DE102016107321A1

DE102016107321A1 - Systeme und Verfahren zum Einteilen von Fahrerschnittstellentasks auf der Basis der Fahrerarbeitslast

Info

Publication number: DE102016107321A1
Application number: DE102016107321.0A
Authority: DE
Inventors: Kwaku O. Prakah-Asante; Hsin-Hsiang Yang; Gary Steven Strumolo; Dimitar Petrov Filev; Finn Finn Tseng; Jianbo Lu
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2015-04-22
Filing date: 2016-04-20
Publication date: 2016-10-27
Also published as: CN106064593A

Abstract

Ein Fahrerschnittstellensystem umfasst einen Prozessor, der dafür programmiert ist, auszuführende Fahrerschnittstellentasks zu empfangen und die Ausführung mindestens eines Teils der Fahrerschnittstellentasks auf der Basis einer Fahrerarbeitslast selektiv zu verzögern oder zu verhindern. Die Fahrerarbeitslast wird aus einer Variabilität eines Aktivitätsniveaus eines Fahrers relativ zu einem Mittelwert des Aktivitätsniveaus, repräsentiert durch eine rekursiv berechnete Determinante einer Kovarianz des Aktivitätsniveaus, abgeleitet.

Description

VERWEIS AUF VERWANDTE ANMELDUNGEN
Die vorliegende Anmeldung ist eine teilweise Fortsetzung der Anmeldung Nr. 13/809,038, eingereicht am 8.1.2013, die die nationale Phase der internationalen Anmeldung Nr. PCT/US10/43605, eingereicht am 29.7.2010 ist, deren Offenbarungen jeweils hier durch Bezugnahme vollständig aufgenommen werden.
STAND DER TECHNIK
Bestimmte Fahrzeuge können Infotainment-Informationen, Navigationsinformationen usw. bereitstellen, um das Fahrerlebnis zu erweitern. Mit zunehmender Interaktion zwischen Fahrern und diesen Fahrzeugen kann es nützlich sein, solche Interaktion ohne Vergrößerung der Fahrerarbeitslast zu ermöglichen.
KURZFASSUNG
Ein Fahrerschnittstellensystem umfasst einen Prozessor, der auszuführende Fahrerschnittstellentasks empfängt und auf der Basis einer Fahrerarbeitslast selektiv die Ausführung mindestens eines Teils der Fahrerschnittstellentasks verzögert oder verhindert. Die Fahrerarbeitslast wird aus einer Variabilität eines Aktivitätsniveaus eines Fahrers relativ zu einem Mittelwert des Aktivitätsniveaus, repräsentiert durch eine rekursiv berechnete Determinante einer Kovarianz des Aktivitätsniveaus, abgeleitet.
Ein Verfahren zum Betrieb eines Fahrerschnittstellensystems umfasst selektives Verzögern oder Verhindern der Ausführung von Fahrerschnittstellentasks auf der Basis einer Fahrerarbeitslast, die aus einer Variabilität eines Aktivitätsniveaus eines Fahrers relativ zu einem Mittelwert des Aktivitätsniveaus, repräsentiert durch eine rekursiv berechnete Varianz des Aktivitätsniveaus, abgeleitet wird.
Ein Fahrerschnittstellensystem umfasst einen Prozessor, programmiert zum selektiven Verzögern der Ausführung von Fahrerschnittstellentasks auf der Basis einer Variabilität eines Aktivitätsniveaus eines Fahrers relativ zu einem Mittelwert des Aktivitätsniveaus, repräsentiert durch eine rekursiv berechnete Determinante einer Kovarianz des Aktivitätsniveaus.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
1 ist eine Blockdarstellung eines beispielhaften Hybrid-Arbeitslastschätzungssystems.
2 ist ein Diagramm von beispielhaften Fahrzeuggeschwindigkeits-, Traktions- und Bremsprofilen.
3A bis 3C sind Diagramme beispielhafter Fahrzeugbewegungszustände der Gierrate und des Schiebewinkels.
4A bis 4C sind Diagramme von beispielhaften Gierungs-, Longitudinal- und Schiebe-Handhabungsgrenzenreserven.
5 ist ein Diagramm von beispielhaften Fahrzeuggeschwindigkeits-, Traktions- und Bremsprofilen.
6A bis 6C sind Diagramme von beispielhaften Fahrzeugbewegungszuständen der Gierrate und des Schiebewinkels.
7A bis 7C sind Diagramme von beispielhaften Gierungs-, Longitudinal- und Schiebe-Handhabungsgrenzenreserven.
8 und 9 sind Diagramme beispielhafter End-Handhabungsgrenzenreserven und des Risikos.
10 und 11 sind Diagramme beispielhafter Gaspedalposition für Umstände mit hohen Anforderungen bzw. Umstände mit niedrigen Anforderungen.
12 und 13 sind Histogramme der Standardabweichung der Gaspedalposition von 10 bzw. 11.
14 ist ein Diagramm von an die Histogramme von 12 und 13 angepassten Kurven.
15A bis 15D sind beispielhafte Diagramme von Gaspedalposition, Lenkradwinkel, DCA-Index (Driver Control Action – Fahrersteueraktion) bzw. Fahrzeuggeschwindigkeit.
16A bis 16C sind beispielhafte Diagramme von Blinkeraktivität, Klimatisierungs-Steueraktivität bzw. IP-Index (Instrumentenpanel).
17 ist eine schematische Darstellung eines Fahrzeugs, das einem anderen folgt.
18, 19 und 20 sind beispielhafte Diagramme von Fahrzeuggeschwindigkeit, Näherungsgeschwindigkeit bzw. Entfernung.
21 und 22 sind beispielhafte Diagramme der Abstandsregelung bzw. des HW-Index (Headway – Abstandsregelung).
23A bis 23E sind beispielhafte Diagramme eines auf Regeln basierenden Index, des IP-Index, des DCA-Index, des zusammengesetzten WLE-Index (Workload Estimation – Arbeitslastschätzung) bzw. der Fahrzeuggeschwindigkeit.
24 ist ein beispielhaftes Diagramm von Zugehörigkeitsfunktionen zur Charakterisierung der Fahreranforderungen auf der Basis des WLE Index.
AUSFÜHRLICHE BESCHREIBUNG
I. Einführung
Fahrerarbeitslast/-anforderungen kann sich auf die visuellen, physischen und kognitiven Anforderungen beziehen, die sekundäre Aktivitäten wie Infotainment, Telefon, proaktive Empfehlungen usw. dem Fahrer über die primäre Aktivität des Fahrens hinaus auferlegen.
Fahrer können manchmal zu Unrecht annehmen, dass sie in der Lage sind, ihre Aufmerksamkeit zwischen der primären Aktivität des Fahrens und den oben besprochenen sekundären Aktivitäten aufzuteilen. Das Schätzen der Fahranforderungen kann deshalb von besonderem Wert sein, wenn es zum Modulieren von Kommunikations- und Fahrzeugsysteminteraktionen mit dem Fahrer verwendet wird. Komplexe Fahrkontexte können jedoch innovative prognostische Ansätze zur Fahrerarbeitslastschätzung erfordern. Die Entwicklung intelligenter Systeme, die die Identifikation der Fahrerarbeitslast ermöglichen können, kann dabei nützlich sein, Ausgaben der HMI (Mensch-Maschine-Schnittstelle) an den Fahrer zurechtzuschneiden.
Für kontinuierliche Arbeitslastschätzung kann es nützlich sein, einen Schätzer zu entwerfen, der die Arbeitslast unter unterschiedlichen Fahrkontexten und/oder Fahrern vorhersagt. Die Anpassung von Fahrgastraum-Kommunikationsdiensten kann auf dem Kontext, in dem die Fahranforderungen vorhergesagt werden, und dem Wert der Dienste für den Fahrer basieren. Außerdem kann Charakterisierung der Fahrerarbeitslast über Zeiträume (z.B. die langfristige Charakterisierung) nützlich sein. Eine solche Bewertung der Fahrerarbeitslast kann erlauben, Fahrgastraum-Kommunikationstechnologien in Perioden mit hoher Arbeitslast nicht nur zu unterdrücken oder zu verzögern, sondern zusätzlich an die Langfahranforderungen anzupassen.
Bestimmte hier beschriebene Ausführungsformen können Verfahren und Systeme zur Arbeitslastschätzung (WLE) bereitstellen. Die WLE kann eine Zustandsschätzung/Klassifikation der Fahrerarbeitslast aus beobachtbaren Fahrzeug-, Fahrer- und Umgebungsdaten zum adaptiven Echtzeit-HMI-Taskmanagement durchführen. Die WLE kann in bestimmten Situationen getrennte Echtzeittechniken benutzen und/oder einen Echtzeit-Hybridansatz zur Arbeitslastschätzung verwenden. Zum Beispiel kann ein auf Regeln basierender Algorithmus mit zusätzlicher kontinuierlicher Vorhersage der Fahrerarbeitslast auf der Basis der Interaktionen von Fahrer, Fahrzeug und Umgebung ergänzt werden. Die WLE-Algorithmen können spezialisierte Lern- und rechnerische Intelligenztechniken umfassen, um einen aggregierten WLE-Index (z.B. ein kontinuierliches Signal, das eine Arbeitslastschätzung für den Fahrer präsentiert) zu berechnen und vorherzusagen. In bestimmten Fällen kann aus beobachtbaren Fahrzeuginformationen wie Schwankungen der Geschwindigkeit, Beschleunigung, Bremsen, Lenken, Abstandshaltung, Instrumentenpanel und/oder Mittelkonsoleninteraktion usw. auf die Fahranforderungen des Fahrers geschlossen werden.
Mit dem WLE-Index kann man zum Beispiel Sprachbefehle und/oder andere Tasks/Informationen, die dem Fahrer präsentiert werden, um die Funktionalität zu verbessern, setzen/vermeiden/begrenzen/anpassen. Bestimmte Informationen für den Fahrer können während schwieriger Fahrzeughandhabungsmanöver, in gefährlichen Fahrumgebungen, in Perioden mit hoher Aktivität mit dem Instrumentenpanel usw. begrenzt/angepasst/gesperrt werden.
Intelligente hybride algorithmische Ansätze können langfristige und auch kurzfristige Fahreraktionen berücksichtigen. WLE-Hybridverfahren können die Fahrerereignisse, Situationen und Verhalten zum Koordinieren der Kommunikation von Fahrzeug zu Fahrer erfassen. Diese und andere Techniken, die hier beschrieben werden, können beim Vorhersagen von zunehmenden/abnehmenden kognitiven Konditionalzuständen des Fahrers helfen und existierende Fahrzeugsensoren benutzen.
Der WLE-Index kann es auch erlauben, dem Fahrer auf der Basis der Fahranforderungen/-arbeitslast eine Hierarchie von Kommunikation zu präsentieren. Nachrichtenpriorität (z.B. niedrig, hoch usw.) kann auf der Basis der vorhergesagten Last bestimmen, ob die Nachricht während eines bestimmten Moments an den Fahrer abgeliefert wird. Außerdem können dem Fahrer auf der Basis der langfristigen Fahranforderungen des Fahrers spezifische HMI-Informationen präsentiert werden. Als Alternative kann ein hybrider WLE-Rahmen GPS- und digitale Kartendatenbanken umfassen, um Straßenszenariosituationen und -bedingungen zu berücksichtigen. Zusätzlich können Informationen über den physischen und physiologischen Zustand des Fahrers wie galvanisches Hautansprechverhalten, Puls, Augen-Blick, Kopf- oder Handgelenkhaltung (d.h. Position und Orientierung) und Atmung als Eingaben in den WLE-Rahmen zur Anomaliedetektion aufgenommen werden. In anderen Beispielen kann der vorhergesagte WLE-Index über Audio-, visuellen oder taktilen Hinweis an den Fahrer übermittelt werden, um ihn daran zu erinnern, unter Bedingungen hoher Arbeitslast sekundäre Tasks zu vermeiden. Es sind auch andere Szenarien möglich.
1 ist eine Blockdarstellung einer Ausführungsform eines WLE-Systems 10 für ein Fahrzeug 11. Das System 10 oder Teile davon können natürlich im Kontext einer mobilen Vorrichtung oder eines mobilen Sensors implementiert werden. Das System 10 kann ein auf Regeln basierendes Arbeitslastindex-Subsystem 12, ein Subsystem 13 zum Verfolgen und Berechnen des Arbeitslastindex für Fahrzeug, Fahrer und Umgebung, ein kontextabhängiges Arbeitslastindex-Aggregations-Subsystem 14 und ein Subsystem 16 zur insgesamten Aggregation/WLE-Langzeitcharakterisierung umfassen. Die Subsysteme 12, 13, 14, 16 können (einzeln oder in Kombination) als eine oder mehrere Steuerungen/Verarbeitungsvorrichtungen/usw. im Fahrzeug 11, in einer mobilen Vorrichtung oder einem mobilen Sensor oder über Kombinationen davon verteilt implementiert werden.
Das Subsystem 12 (erläutert in dem nachfolgenden Abschnitt VII) kann als Eingaben Fahrzeuginformationen, Fahrerinformationen und/oder Umgebungsinformationen annehmen (die zum Beispiel aus dem CAN (Controller Area Network) des Fahrzeugs verfügbar sind) und einen auf Regeln basierenden Index ausgeben, der die Fahrerarbeitslast repräsentiert. Das Subsystem 13 (erläutert in den nachfolgenden Abschnitten III bis VI) kann als Eingaben Fahrzeuginformationen, Fahrerinformationen und/oder Umgebungsinformationen annehmen (die zum Beispiel aus dem CAN des Fahrzeugs verfügbar sind) und einen oder mehrere kontinuierliche Indizes ausgeben (z.B. eine HL-Index (Handhabungsgrenze), einen DCA-Index (Fahrersteueraktion), einen IP-Index (Instrumentenpanel), einen HW-Index (Abstandshaltung)), die Fahrerarbeitslast repräsentieren. Das Subsystem 14 (erläutert in dem nachfolgenden Abschnitt VIII) kann als Eingaben den Index/die Indizes annehmen, der bzw. die durch das Subsystem 13 erzeugt wird bzw. werden und einen T-Index (Tracking) ausgeben. Das Subsystem 16 (erläutert in dem nachfolgenden Abschnitt VIII) kann als Eingaben den auf Regeln basierenden Index und den T-Index annehmen und einen WLE-Index und/oder (wie in dem nachfolgenden Abschnitt IX erläutert) eine langfristige Charakterisierung des WLE-Index ausgeben.
Bei anderen Ausführungsformen können die Systeme 12, 14, 16 in dem System 10 fehlen. Das heißt, bestimmte Ausführungsformen können dafür ausgelegt sein, nur einen oder mehrere Arbeitslastindizes zu erzeugen. Beispielsweise kann das System 10 dafür ausgelegt sein, nur den IP-Index auf der Basis bestimmter Fahrzeuginformationen (nachfolgend besprochen) zu erzeugen. In diesen Umständen ist keine Aggregation notwendig, da es nur ein einziges Maß für die Fahrerarbeitslast gibt. Daher ist der WLE-Index in diesem Beispiel der IP-Index. Der Dispatcher 18 kann bei diesen und anderen Ausführungsformen dafür ausgelegt sein, die langfristige Charakterisierung des WLE-Index zu erzeugen. Es sind auch andere Anordnungen möglich.
Der WLE-Index kann zu einem Dispatcher 18 gesendet werden, der als eine oder mehrere Steuerungen/Verarbeitungsvorrichtungen/usw. implementiert werden kann. Der Dispatcher 18 (erläutert in dem nachfolgenden Abschnitt X) kann als Filter wirken und auf der Basis des WLE-Index verhindern/verzögern, dass zum Fahrer zu übermittelnde Informationen entweder mittels verdrahteter oder drahtloser Übertragung den Fahrer erreichen. Wenn zum Beispiel der WLE-Index größer als 0,8 ist, können alle für den Fahrer bestimmte Informationen gesperrt werden. Wenn der WLE-Index ungefähr 0,5 beträgt, können nur Informationen des Unterhaltungstyps gesperrt werden usw. Der Dispatcher 18 kann auch die Ablieferung von an den Fahrer zu übermittelnden Informationen auf der Basis des WLE-Index einteilen. Zum Beispiel können in Perioden mit hoher Arbeitslast Fahrzeugwartungsinformationen, Text-zu-Sprache-Lesungen, ankommende Anrufe usw. verzögert werden. Außerdem kann der Dispatcher 18 ein Anpassen von Fahrzeugausgaben an den Fahrer auf der Basis einer langfristigen WLE-Indexcharakterisierung wie nachfolgend ausführlicher besprochen ermöglichen. Zum Beispiel kann die Ausgabe bestimmter Fahrzeugsysteme wie Tempostat, adaptiver Tempostat, Musikvorschläge, konfigurierbare HMI usw. auf den langfristigen Fahranforderungen basieren.

