attention control when driving with visual secondary tasks. Würzburg. 2009 [0003]
Benjamin Trefflich. Video-based monitoring of driver attention and adaptation of driver assistance systems. 2010 [0003]
Robert Desimone and John Duncan. Neural mechanisms of selective visual attention. Annu. Rev. Neurosci, (18): 193-222, 1995 [0003]

Claims

Method for determining a cognitive employment of a leader ( 1 ) in the management of a means of transport ( 10 ) comprising the steps of: - determining ( 200 ) a first parameter for a load ( 17 ) of the leader ( 1 ) due to a driving situation, - determining ( 300 ) a second parameter for a load ( 18 ) of the leader ( 1 ) by non-driving activities, - recognition ( 400 ) of leadership behavior deviating from a predefined leadership behavior ( 1 ) and on the basis of the first parameter, the second parameter and the different leadership behavior - recognition ( 500 ) of increased cognitive employment ( 19 ) of the leader ( 1 ).

The method of claim 1, wherein determining the first parameter comprises evaluating - from environmental sensors ( 2 ) and / or - digital map material and / or - information regarding a familiarity of the guide ( 1 ) with the traffic situation and / or traffic conditions and / or weather conditions and / or an operating state of assistance systems and / or information about the type of journey.

Method according to claim 1 or 2, wherein the determination of the second parameter comprises an evaluation of a seat occupancy sensor ( 3 ) and / or - an operating state of a with the means of transportation ( 10 ) coupled mobile phones ( 4 ) and / or - information about an operator interaction of the user and / or - a deviation of vital data from a reference and / or - information about the type of ride.

Method according to one of the preceding claims, wherein recognizing a leadership behavior deviating from a predefined leadership behavior evaluates - an interaction of the leader ( 1 ) with the vehicle ( 10 ) and / or - at least one sensor ( 9 ) of a driver assistance system and / or the data of at least one sensor ( 11 ) in the vehicle interior.

Method according to one of the preceding claims further comprising - determining ( 100 ) of a cognitive base load ( 16 ), which the leader ( 1 ) through the vehicle management task.

The method of claim 5, wherein determining the cognitive base load ( 16 ) further an evaluation of information regarding a time pressure of the leader ( 1 ).

Method according to one of the preceding claims further comprising - Enlarge ( 600 ) of a predefined desired distance of a system for supporting a longitudinal and / or transverse guidance, in particular of an automatic distance keeping system of the vehicle ( 1 ) and / or - Customize ( 700 ) a degree of support of driver assistance functions to reduce critical situations and / or - adapt ( 800 ) warning thresholds of driver assistance functions and / or - issuing a notice to the driver ( 1 ) on a collision relevant environment area.

Driver assistance system for determining a cognitive employment of a leader ( 1 ) of a means of transportation ( 10 ) comprising: - driving situation sensors ( 2 . 9 ), - Activity sensors ( 11 ), - vehicle guidance sensors ( 8th ), and - an evaluation unit ( 6 ), which is set up, - by means of the driving situation sensors ( 2 . 9 ) a first parameter for a load ( 17 ) of the leader ( 1 ) due to a driving situation, - by means of the activity sensors ( 11 ) a second parameter for a load ( 18 ) of the leader ( 1 ) by non-driving activities, - by means of the vehicle guidance sensors ( 8th ) a leadership behavior of the leader deviating from a predefined leadership behavior ( 1 ) and on the basis of the first parameter, the second parameter and the deviating leadership behavior - an increased cognitive employment of the leader ( 1 ) to investigate.

Driver assistance system, which is further adapted to carry out a method according to any one of the preceding claims 1 to 7.

Means of transport comprising a driver assistance system according to one of the preceding claims 8 to 9.