Aus beobachtbaren Fahrzeuginformationen wie Schwankungen von Geschwindigkeit, Beschleunigung, Bremsen, Lenken, Abstandshaltung, Instrumentenpanelinteraktion usw. kann auf den Arbeitslastzustand des Fahrers geschlossen werden. In Tabelle 1 sind beispielhafte Merkmale/Metriken in Bezug auf Fahrerarbeitslast aufgelistet. Tabelle 1 Beispielhafte Merkmale/Metriken in Bezug auf Fahrerarbeitslast

Metrik	Verhaltenseffekt, der quantifiziert werden soll
Mittlere Geschwindigkeit	Große Geschwindigkeitszunahme/-reduktion
Maximale Geschwindigkeit	Große Geschwindigkeitszunahme
Mittlere Zeit-Abstandshaltung (Lückenzeit)	Verringerte Abstandshaltung
Mindest-Zeit-Abstandshaltung	Verringerte Mindest-Abstandshaltung
Bremsreaktionszeit (BRT)	Verringerte BRT
Bremsrucke	Erhöhte Häufigkeit
Lenkraddrehgeschwindigkeit	Erhöhte Häufigkeit kleiner Drehungen
Interaktion mit IP (z.B. Betätigung von IP-Tasten)	Erhöhte Häufigkeit
Verkehrsdichte	Erhöhte Dichte
Fahrort	Neue Fahrumgebung
Mittlere Geschwindigkeit	Große Geschwindigkeitszunahme/-abnahme
Maximale Geschwindigkeit	Große Geschwindigkeitszunahme

In den Tabellen 2a und 2b sind beispielhafte Informationen aufgelistet, die über CAN wie in der Technik bekannt verfügbar/zugänglich sein können. Die folgenden Informationen können als Eingaben für beliebige der hier beschriebenen Algorithmen verwendet werden. Tabelle 2a Beispielhafte Informationen, die über CAN verfügbar sind

Gaspedalposition	Mikrofoneingänge
Lenkradwinkel	Becherhaltersensor
Sitzsensor	Fahrzeuggeschwindigkeit
Abbiegesignal	Gierrate
Enteisungssignal	Seitliche Beschleunigung
Temperaturregelung	Längsbeschleunigung
Scheinwerferstatus	Radgeschwindigkeiten
Aufblendstatus	Drosselposition
Nebellampenstatus	Haupt-Zylinderdruck
Radio-Tunerbefehl	Fahreranforderungs-Drehmoment
Scheibenwischerstatus	Busachsen-Drehmoment
Getriebeposition	Busdrehmoment-Verteilung
Regensensor	Rollrate
Konfigurierbare HMI	Schiebewinkel
Berührungs-HMI	Relativer Rollwinkel

Tabelle 2b Beispielhafte Systeminformationen, die über CAN zugänglich sind

Traktionssteuersystem

Antiblockier-Bremssystem

Elekronische Stabilitätsregelung

Adaptiver Tempostat

Kollisionsminderung durch Bremsen

Totzonenüberwachung

Automatische Parkhilfe

II. Kurze Besprechung von Fahrzeugstabilitätssteuerungen
Wie sich ein Fahrzeug handhabt, bestimmt die Möglichkeit des Fahrzeugs, Ecken zu fahren und zu manövrieren. Das Fahrzeug muss mit seinen vier Reifenkontaktbereichen an der Straße haften, um seine Handhabungsfähigkeit zu maximieren. Ein Reifen, der seine Grenze der Haftung überschreitet, dreht entweder durch, rutscht oder gleitet. Ein Zustand, in dem ein oder mehrere Reifen ihre Grenzen der Haftung überschreiten, kann als Handhabungsgrenzbedingung bezeichnet werden, und die Haftgrenze kann als Handhabungsgrenze bezeichnet werden. Sobald ein Reifen seine Handhabungsgrenze erreicht, hat der Durchschnittsfahrer gewöhnlich keine Kontrolle mehr. Im sogenannten Untersteuerungsfall führt das Auto die Lenkeingabe eines Fahrers zu wenig aus, seine Vorderreifen überschreiten ihre Handhabungsgrenze und das Fahrzeug fährt ungeachtet der Lenkanforderung des Fahrers geradeaus weiter. Im sogenannten Übersteuerungsfall führt das Auto die Lenkeingaben des Fahrers zu sehr aus, seine Hinterreifen überschreiten ihre Handhabungsgrenze und das Fahrzeug schleudert weiter. Für Sicherheitszwecke werden die meisten Fahrzeuge so gebaut, dass sie bei ihren Handhabungsgrenzen untersteuern.
Um die Fahrzeugkontrolle zu kompensieren, falls der Fahrer nicht in der Lage ist, das Fahrzeug bei oder jenseits der Handhabungsgrenze unter seine Kontrolle zu bringen, sind Systeme mit elektronischem Stabilitätsprogramm (ESC) dafür ausgelegt, die Reifenkräfte umzuverteilen, um ein Moment zu erzeugen, das das Fahrzeug effektiv mit den Lenkanforderungen des Fahrers vereinbar werden lassen kann. Nämlich Steuern des Fahrzeugs, um Untersteuerungs- und Übersteuerungsbedingungen zu vermeiden.
Seit ihrem Debüt 1995 wurden ESC-Systeme in verschiedenen Plattformen implementiert. Bei Einführung während des Modelljahrs 2010 und Erzielung einer vollen Installation im Modelljahr 2012 erfordert der Federal Motor Vehicle Safety Standard 126 ESC-Systeme in jedem Fahrzeug mit einem zulässigen Gesamtgewicht unter 10 000 Pfund. ESC-Systeme können als Erweiterung von Antiblockier-Bremssystemen (ABS) und Traktionsregelsystemen für alle Geschwindigkeiten (TCS) implementiert werden. Sie können die Gier- und seitliche Stabilitätshilfe für die Fahrzeugdynamik um die Absicht des Fahrers herum zentriert bereitstellen. Es kann auch der Bremsendruck (über oder unter dem vom Fahrer angewendeten Druck) für einzelne Räder proportionieren, um so ein aktives Moment zu erzeugen, um den unerwarteten Gier- und lateralen Schiebebewegungen des Fahrzeugs entgegenzuwirken. Dies führt zu erweiterter Lenksteuerung an den Handhabungsgrenzen für jede Traktionsoberfläche während des Bremsens, Beschleunigens oder Entlangfahrens. Genauer gesagt vergleichen derzeitige ESC-Systeme den beabsichtigten Pfad des Fahrers mit dem tatsächlichen Fahrzeugansprechverhalten, auf das aus Sensoren an Bord geschlossen wird. Wenn das Ansprechverhalten des Fahrzeugs von dem beabsichtigten Pfad verschieden ist (entweder Untersteuerung oder Übersteuerung), wendet die ESC-Steuerung Bremsen am ausgewählten Rad bzw. ausgewählten Rädern an und verringert das Motordrehmoment, wenn es erforderlich ist, um das Fahrzeug auf dem beabsichtigten Pfad zu halten und um Verlust der Kontrolle über das Fahrzeug zu minimieren.
Eine Handhabungsgrenzbedingung kann detektiert werden, indem man Daten verwendet, die bereits in ESC-Systemen existieren, so dass keine neuen Sensoren erforderlich sein müssen. Man betrachte zum Beispiel ein Fahrzeug, das mit einem ESC-System ausgestattet ist, das einen Gierratensensor, einen Lenkradsensor, einen Lateralbeschleunigungsmesser, Radgeschwindigkeitssensoren, einen Haupt-Zylinderbremsdrucksensor, einen Longitudinalbeschleunigungsmesser usw. verwendet. Die Bewegungsvariablen des Fahrzeugs werden in den in ISO-8855 definierten Koordinatensystemen definiert, wobei ein im Fahrzeugchassis fixiertes Bezugssystem eine vertikale Achse nach oben, eine Achse entlang der Längsrichtung des Fahrzeugchassis und eine seitliche Achse, die von der Beifahrerseite zur Fahrerseite zeigt, aufweist.
Allgemein ausgedrückt können Fahrzeugausgleichs-Rückkopplungssteuerungen aus einzelnen Bewegungsvariablen wie Gierrate, Schiebewinkel oder ihre Kombination zusammen mit Arbitrierungen unter anderen Steuerbefehlen wie Fahrerbremsung, Motordrehzahlanforderung, ABS und TCS berechnet werden. Fahrzeugausgleichssteuerbefehle werden im Folgenden besprochen.
Das wohlbekannte Fahrradmodell erfasst die Fahrzeugdynamik, seine Gierrate ω_z entlang der vertikalen Achse des Fahrzeugschassis und seinen Schiebewinkel β_r, definiert an seiner Hinterachse, und genügt den folgenden Gleichungen: I_zω ._z = –b_fc_f(β_r + bω_ztv –1 / x – δ) + b_rc_rβ_r + M_z M(v ._xβ_r + v_xβ ._r + b_rω ._z + ω_zv_x) = –c_f(β_r + bω_zv –1 / x – δ) – c_rβ_r (1)
Dabei ist v_x die Fahrtgeschwindigkeit des Fahrzeugs, M und I_z sind die Gesamtmasse und das Gier-Trägheitsmoment des Fahrzeugs, c_f und c_r sind die Seitenführungssteifigkeiten der Vorder- und Hinterachse, b_f und b_r sind die Abstände vom Schwerpunkt des Fahrzeugs zur Vorder- und Hinterachse, b = b_f + b_r, M_z ist das auf das Fahrzeug angewandte aktive Moment und δ ist der Vorderrad-Lenkwinkel.
Eine Sollgierrate ω_zt und ein Sollschiebewinkel β_rt, mit denen die Lenkabsicht des Fahrers widergespiegelt wird, können aus (1) unter Verwendung des gemessenen Lenkradwinkels δ und der geschätzten Fahrgeschwindigkeit v_x als Eingaben berechnet werden. Bei einer solchen Berechnung wird angenommen, dass das Fahrzeug auf einer Straße mit normalen Oberflächenbedingungen (z.B. hohem Friktionswert mit nominaler Seitenführungssteifigkeit c_f und c_r) gefahren wird. Signalaufbereitung, Filterung und nichtlineare Korrekturen für stationäre Grenz-Seitenführung können auch durchgeführt werden, um die Sollgierrate und den Sollschiebewinkel fein abzustimmen. Diese berechneten Sollwerte charakterisieren den beabsichtigten Pfad des Fahrers auf einer normalen Straßenoberfläche.
Der Gierraten-Rückkopplungsregler ist im Wesentlichen ein Rückkopplungsregler, der aus dem Gierfehler (der Differenz zwischen der gemessenen Gierrate und der Sollgierrate) berechnet wird. Wenn das Fahrzeug nach links abbiegt und ω_z ≥ ω_zt + ω_zdbos ist (wobei ω_zdbos ein zeitveränderlicher Totbereich ist) oder das Fahrzeug nach rechts abbiegt und ω _z≤ ω_zt – ω_zdbos ist, übersteuert das Fahrzeug und aktiviert die Übersteuerungs-Steuerfunktion im ESC. Zum Beispiel könnte die aktive Drehmomentanforderung (die auf das Fahrzeug angewandt wird, um die Übersteuerungstendenz zu verringern) wie folgt berechnet werden: während eines Linksabbiegens: M_z = min(0, –k_os(ω_z – ω_zt – ω_zdbos)) während eines Rechtsabbiegens: M_z = max(0, –k_os(ω_z – ω_zt + ω_zdbos)) (2) wobei k_os ein geschwindigkeitsabhängiger Verstärkungsfaktor ist, der wie folgt definiert werden könnte:
wobei die Parameter k₀, k_dbl, k_dbu, v_xdbl, v_xdbu abstimmbar sind.
Im Fall ω_z ≤ ω_z – ω_zdbus (wobei ω_zdbus ein zeitveränderlicher Totbereich ist) wird, wenn das Fahrzeug nach links abbiegt, oder ω_z ≥ ω_z + ω_zdbus, wenn das Fahrzeug nach rechts abbiegt, die Untersteuerungs-Steuerfunktion im ESC aktiviert. Die aktive Drehmomentanforderung kann wie folgt berechnet werden: während eines Linksabbiegens: M_z = max(0, – k_us(ω_z – ω_zt + ω_zdbus)) während eines Rechtsabbiegens: M_z = min(0, –k_us(ω_z – ω_zt – ω_zdbus)) (4) wobei k_us ein abstimmbarer Parameter ist.
Der Schiebewinkelregler ist ein ergänzender Rückkopplungsregler zu dem oben erwähnten Übersteuerungs-Gierrückkopplungsregler. Er vergleicht die Schiebewinkel-schätzung β_r mit dem Sollschiebewinkel β_rt. Wenn die Differenz eine Schwelle β_rdb übersteigt, wird die Schiebewinkel-Rückkopplungssteuerung aktiviert. Zum Beispiel wird die aktive Drehmomentanforderung wie folgt berechnet: während eines Linksabbiegens β_r ≥ 0:M_z = min(0, k_ss(β_r – B_rt – B_rdb) – k_sscmpβ ._rcmp) während eines Rechtsabbiegens β_r < 0:M_z = max(0, k_ss(β – B_rt + B_rdb) – k_sscmpβ ._rcmp) (5) wobei k_ss und k_sscmp abstimmbare Parameter sind und β ._rcmp eine kompensierte Zeitableitung des Schiebewinkels ist.
Andere Rückkopplungs-Steuerterme auf der Basis von Variablen wie Gierbeschleunigung und Schiebewinkelgradient können ähnlich erzeugt werden. Wenn die dominante Fahrzeugbewegungsvariable entweder die Gierrate oder der Schiebewinkel ist, kann mit dem oben erwähnten aktiven Drehmoment direkt das notwendige Steuerungs-Rad bzw. die Steuerungs-Räder und die Menge an zu dem entsprechenden Steuerungs-Rad- bzw. den entsprechenden Steuerungs-Rädern zu sendenden Bremsdrücken bestimmt werden. Wenn die Fahrzeugdynamik von mehreren Bewegungsvariablen dominiert wird, wird Steuerungsarbitrierung und -priorisierung durchgeführt. Mit dem letztendlichen arbitrierten aktiven Drehmoment werden dann das letztendliche Steuerungs-Rad bzw. die letztendlichen Steuerungs-Räder und der entsprechende Bremsdruck bzw. die entsprechenden Bremsdrücke bestimmt. Zum Beispiel wird während eines Übersteuerungsereignisses das Außen-Vorderrad als das Steuerungs-Rad ausgewählt, während während eines Untersteuerungsereignisses das innere Hinterrad als das Steuerungs-Rad ausgewählt wird. Während eines Falls mit großem Schiebewinkel wird immer das äußere Vorderrad als das Steuerungs-Rad ausgewählt. Wenn sowohl der Schiebewinkel als auch das Übersteuerungsgieren gleichzeitig geschehen, kann die Menge an Bremsdruck berechnet werden, indem man sowohl Gierfehler- als auch die Schiebewinkel-Steuerbefehle integriert.
Neben den obigen Fällen, bei denen die Handhabungsgrenze aufgrund der Lenkmanöver des Fahrers überschritten wird, kann ein Fahrzeug seinen Handhabungs-grenzzustand in seiner Längsbewegungsrichtung erreichen. Zum Beispiel kann Bremsen auf einer verschneiten und eisigen Straße zu blockierten Rädern führen, was den Bremsweg des Fahrzeugs vergrößert. Gasgeben auf einer ähnlichen Straße kann bewirken, dass die Räder durchdrehen, ohne das Fahrzeug voranzutreiben. Aus diesem Grund kann die Handhabungsgrenze auch für diese Nicht-Lenk-Fahrbedingungen verwendet werden. Das heißt, die Bedingungen, bei denen die Reifenlängsbrems- oder Fahrkräfte ihre Spitzenwerte erreichen, können auch in eine Definition der Handhabungsgrenze aufgenommen werden.
Die ABS-Funktion überwacht die Drehbewegung der einzelnen Räder in Bezug auf die Fahrtgeschwindigkeit des Fahrzeugs, was durch die Längsschlupfverhältnisse λ_i mit i = 1, 2, 3, 4 für das linke und rechte Vorderrad und das linke und rechte Hinterrad charakterisiert werden kann, die wie folgt berechnet werden:
wobei t_f und t_r die Halbketten für die Vorder- und Hinterachse sind, ω_i die i-te Radgeschwindigkeitssensorausgabe ist, κ_i der i-te Radgeschwindigkeits-Skalierungsfaktor ist, v_y die Seitengeschwindigkeit des Fahrzeugs an seinem Schwerpunktsort ist und vmin ein voreingestellter Parameter ist, der die zulässige Mindestlängsgeschwindigkeit widerspiegelt. Man beachte, dass (6) nur gültig ist, wenn sich das Fahrzeug nicht im Rückstoßmodus befindet. Wenn das vom Fahrer eingeleitete Bremsen zu viel Schlupf an einem Rad erzeugt (z.B. –λ_i ≥ λ_bp = 20%) gibt das ABS-Modul den Bremsdruck an diesem Rad frei. Ähnlich fordert während eines großen Gasgebens, das einen großen Schlupf am i-ten angetriebenen Rad verursacht, das TCS-Modul eine Motordrehmomentreduktion und/oder auf das entgegengesetzte Rad an derselben Achse angewandten Bremsdruck an. Folglich können ABS- oder TCS-Aktivierungen vorhergesagt werden, indem man überwacht, wie nahe die λ_i bei λ_bp und λ_tp liegen.
III. Der Handhabungsgrenzindex
Obwohl das oben erwähnte ESC (einschließlich ABS und TCS) beim Erreichen seines Sicherheitsziels effektiv ist, sind noch weitere Verbesserungen möglich. Zum Beispiel kann Ergänzung von ESC-Systemen zur Rollstabilitätsregelung wünschenswert sein. Der entsprechenden Korrektur, die ESC versucht, kann jedoch durch den Fahrer oder Umgebungsbedingungen entgegengewirkt werden. Ein schnell fahrendes Fahrzeug, dessen Reifenkräfte weit über die Traktionsfähigkeit der Straße/Reifen hinaus gehen, könnte nicht in der Lage sein, selbst mit ESC-Intervention einen Untersteuerungsunfall zu vermeiden.
Allgemein ausgedrückt würde eine genaue Bestimmung der Handhabungsgrenzbedingungen direkte Messung von Straßen- und Reifeneigenschaften oder intensive Informationen von vielen betreffenden Variablen, wenn direkte Messungen nicht verfügbar sind, umfassen. Zurzeit sind beide dieser Verfahren noch nicht reif genug für Echtzeitimplementierung.
Aufgrund ihres Rückkopplungsmerkmals können ESC-Systeme dafür ausgelegt werden, die potentiellen Handhabungsgrenzbedingungen durch Überwachen der Bewegungsvariablen (Fahrzeughandhabungsparameter) eines Fahrzeugs, wie die in dem letzten Abschnitt beschriebenen, zu bestimmen. Wenn die Bewegungsvariablen um einen bestimmten Betrag (z.B. über bestimmte Totbereiche hinaus) von ihren Referenzwerten abweichen, können die ESC-Systeme beginnen, Differenz-Bremssteuerbefehl(e) zu berechnen und Steuerungs-Rad bzw. Steuerungs-Räder zu berechnen. Der entsprechende Bremsdruck bzw. die entsprechen Bremsdrücke werden dann zu dem Steuerungs-Rad bzw. den Steuerungs-Rädern gesendet, um das Fahrzeug zu stabilisieren. Der Ausgangspunkt der ESC-Aktivierung kann als der Anfang der Handhabungsgrenze aufgefasst werden.
Genauer gesagt kann man eine relative Handhabungsgrenzreserve h_x wie folgt definieren
wobei x die Abweichung einer Bewegungsvariablen von ihrem Referenzwert ist und [x, x ] das Totbereichsintervall definiert, in das x fällt, ohne ESC, ABS oder TCS einzuleiten. x kann eine beliebige der im letzten Abschnitt definierten Steuervariablen (oder eine beliebige andere geeignete Steuervariable) sein.
Der Nutzen des in (7) definierten h_x ist, dass die Fahrbedingungen quantitativ in verschiedene Kategorien eingeteilt werden können. Zum Beispiel können im Fall h_x ≤ 10% die Fahrbedingungen als eine Rotzonenbedingung kategorisiert werden, wobei der Fahrer besonders aufmerksam sein muss oder gewisse spezielle Aktionen unternehmen muss (z.B. Verlangsamen des Fahrzeugs); im Fall 10% < h_x < 40% können die Fahrbedingungen als eine Gelbzonenbedingung kategorisiert werden, bei der der Fahrer zu einem gewissen Grad aufmerksam sein muss; im Fall 40% < h_x ≤ 100% können die Fahrbedingungen als eine Normalbedingung charakterisiert werden. Unter der Normalbedingung muss der Fahrer nur seine normale Fahraufmerksamkeit aufrechterhalten. Es können natürlich auch andere Bereiche verwendet werden.
Spezieller verwende man die im letzten Abschnitt berechneten Steuervariablen zur Besprechung der Berechnung der h_x. Die Gierhandhabungsgrenzreserve in Übersteuerungssituationen h_OS (mit ω_z > ω_zt, wenn das Fahrzeug nach links abbiegt, und ω_z > ω_zt, wenn das Fahrzeug nach rechts abbiegt) kann aus (7) berechnet werden, indem man x = ω_z – ω_zt und x = ω_zdbos = –x setzt, wobei ω_zdbos der in (2) definierte Übersteuerungs-Gierraten-Totbereich ist.
Ähnlich kann die Gierhandhabungsgrenze des Fahrzeugs h_US für Untersteuerungssituationen aus (7) berechnet werden, indem man x = ω_z – ω_zt und x = ω_zdbus = –x setzt, wobei ω_zdbus der in (4) definierte Untersteuerungs-Gierraten-Totbereich ist. Man beachte, dass die oben erwähnten Totbereiche Funktionen der Fahrzeuggeschwindigkeit, des Betrags der Sollgierrate, des Betrags der gemessenen Gierrate usw. sein könnten. Die Totbereiche für die Untersteuerungssituation (x < 0) und die Übersteuerungssituation (x > 0) sind verschieden, und sie sind abstimmbare Parameter.
Die Schiebewinkelhandhabungsgrenzreserve des Fahrzeugs h_SSRA kann aus (7) berechnet werden, indem man x = β_r – β_rt und x = β_rdb = –x setzt.
Die Längshandhabungsgrenzen des Fahrzeugs umfassen die Bedingungen, bei denen sich entweder die Fahr- oder die Bremskraft der Reifen der Handhabungsgrenze nähert. Die Traktionssteuerhandhabungsgrenzreserve für das i-te angetriebene Rad
kann aus (7) berechnet werden, indem man x = λ_i, x = 0 und x = λ_tb setzt. Die ABS-Handhabungsgrenzreserve für das i-te Rad
kann auch aus (7) berechnet werden, indem man x = λ_i, x = λ_bp und x = 0 setzt. Die letzten Traktions- und Bremshandhabungsgrenzreserven können definiert werden als
Man beachte, dass weitere Untersuchungsbedingungen beim Berechnen der oben erwähnten Handhabungsgrenzreserven verwendet werden können. Zum Beispiel könnte man eine der folgenden oder die Kombination einiger der folgenden Bedingungen verwenden, um die Handhabungsgrenzreserve als 0 zu setzen: ein Betrag der Sollgierrate liegt über einer bestimmten Schwelle; ein Betrag der gemessenen Gierrate ist größer als eine bestimmte Schwelle; die Lenkeingabe eines Fahrers übersteigt eine bestimmte Schwelle; oder Extrembedingungen wie die Seitenführungsbeschleunigung des Fahrzeugs ist größer als 0,5 g, die Bremsung des Fahrzeugs ist größer als 0,7g, das Fahrzeug wird mit einer Geschwindigkeit von mehr als einer Schwelle (z.B. 100 mph) gefahren usw.
Um die oben erwähnten Handhabungsgrenzreservenberechnungen zu prüfen und ihre Effektivität mit Bezug auf bekannte Fahrbedingungen zu verifizieren, wurde ein Fahrzeug, das mit einem Forschungs-ESC-System ausgestattet ist, das in der Ford Motor Company entwickelt wurde, zum Durchführen von Fahrzeugprüfung verwendet.
Für die in 2 abgebildeten Fahrbedingungen, die durch Fahrzeuggeschwindigkeit, Drosselung und Bremsen profiliert werden, sind die gemessenen und berechneten Fahrzeugbewegungsvariablen in 3A bis 3C gezeigt. Die entsprechenden einzelnen Handhabungsgrenzreserven h_US, h_OS, h_TCS, h_ABS und h_SSRA sind in 4A bis 4c gezeigt. Diese Prüfung wurde als Freiformslalom auf einer Schneestrecke durchgeführt, wobei alle ESC-Berechnungen laufen. Die Bremsdruckanwendung wurde ausgeschaltet, damit das Fahrzeug sich den wahren Grenzhandhabungsbedingungen nähert.
Als weitere Prüfung wurde das Fahrzeug auf einer Straße mit hohem Friktionswert gefahren. Geschwindigkeits-, Traktions- und Bremsprofile des Fahrzeugs für diese Prüfung sind in 5 abgebildet. Die Fahrzeugbewegungszustände sind in 6A bis 6C gezeigt. Die entsprechenden einzelnen Handhabungsgrenzreserven h_US, h_OS, h_TCS, h_ABS und h_SSRA sind in 7A und 7B gezeigt.
Eine Hüllkurvenvariable aller einzelnen Handhabungsgrenzreserven ist definiert als h_env = min{h_OS, h_US, h_TCS, h_ABS, h_SSRA} (9)
Unter Berücksichtigung, dass plötzliche Änderungen der Hüllkurven-Handhabungsgrenzreserve auf Signalrauschen zurückzuführen sein könnten, wird ein Tiefpassfilter F(z) zum Glätten von h_env verwendet, um den letztendlichen Index oder die Reserve für die Handhabungsgrenze (HL) zu erhalten, h = F(z)h_env (10)
Für die in 2 und 3A bis 3C gezeigten Fahrzeugprüfdaten ist die letztendliche Handhabungsgrenzreserve in 8 abgebildet, während für die in 5 und 6A bis 6C gezeigten Fahrzeugprüfdaten die letztendliche Handhabungsgrenzreserve in 9 abgebildet ist.
Der HL-Index kann eine kontinuierliche Variable zwischen 0 und 1 bereitstellen und angeben, wie nahe der Fahrer der Handhabungsgrenze des Fahrzeugs ist (wobei ein Wert von 1 angibt, dass sich der Fahrer bei der Handhabungsgrenze des Fahrzeugs befindet). Dieser auf Modellen basierende HL-Index kann besonders wichtige Fahranforderungsinformationen zum Beispiel während Straßenfahrbedingungen mit kleinem μ bereitstellen.
Unter der Annahme, dass mehr visuelle, physische und kognitive Aufmerksamkeit erforderlich ist, um die Fahrzeugkontrolle aufrechtzuerhalten, wenn sich das Fahrzeug seiner Handhabungsgrenze nähert, können Fahrerarbeitslastinformationen aus dem HL-Index gefolgert werden. Mit zunehmender Arbeitslast des Fahrers nimmt der HL-Index zu. Mit abnehmender Arbeitslast des Fahrers nimmt der HL-Index ab.
IV. Der Fahrersteueraktionsindex
Der Fahrersteueraktionsindex (DCA) kann eine kontinuierliche Variable zwischen 0 und 1 bereitstellen, die die Gesamtvariabilität der Steueraktion (oder des Aktivitätsniveaus) des Fahrers zum Beispiel in Bezug auf Beschleunigung, Bremsen, Lenken, Puls, Atmung, Augen-Blick, Kopf- oder Handgelenkhaltung, galvanisches Hautansprechverhalten usw. angibt. Solche fahrerbezogenen Daten können zum Beispiel unter Verwendung beliebiger geeigneter oder bekannter Sensoren (z.B. Pulssensoren, Kameras usw.) gesammelt werden. Erhöhte Variabilität von der Betriebsnorm des Fahrers aus kann erhöhte Fahranforderungen widerspiegeln und umgekehrt. Der DCA-Index kann somit ein Maß für die Variabilität (Fahranforderungen) bereitstellen, die verschiedenen Fahrern zugeordnet ist, die verschiedene Normen von Fahrzeugsteueraktion (oder Aktivitätsniveau) aufweisen.
Man betrachte zum Beispiel die Auswirkung der Gaspedalvariabilität auf die Fahranforderungen. Mit Bezug auf 10 und 11 sind Echtzeit-Gaspedalpositionen als Funktion der Zeit für beispielhafte Umstände hoher Anforderungen bzw. niedriger Anforderungen aufgetragen. In dem Fall hoher Anforderungen ist relativ zu dem Fall niedriger Anforderungen beträchtlich mehr Variabilität des Gaspedals ersichtlich. Der physische oder physiologische Zustand des Fahrers (z.B. Puls, Atmung, Augen-Blick, Kopf- oder Handgelenkhaltung, galvanisches Hautansprechverhalten usw.) weist auch mit sich ändernden Anforderungen charakteristische Variabilität auf.
Die Standardabweichung der Gaspedalpositionen von 10 und 11 sind jeweils in 12 und 13 aufgetragen.
Mit Bezug auf 14 werden unter Verwendung der gamma-Funktion mit der Standardform
probabilistische Anpassungen an die Verteilungen von 12 und 13 erzeugt, wobei a der Skalierungsfaktor und b der Formfaktor ist. Die gestrichelte Linie repräsentiert die Standardabweichungsverteilung bei niedrigen Fahranforderungen, und die durchgezogene Linie repräsentiert die Standardabweichungsverteilung bei hohen Fahranforderungen. Diese probabilistischen Verteilungen der Gaspedalvariabilität zeigen Niveaus der Unterscheidung zwischen den Fahranforderungskategorien und anwesende Gelegenheiten zur Klassifikation. Zum Beispiel würde eine Standardabweichung von 2% eine höhere Wahrscheinlichkeit aufweisen, für niedrige Fahranforderungen charakteristisch zu sein, während eine Standardabweichung von 10% eine höhere Wahrscheinlichkeit aufweisen würde, für hohe Fahranforderungen charakteristisch zu sein, usw. Diese Technik kann ähnlich auf die Bremspedalstellung, den Lenkradwinkel und/oder andere Fahrersteueraktionsparameter angewandt werden. Daher kann der DCA-Index die Fahranforderungen auf der Basis der Variabilität der Fahreraktion am Gaspedal, Bremspedal, Lenkrad usw. schätzen.
Die Mittelwerte der in 14 gezeigten Standardabweichungsvariabilität können sich mit verschiedenen Fahrern ändern. Die DCA-Index-Berechnung kann diese sich ändernden Mittelwerte berücksichtigen und die relative Variabilität berechnen. Die Ableitung der Fahrereingaben kann auch aufgenommen werden, um Erwartungs-Aktion zu erfassen. Diese Varianzberechnung lässt sich aus einer Analyse der Determinante der Kovarianz für jeden der Faktoren (z.B. Gaspedalposition/-rate, Bremspedalposition/-rate, Lenkradwinkelposition/-rate, Puls/Änderungsrate des Pulses, Atmung/Änderungsrate der Atmung usw.) erhalten.
Der DCA-Index wird bei bestimmten Ausführungsformen durch rekursives Berechnen der Determinante der Kovarianz, die sich auf die Fahranforderungen für jeden der Faktoren auswirkt, auf der Basis der folgenden Gleichungen berechnet: Δx_k = x_k – x _k(12) x _k+1 = (1 – α)x _k + α·x_k (13)
dabei ist x_k ein zweidimensionaler Vektor für jede der Fahrersteueraktionen und ihre Ableitung (zum Zeitpunkt k), x _k ist der Mittelwert (der während jedes Fahrzyklus kontinuierlich aktualisiert und nach jedem Fahrzyklus rückgesetzt werden kann), α ist ein kalibrierter Vergessfaktor, G_k ist die geschätzte inverse Kovarianzmatrix, I ist die Einheitsmatrix, P_k ist die geschätzte Kovarianzmatrix und Δx T / k ist die Transponierung von Δx_k aus (12).
Die rekursiv berechnete Determinante der Kovarianzmatrix det wird gegeben durch det_k+1 = (1 – α)ⁿdet_k·(1 + α·Δx_k·G_k·Δx T / k (16) wobei n die Größe des Vektors x_k ist. Sie gibt ein Maß für die geschätzte Variabilität von Fahrerbeschleunigung, Bremsen, Lenken, Puls, Atmung, Augen-Blick, Kopf- oder Handgelenkhaltung, galvanischem Hautansprechverhalten usw. relativ zu dem Mittelwert eines bestimmten Fahrers für diese Parameter. Sie gibt außerdem ein ein-dimensionales Maß für die Gesamtvarianz, das verfolgt werden kann, um signifikante Änderungen der aggregierten Variabilität von Fahrersteueraktionen (oder Aktivitätsniveau) zu erfassen.
Der letztendliche DCA-Index kann auf ein kontinuierliches Signal zwischen 0 und 1 skaliert werden und kann gegeben werden durch DCAIndex = max(Gas – Ped. – Varianz, Brems – Ped. – Varianz, Lenkvarianz usw.) (17)
Die in 15A aufgetragene Gaspedalposition und der in 15B aufgetragene Lenkradwinkel wurden unter Verwendung der obigen Techniken analysiert. 15C zeigt beispielhafte Ausgaben für den DCA-Index auf der Basis der Eingaben von 15A und 15B. Die Determinante der Kovarianzmatrix (16) gibt ein Maß in diesem Fall für die geschätzte Variabilität der Fahrerbeschleunigung und Lenkleistung. Die jeweiligen Variabilitäten wurden normiert und aggregiert, indem ihre Maximalwerte genommen werden, um den DCA-Index, so wie in 15C aufgetragen, zu ergeben. Die Fahrzeuggeschwindigkeit ist in 15D zur Bezugnahme aufgetragen. Erhöhte Variabilität wird auf der DCA-Indexskala als Werte erfasst, die 1 näher sind (wodurch höhere Fahranforderungen angegeben werden), während verminderte Variabilität auf der Skala als Werte zum Beispiel zwischen 0 und 0,2 erfasst wird (wodurch niedrige Fahranforderungen angegeben werden).
Ein ein-dimensionaler Vektor (Signal), der physiologisches Ansprechverhalten repräsentiert, kann in anderen Beispielen angewandt werden, um rechnerische Betriebsmittel zu minimieren. Die Ausgangsmessungen aus Puls, Atmung, Augen-Blick, galvanischem Hautansprechverhalten usw. des Fahrers können auf der Basis von Gleichung 13 rekursiver Signalverarbeitung unterzogen werden. Wie bei der Gierrate und dem Sollschiebewinkel wie in Abschnitt II beschrieben können Signalaufbereitung, Filterung und nichtlineare Korrekturen auf die Ausgangsmessungen vor oder gleichzeitig mit der rekursiven Signalverarbeitung angewandt werden. Der Index wird dann erhalten, indem man direkt die normierte Varianz rekursiv berechnet. Dies kann ein direktes Maß für Fahrerbedingungen auf der Basis von Aktivität und Arbeitslast für angepasstes Fahrzeuginformations- und Konnektivitätsmanagement geben. Der Index kann direkt zur Fahrzeug- und Anschlussdienste-Informationskoordination aufgenommen werden oder kann in einem insgesamten Arbeitslastschätzerindex aggregiert werden.
V. Der Instrumentenpanelindex
Fahrerinteraktion mit dem Instrumentenpanel und/oder anderen Berührung/Sprache betreffenden Schnittstellen kann eine Angabe für Fahreraktivität bereitstellen. Eine Erhöhung eines solchen Fahreraktivitätsniveaus kann kognitive Anforderungen an den Fahrer vergrößern. Wie in Tabelle 1 angegeben, kann eine Zunahme der Fahrer-Tastenbetätigungsaktivität die Fahrerarbeitslast vergrößern. Die Häufigkeit der Interaktion mit Fahrgastraumbedienelementen wie Scheibenwischer-steuerung, Klimatisierung, Lautstärkeregelung, Blinker, Mittelkonsole, Fenstersteuerung, elektrische Sitzsteuerung, Sprachbefehlsschnittstelle usw. kann zu einem zusammengesetzten Index aggregiert werden. Der Instrumentenpanel- bzw. IP-Index stellt somit eine kontinuierliche Ausgabe (zwischen 0 und 1) bereit, die die Interaktion des Fahrers mit dem Instrumentenpanel, Elektronik und/oder beliebiger anderer HMI repräsentiert.
Wenn zum Beispiel an einem beliebigen Zeitpunkt k eine Taste/Schnittstellenvorrichtung gedrückt/betätigt wird, wird die Ausgabe gegeben durch BP_i(k) = α·BP_i(k – 1) + (1 – α)·1 (18)
Wenn eine Taste/Schnittstellenvorrichtung nicht gedrückt/betätigt wird, wird die Ausgabe gegeben durch BP_i(k) = α·BP_i(k – 1) + (1 – α)·0 (19) wobei BP_i der Taste/Schnittstelle-gedrückt/betätigt-Trackingwert für jede verfolgte Taste/Schnittstelle und α ein kalibrierbarer Vergessfaktor ist.
Die IP-Indexausgabe kann dann durch IPIndex = max(BP₁, BP₂, BP₃₁, BP₄ ... BP_n) (20) gegeben werden, wobei n die Anzahl der verfolgten Tasten/Schnittstellen ist. Der IP-Index kann auch unter Verwendung beliebiger der hier beschriebenen Aggregationstechniken bestimmt werden. Beispielsweise können Techniken, die den mit Bezug auf (28) und (29) nachfolgend beschriebenen ähnlich sind, usw. verwendet werden.
In 16A und 16B sind beispielhafte Blinker- bzw. Klimatisierungsaktivitätseingaben aufgetragen. Der resultierende IP-Index wird gemäß (18), (19) und (20) bestimmt und ist in 16C aufgetragen. Die Anstiegszeit und der stationäre Wert basieren in diesem Beispiel auf der Dauer der Aktivität.
VI. Der Abstandshaltungsindex
Der Abstandshaltungsindex (The Headway Index) stellt eine kontinuierliche Variable zwischen 0 und 1 bereit und gibt an, wie nahe das Fahrzeug an dem Fahrzeug (oder anderen Objekt) vor (oder neben) ihm gefahren wird. Wie in Tabelle 1 angegeben, kann aus verringerter Durchschnittszeit-Abstandshaltung und/oder verringerter Mindestabstandshaltung erhöhte Arbeitslast gefolgert werden.
Die aktuelle geschwindigkeitsabhängige Abstandshaltung kann aus
erhalten werden, wobei r_p(k) die Position des vorausgehenden Fahrzeugs zu einem beliebigen Zeitpunkt k, r_f(k) die Position des folgenden Fahrzeugs und v_f(k) die Geschwindigkeit des folgenden Fahrzeugs ist. Die mittlere Abstandhaltung HW_m(k) kann aus HW_M(k) = HW_M(k – 1) + α(HW_curr – HW_M(k – 1)) (22) erhalten werden, wobei α eine Zeitkonstante für exponentielles Filtern ist, die je nach Wunsch ausgewählt werden kann. Der HW-Index kann dann aus
erhalten werden, wobei γ der HW-Index-Empfindlichkeitsverstärkungsfaktor und HW_MAX ein kalibrierter Wert ist. Der Verstärkungsfaktor kann abhängig von der Abstandshaltungszeit gewählt/angepasst werden, die erforderlich ist, um einen maximalen Index von 1 zu erfüllen.
Bei anderen Ausführungsformen kann der Empfindlichkeitsverstärkungsfaktor zum Beispiel auf der Basis des Fahrertyps gewählt/angepasst werden. Wenn ein Fahrertyp wie „jung“, „alt“, „Jugendlicher“, „Anfänger“, „Experte“ usw. bekannt ist, kann der Empfindlichkeitsverstärkungsfaktor entsprechend justiert werden. Ein Fahrer kann auf der Basis eines Tokens, das er trägt, wie in der Technik bekannt als „jung“, „alt“, „Jugendlicher“ usw. identifiziert werden. Das Token kann durch das Fahrzeug detektiert und zum Identifizieren des Typs des Fahrers verwendet werden. Als Alternative kann das Fahrzeug eine Auswahltaste bereitstellen, die den Fahrer sich selbst nach Typ identifizieren lässt. Zum Klassifizieren eines Fahrers nach Typ kann jedoch eine beliebige geeignete/bekannte Technik verwendet werden. Der Empfindlichkeitsverstärkungsfaktor kann für Fahrer des Typs „Jugendlicher“ und „Anfänger“ vergrößert werden, während der Empfindlichkeitsverstärkungsfaktor für Fahrer des Typs „Experte“ usw. verringert werden kann. Bei anderen Ausführungsformen kann der Empfindlichkeitsverstärkungsfaktor für Fahrer des Typs „Jugendlicher“ und „Anfänger“ höher und für Fahrer des Typs „Experte“ niedriger ausgewählt werden usw. Daher kann der HW-Index, wenn dieselbe Abstandshaltung gegeben ist, für einen „jugendlichen“ Fahrer höher und für einen „Experte“-Fahrer niedriger sein usw.
Als Alternative (oder zusätzlich) kann der Empfindlichkeitsverstärkungsfaktor auf der Basis von Umgebungsbedingungen gewählt/angepasst werden. Nasse oder eisige Straßenbedingungen, die durch eine beliebige geeignete/bekannte Technik bestimmt werden, wie etwa durch Detektion von Radschlupf, können zu einer Vergrößerung des Empfindlichkeitsverstärkungsfaktors führen. Trockene Straßenbedingungen können zu einer Verringerung des Empfindlichkeitsverstärkungsfaktors führen. Jegliche geeignete Umgebungsbedingungen wie Verkehrsdichte, geografischer Ort usw. können zum Auswählen/Ändern des Empfindlichkeitsverstärkungsfaktors verwendet werden.
Abstandshaltungs-Nähe zu Infrastruktur wie Kreuzungen, Bauarbeiten, Straßengeometrie für hohe Anforderungen usw. können auch ähnlich wie in (21), (22) und (23) berechnet werden. In solchen Fällen kann die HW-Indexausgabe durch HWIndex = max(HW₁, HW₂, ... HW_n) (24) gegeben werden, wobei n die Anzahl der Abstandshaltungs-Näheposten mit hohen Fahranforderungen, die verfolgt werden, ist. Es kann auch eine gewichtete Funktion für Gleichung (24) verwendet werden.
Bei anderen Ausführungsformen können vergrößerte Abstandshaltungs-Rückelemente aus erhöhtem Verkehr in angrenzenden Spuren als Vorspannungseingabe für den HW-Index verwendet werden. (Erhöhte Verkehrsdichte kann wie in Tabelle 1 angegeben die Fahranforderungen vergrößern).
Bei weiteren Ausführungsformen kann die Zeit bis zur Kollision im Regime von weniger als 1000 ms verfolgt werden. In Bedingungen eines potentiellen bevorstehenden Unfalls kann die HW-Indexausgabe als Vorgabe auf den Maximalwert von 1 gehen.
Mit Bezug auf 17 kann die Zeit bis zur Kollision t_c folgendermaßen berechnet werden:
wobei V_x die Annäherungsgeschwindigkeit, A_x die relative Beschleunigung und X der Abstand zwischen den Fahrzeugen ist. Die Abstands- und Annäherungsgeschwindigkeitsinformationen können aus einem beliebigen geeigneten/bekannten Radarsystem, Vision-System, Lidar-System, Kommunikationssystem von Fahrzeug zu Fahrzeug usw. erhalten werden.
Hinsichtlich der Berechnung des HW-Index in einem beispielhaften Fahrzeug-Folgeszenario zeigen 18 bis 20 die Gastfahrzeuggeschwindigkeit, Annäherungsgeschwindigkeit und Entfernung zwischen Fahrzeugen während des Szenarios. 21 und 22 zeigen die mittlere Abstandshaltung (berechnet über (22)) bzw. den HW-Index (berechnet über (23)).
VII. Das auf Regeln basierende Subsystem
Wieder mit Bezug auf 1 kann das auf Regeln basierende Subsystem 12 eine Wissensbasis und Fakten zum Bestimmen eines Ereignis-Binärausgangsflags umfassen. Das Subsystem 12 kann spezifische Expertentechnik- und Fahrzeug-Fahrer-Umgebungsinteraktionsregeln zur Ergänzung der anderen Komponenten des Systems 10 bereitstellen. Das Wissen kann als eine Menge von Regeln repräsentiert werden. Spezifische Aktivierung von Fahrzeugsystemen kann integriert werden.
Jede Regel spezifiziert eine Empfehlung der Ausgangsarbeitslast und weist die Struktur IF (Bedingung), THEN (Aktion) auf. Wenn der Bedingungsteil einer Regel erfüllt ist, wird der Aktionsteil ausgeführt. Jede Regel kann eine Empfehlung der Ausgangsarbeitslast (0 oder 1) spezifizieren. Es kann eine Anzahl von Fahrzeugparametern, wie etwa Längsbeschleunigung, seitliche Beschleunigung, Bremsung, Lenkradwinkel, Tastenbetätigung usw. (siehe z.B. die Tabellen 2a und 2b) auf beliebige geeignete/bekannte Weise durch das Subsystem 12 zum Beispiel aus dem CAN-Bus des Fahrzeugs überwacht/erhalten werden. Diesen Parametern und ihre Kombination zugeordnete Fakten können zum Setzen der Bedingungsregeln verwendet werden.
Eine durch das Subsystem 12 implementierte allgemeine Regel kann die folgende Form aufweisen:
Aus den Expertenregeln werden spezifische Verzögerungen oder Beschränkung von Infotainment- oder Fahrgastraumsystemen während Ereignissen freigegeben. Die auf Regeln basierende Ausgabe kann weiter verarbeitet werden, um eine relative Ausgabeaggregation auf der Basis der Benutzung eines spezifischen Merkmals und des Expertenprinzips für die Fahranforderungen für die Bedingung bereitzustellen.
Regeln können auf den Informationen basieren, die zum Beispiel in den obigen Tabellen 2a und 2b aufgelistet sind. Wenn zum Beispiel Lenkwinkel > 105 Grad ist, gilt Ereignis_Flag = 1. Es können natürlich auch andere Regeln konstruiert werden.
VIII. Aggregation
Eines oder mehrere des HW-Index, DCA-Index, IP-Index und HL-Index können durch das Subsystem 14 aggregiert werden, um unter Verwendung von nachfolgend beschriebenen Techniken einen Tracking- bzw. T-Index zu bilden. Bei Ausführungsformen, bei denen nur ein Index verwendet/berechnet/bestimmt wird, kann jedoch keine Aggregation notwendig sein.
Bei bestimmten Ausführungsformen kann kurzfristige Aggregation verwendet werden, um Informationen/Tasks, die zum Fahrer zu übermitteln sind, einzuteilen/zu verzögern/ zu unterdrücken. Bei Bedingungen, bei denen die höchsten bewerteten Fahranforderungen erforderlich sind, kann der T-Index gegeben werden durch TIndex = max(DCAIndex, IPIndex, HLIndex, HW Index) (27)
Bei anderen Ausführungsformen wird eine kontextabhängige Aggregation für Ausgabekombinationen von Mittelwert/Maximum der Indexwerte wie nachfolgend beschrieben verwendet. Mit Bezug auf 1 können zum Beispiel der DCA-Index, IP-Index, HL-Index und HW-Index durch das Subsystem 14 kombiniert werden, um einen T-Index zu bilden, der durch
gebildet wird, wobei w_i kontextabhängige Gewichte sind, die von dem Fahranforderungswert abhängen, der auf den Eingang gelegt wird. Entwicklung von (28) ergibt
wobei WLE_DCA, WLE_IP, WLE_HL und WLE_HW Ausgaben des DCA-Index, IP-Index, HL-Index bzw. HW-Index sind. Die entsprechenden Gewichte werden durch w_DCA, w_IP, w_HL und w_HW. gegeben.

In Tabelle 3 und 4 sind beispielhafte Regeln zur Aggregation aufgelistet. Tabelle 3 Beispielhafte Regeln für Aggregation auf Kontextbasis

Regel	Falls DCA-Index ist	Falls IP-Index ist	Falls HL-Index ist	Falls HW-Index ist	Berechne WLE-Index; Max = 1,0 Min = 0,0; Bei Nacht ist bias = +0,2
1	Hoch	Hoch	Hoch	Hoch	Mittelwert von 4 Indizes: w(Vektor) = [1 1 1 1]
2	Hoch	Hoch	Hoch	Niedrig	Mittelwert von 3 Indizes: w(Vektor) = [1 1 1 0]
3	Hoch	Hoch	Niedrig	Niedrig	Mittelwert von 2 Indizes: w(Vektor) = [1 1 0 0]
4	Hoch	Niedrig	Niedrig	Niedrig	Max: w(Vektor) =[1 0 0 0]
5	Niedrig	Hoch	Niedrig	Niedrig	Max: w(Vektor) =[0 1 0 0]
6	Niedrig	Niedrig	Hoch	Niedrig	Max: w(Vektor) =[0 0 1 0]
7	Niedrig	Niedrig	Niedrig	Hoch	Max: w(Vektor) =[0 0 0 1]

Tabelle 4 Weitere beispielhafte Regeln zur Aggregation auf Kontextbasis

Regel	Falls DCA-Index ist	Falls IP-Index ist	Falls HLM-Index ist	Falls HWM-Index ist	Berechne WLE-Index; Max = 1,0 Min = 0,0; Bei Nacht ist bias = +0,2; Bei Hochverkehrsbedingung ist bias = +0,2
8	Niedrig	Niedrig	Niedrig	Niedrig	Mittelwert von 4 Indizes: w(Vektor) = [1 1 1 1]
9	Niedrig	Hoch	Hoch	Hoch	Mittelwert von 3 Indizes: w(Vektor) = [0 1 1 1]
10	Niedrig	Niedrig	Hoch	Hoch	Mittelwert von 2 Indizes: w(Vektor) = [0 0 1 1]
11	Hoch	Niedrig	Hoch	Niedrig	Mittelwert von 2 Indizes: w(Vektor) = [1 0 1 0]
12	Niedrig	Hoch	Niedrig	Hoch	Mittelwert von 2 Indizes: w(Vektor) = [0 1 0 1]
13	Niedrig	Hoch	Hoch	Niedrig	Mittelwert von 2 Indizes: w(Vektor) = [0 1 1 0]
14	Hoch	Niedrig	Hoch	Hoch	Mittelwert von 3 Indizes: w(Vektor) = [1 0 1 1]
15	Hoch	Hoch	Niedrig	Hoch	Mittelwert von 3 Indizes: w(Vektor) =[1 1 0 1]
16	Hoch	Niedrig	Niedrig	Hoch	Mittelwert von 2 Indizes: w(Vektor) =[1 0 0 1]

Das Subsystem 16 kann die oben mit Bezug auf das Subsystem 14 beschriebenen Techniken verwenden, um den auf Regeln basierenden Index und den T-Index zu dem WLE-Index zu aggregieren. Beispielsweise kann der WLE-Index gegeben werden durch: WLEIndex = max(T – Index, auf Regeln basierender Index) (30)
In 23A bis 23C sind ein beispielhafter auf Regeln basierender Index, IP-Index bzw. DCA-Index aufgetragen. Diese Indizes wurden unter Verwendung der hier beschriebenen Techniken aggregiert und in 23D für Bedingungen aufgetragen, bei denen die Situationen der höchsten Fahranforderungen, die bewertet werden, betrachtet werden. Die Fahrzeuggeschwindigkeit ist zur Bezugnahme in 23E aufgetragen.
IX. Langfristige Charakterisierung
Bei anderen Ausführungsformen kann der WLE-Index über die Zeit hinweg charakterisiert werden, um HMI-Empfehlungen durch das Subsystem 16 und/oder den Dispatcher 18 (abhängig von der Konfiguration) bereitzustellen. Langfristige WLE-Charakterisierung kann ein Anpassen der HMI an den Fahrer auf der Basis der Fahranforderungen über die Zeit hinweg ermöglichen. Man betrachte zum Beispiel, dass r_k eine Variable ist, die den WLE-Indexwert für den Fahrer (zu einem beliebigen Zeitpunkt k) widerspiegelt. Man nehme an, dass die Fahranforderungen mit Fuzzy-Zugehörigskeitsfunktionen μ_a, μ_b, μ_c, wie in 24 definiert, in drei Klassen wie {a, b, c} eingeteilt werden. Dann kann das Fahrverhalten d_k aus der folgenden beispielhaften Berechnung gefolgert werden: d_k = [μ_a(r_k), μ_b(r_k), μ_c(r_k )] (31)
Wenn zum Beispiel r_k einen Wert von 0,4 aufweist, kann d_k (gemäß 24) als [0,18, 0,62, 0] repräsentiert werden. Die gefilterte (langfristige) Version des Fahrverhaltens
kann folgendermaßen ausgedrückt werden:
wobei α ein kalibrierbarer Vergessfaktor ist (der somit den Zeitraum spezifiziert/bestimmt, in dem die langfristige Version des Fahrverhaltens
ausgewertet wird). Die langfristige Wahrscheinlichkeit für jede der Klassen (p_k)_i kann erhalten werden aus
Gemäß (33) wird die gefilterte Version des Fahrverhaltens für jede der Klassen
durch die Summe der gefilterten Version des Fahrverhaltens für alle der Klassen
dividiert. Wenn zum Beispiel
als [0, 0,16, 0,38] repräsentiert wird, wäre (p_k)_a gleich 0 dividiert durch 0 + 0,16 + 0,38((p_k)_a wäre gleich 0), (p_k)_b wäre gleich 0,16, dividiert durch 0 + 0,16 + 0,38 ((p_k)_b wäre gleich 0,29) und (p_k)_c wäre gleich 0,38, dividiert durch 0 + 0,16 + 0,38((p_k)_c wäre gleich 0,71).
Die letztendliche langfristige WLE-Indexcharakterisierung der Fahranforderungen i_k kann dann aus Folgendem gefolgert werden:
Unter Verwendung des obigen Beispiels ist das Maximum der (p_k)_i-Werte 0,71 ((p_k)_c). Daher kann aus (34) gefolgert werden, dass das Fahrverhalten derzeit in der Klasse „hohe Anforderungen“ ist.
X. Der Dispatcher
Der Dispatcher 18 kann den berechneten WLE-Index, die langfristige Charakterisierung des WLE-Index oder einen beliebigen des DCA-Index, IP-Index, HL-Index und HW-Index (bei Ausführungsformen, bei denen nur ein einziger Index verwendet/berechnet/bestimmt wird) zum Modulieren der Interaktion zwischen den Infotainment- und/oder anderen Dialogsystemen und dem Fahrer anwenden. Der WLE-Index stellt die geschätzte Arbeitslast bereit, die zum Setzen/Vermeiden/Anpassen/Begrenzen/Einteilen von Sprachbefehlen und anderen dem Fahrer zu präsentierenden Tasks verwendet wird, um Funktionalität und Sicherheit zu verbessern.
Beispielhafte Interaktion mit dem Fahrer, ob verdrahtet oder drahtlos, wäre Erzeugen von Text-zu-Sprache-Meldungen, Erzeugen von Avatar-Übermittlungen, Erzeugen von Benachrichtigungen hinsichtlich ankommender Telefonanrufe, Erzeugen von proaktiven Kraftübertragungsbefehlen, Erzeugen von proaktiven Sprach-empfehlungen, Erzeugen einer taktilen Antwort zum Beispiel über ein taktiles Lenkrad oder Erzeugen von anderen Audio-, visuellen und/oder taktilen Ausgaben usw. Jeder dieser beispielhaften Fahrerschnittstellentasks kann eine Priorität zugeordnet sein. Zum Beispiel kann das Erzeugen einer Benachrichtigung hinsichtlich eines ankommenden Telefonanrufs eine hohe Priorität aufweisen, während das Erzeugen einer proaktiven Sprachempfehlung eine niedrige Priorität aufweisen kann.
Es kann eine beliebige geeignete/bekannte Technik verwendet werden, um einer gegebenen Fahrerschnittstellentask einen Prioritätstyp zuzuweisen. Beispielsweise kann der Dispatcher 18 eine Hoch/Niedrig-Prioritätskonvention implementieren, bei der alle hinsichtlich ankommender Telefonanrufe zu erzeugende Benachrichtigungen eine hohe Priorität zugewiesen bekommen und alle vom Fahrzeug eingeleiteten Empfehlungen, die zum Fahrer zu übermitteln sind, eine niedrige Priorität zugewiesen bekommen. Es können jedoch auch andere Prioritätsschemata verwendet werden. Beispielsweise können Zahlen zwischen 0 und 1,0 die Priorität einer Task repräsentieren: bestimmten Tasks kann eine Priorität von 0,3 zugewiesen werden, während anderen Tasks eine Priorität von 0,8 zugewiesen werden kann usw. Bei anderen Ausführungsformen kann der einer Fahrerschnittstellentask zugeordnete Prioritätstyp durch die Steuerung/den Prozessor/das Subsystem (nicht gezeigt) zugewiesen werden, die bzw. der bzw. das die Task erzeugt hat, wie in der Technik bekannt ist.
Bestimmte Ausführungsformen können somit eine modulierte Präsentation von Fahrerschnittstellentasks auf der Basis der Arbeitslast und Priorität gestatten. Wenn zum Beispiel der WLE-Index (oder ein beliebiger der Indizes je nach Fall) einen Wert zwischen 0,4 und 0,6 aufweist, kann der Dispatcher 18 die Ausführung nur von Fahrerschnittstellentasks hoher Priorität erlauben. Der Dispatcher 18 kann Tasks mit niedriger Priorität für spätere Ausführung abhängig davon einteilen, dass der WLE-Index einen Wert von weniger als 0,4 erreicht. Wenn zum Beispiel der WLE-Index einen Wert zwischen 0,7 und 1,0 aufweist, kann der Dispatcher 18 die Ausführung aller Fahrerschnittstellentasks verhindern. Während dieser Zeiten hoher Arbeitslast kann der Dispatcher 18 Tasks hoher Priorität für spätere Ausführung abhängig davon einteilen, dass der WLE-Index einen Wert von weniger als 0,7 erreicht, und Tasks niedriger Priorität für spätere Ausführung abhängig davon einteilen, dass der WLE-Index einen Wert von weniger als 0,4 erreicht.
Ähnlich können, wenn das langfristige Fahrverhalten als „hohe Anforderung“ charakterisiert wird, bestimmte/alle Tasks ungeachtet ihrer Priorität suspendiert/verzögert/eingeteilt werden, bis das langfristige Fahrverhalten als „mittlere Anforderung“ oder „geringe Anforderung“ charakterisiert wird. Wenn als Alternative das langfristige Fahrverhalten eine beliebige Wahrscheinlichkeit aufweist, zum Beispiel in der Klasse „hohe Anforderung“ zu sein, können bestimmte/alle Tasks suspendiert/verzögert/eingeteilt werden, bis die Wahrscheinlichkeit, in „hohe Anforderungen“ zu sein, null ist. Es sind natürlich auch andere Szenarien möglich. Bei Ausführungsformen, bei denen zum Beispiel kein Prioritätstyp zum Kategorisieren von Tasks verwendet wird, können abhängig von der gefolgerten Arbeitslast alle Tasks suspendiert/verzögert/eingeteilt werden.
Im Fall eines ankommenden Telefonanrufs, der während Zeiten hoher Arbeitslast empfangen wird, kann der Dispatcher 18 den Anruf an ein Voicemailsystem weiterleiten. Nachdem der WLE-Index einen geeigneten Wert erreicht hat, kann der Dispatcher 18 eine Benachrichtigung erzeugen, die angibt, dass ein Anruf empfangen wurde.
Die hier offenbarten Algorithmen können mittels einer verdrahteten oder drahtlosen Übertragung zu einer Verarbeitungsvorrichtung, wie etwa beliebigen/allen der Systeme 12, 13, 14, 16, 18 ablieferbar sein, wozu beliebige existierende elektronische Steuereinheiten oder dedizierte elektronische Steuereinheiten in vielen Formen gehören können, darunter, aber ohne Beschränkung darauf, Informationen, die permanent auf nicht beschreibbaren Speichermedien wie ROM-Vorrichtungen gespeichert werden, und Informationen, die veränderbar auf beschreibbaren Speichermedien wie Disketten, Magnetbändern, CDs, RAM-Vorrichtungen und anderen magnetischen und optischen Medien gespeichert werden. Die Algorithmen können auch in einem ausführbaren Softwareobjekt implementiert werden. Als Alternative können die Algorithmen ganz oder teilweise unter Verwendung geeigneter Hardwarekomponenten realisiert werden, wie etwa ASIC (Anwendungsspezifische Integrierte Schaltungen), FPGAs (Am Einsatz Programmierbar Gatearrays), Automaten, Steuerungen oder anderer Hardwarekomponenten oder -vorrichtungen, die mobil oder nichtmobil sind, oder einer Kombination von Hardware-, Software- und Firmwarekomponenten.
Obwohl Ausführungsformen der Erfindung dargestellt und beschrieben wurden, ist es nicht beabsichtigt, dass diese Ausführungsformen alle möglichen Formen der Erfindung darstellen und beschreiben. Die in der Beschreibung verwendeten Wörter sind nicht Wörter der Beschränkung, sondern der Beschreibung, und es versteht sich, dass verschiedene Änderungen vorgenommen werden können, ohne vom Wesen und Schutzumfang der Erfindung abzuweichen.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Nicht-Patentliteratur

ISO-8855 [0040]

Claims

Fahrerschnittstellensystem, umfassend: einen Prozessor, programmiert zum Empfangen von auszuführenden Fahrerschnittstellentasks und selektiven Verzögern oder Verhindern der Ausführung mindestens eines Teils der Fahrerschnittstellentasks auf der Basis einer Fahrerarbeitslast, die aus einer Variabilität eines Aktivitätsniveaus eines Fahrers relativ zu einem Mittelwert des Aktivitätsniveaus, repräsentiert durch eine rekursiv berechnete Determinante einer Kovarianz des Aktivitätsniveaus, abgeleitet wird.
Fahrerschnittstellensystem nach Anspruch 1, wobei der Prozessor ferner dafür programmiert ist, das Aktivitätsniveau zu überwachen.
Fahrerschnittstellensystem nach Anspruch 2, wobei das Aktivitätsniveau auf Daten von einem tragbaren Sensor basiert.
Fahrerschnittstellensystem nach Anspruch 3, wobei Ausgaben des tragbaren Sensors physiologische Daten, Beschleunigungsmessdaten oder geografische Ortsdaten umfassen.
Fahrerschnittstellensystem nach Anspruch 1, wobei der Prozessor ferner dafür programmiert ist, drahtlos Signale zu empfangen, die das Aktivitätsniveau angeben.
Fahrerschnittstellensystem nach Anspruch 1, wobei der Prozessor ferner dafür programmiert ist, die Determinante rekursiv zu berechnen.
Fahrerschnittstellensystem nach Anspruch 6, wobei der Prozessor ferner dafür programmiert ist, ein Bandpassfilter auf Signale anzuwenden, die das Aktivitätsniveau angeben, bevor die Determinante rekursiv berechnet wird.
Fahrerschnittstellensystem nach Anspruch 1, wobei die Determinante rekursiv durch einen tragbaren Sensor berechnet wird.
Fahrerschnittstellensystem nach Anspruch 1, wobei die Determinante rekursiv durch ein Mobiltelefon berechnet wird.
Fahrerschnittstellensystem nach Anspruch 1, wobei der Prozessor in einem Mobiltelefon angeordnet ist.
Fahrerschnittstellensystem nach Anspruch 1, wobei der Prozessor in einem tragbaren Sensor angeordnet ist.
Fahrerschnittstellensystem nach Anspruch 1, wobei der Prozessor ferner dafür programmiert ist, ein Bandpassfilter auf Signale anzuwenden, die das Aktivitätsniveau angeben.
Fahrerschnittstellensystem nach Anspruch 1, wobei der Prozessor ferner dafür programmiert ist, als Reaktion auf selektives Verzögern oder Verhindern Ausgaben zu erzeugen, die einen Audio-, visuellen oder taktilen Hinweis angeben.
Verfahren zum Betrieb eines Fahrerschnittstellensystems, umfassend: selektives Verzögern oder Verhindern der Ausführung von Fahrerschnittstellentasks auf der Basis einer Fahrerarbeitslast, die aus einer Variabilität eines Aktivitätsniveaus eines Fahrers relativ zu einem Mittelwert des Aktivitätsniveaus, repräsentiert durch eine rekursiv berechnete Varianz des Aktivitätsniveaus, abgeleitet wird.
Verfahren nach Anspruch 14, ferner umfassend drahtloses Empfangen von Signalen, die das Aktivitätsniveau angeben.
Verfahren nach Anspruch 14, ferner umfassend rekursives Berechnen der Varianz.
Verfahren nach Anspruch 14, ferner umfassend Erzeugen von Ausgaben, die einen Audio-, visuellen oder taktilen Hinweis angeben, als Reaktion auf das selektive Verzögern oder Verhindern.
Fahrerschnittstellensystem, umfassend: einen Prozessor, programmiert zum selektiven Verzögern der Ausführung von Fahrerschnittstellentasks auf der Basis einer Variabilität eines Aktivitätsniveaus eines Fahrers relativ zu einem Mittelwert des Aktivitätsniveaus, repräsentiert durch eine rekursiv berechnete Determinante einer Kovarianz des Aktivitätsniveaus.
Fahrerschnittstellensystem nach Anspruch 18, wobei das Aktivitätsniveau auf Daten von einem tragbaren Sensor basiert.
Fahrerschnittstellensystem nach Anspruch 18, wobei der Prozessor in einem tragbaren Sensor angeordnet ist.