DE102016210027A1

DE102016210027A1 - Verfahren Vorrichtung und System zur Falschfahrererkennung

Info

Publication number: DE102016210027A1
Application number: DE102016210027.0A
Authority: DE
Inventors: Simon Geisler
Original assignee: Robert Bosch GmbH
Current assignee: Robert Bosch GmbH
Priority date: 2016-06-07
Filing date: 2016-06-07
Publication date: 2017-12-07
Also published as: US20190279504A1; EP3465653A1; WO2017211489A1; US10769942B2; JP2019519044A; CN109313851B; CN109313851A

Abstract

Die Erfindung betrifft ein Verfahren zur Falschfahrererkennung mit einem Schritt des Einlesens von Positionsdaten (106) über eine Schnittstelle, wobei die Positionsdaten (106) eine gemessene Position eines Fahrzeugs (100) repräsentieren, einem Schritt des Einlesens von Kartendaten (116), die von dem Fahrzeug (100) befahrbare Straßenabschnitte abbilden, einem Schritt des Einlesens einer Mehrzahl von Partikeln, wobei ein Partikel eine angenommene Position des Fahrzeugs (100) und eine der angenommenen Position zugeordnete Gewichtung repräsentiert, und einem Schritt des Bestimmens einer Abweichung zwischen der Mehrzahl von Partikeln und der von den Positionsdaten (106) repräsentierten gemessenen Position unter Verwendung der Kartendaten (116).

Description

Stand der Technik
Die Erfindung geht aus von einer Vorrichtung oder einem Verfahren nach Gattung der unabhängigen Ansprüche. Gegenstand der vorliegenden Erfindung ist auch ein Computerprogramm.
Falschfahrer („Geisterfahrer”) verursachen im Falle eines Unfalls zumindest erheblichen Sachschaden. Die Erkennung alleine auf Basis des Navigationsgerätes (Straßenklasse und -richtung) ist für die meisten Fälle zu spät, d. h. der Falschfahrer befindet sich bereits (mit hoher Fahrgeschwindigkeit und großer Wahrscheinlichkeit einer Kollision) auf der falschen Fahrbahn.
Offenbarung der Erfindung
Vor diesem Hintergrund werden mit dem hier vorgestellten Ansatz ein Verfahren, weiterhin eine Vorrichtung und ein System zur Falschfahrererkennung, sowie schließlich ein entsprechendes Computerprogramm gemäß den Hauptansprüchen vorgestellt. Durch die in den abhängigen Ansprüchen aufgeführten Maßnahmen sind vorteilhafte Weiterbildungen und Verbesserungen der im unabhängigen Anspruch angegebenen Vorrichtung möglich.
Eine beispielsweise cloud-basierte Falschfahrerwarnung kann vorteilhafterweise mit einer speziell auf den Anwendungsfall angepassten Erkennung mit einem Partikel-Filter realisiert werden.
Ein Verfahren zur Falschfahrererkennung umfasst die folgenden Schritte:
Einlesen von Positionsdaten über eine Schnittstelle, wobei die Positionsdaten eine gemessene Position eines Fahrzeugs repräsentieren;
Einlesen von Kartendaten, die von dem Fahrzeug befahrbare Straßenabschnitte abbilden;
Einlesen einer Mehrzahl von Partikeln, wobei ein Partikel eine angenommene Position des Fahrzeugs und eine der angenommenen Position zugeordnete Gewichtung repräsentiert; und
Bestimmen einer Abweichung zwischen der Mehrzahl von Partikeln und der von den Positionsdaten repräsentierten gemessenen Position unter Verwendung der Kartendaten.
Über die Abweichung kann festgestellt werden, ob die Mehrzahl von Partikeln zu der gemessenen Position passen.
Bei dem Fahrzeug kann es sich um ein Straßenfahrzeug handeln. Unter einer Falschfahrt kann eine Fahrt des Fahrzeugs auf einer Straße entgegen einer vorgeschriebenen Fahrtrichtung verstanden werden. Die gemessene Position kann unter Verwendung eines in dem Fahrzeug angeordneten Sensors gemessen worden sein. Die Kartendaten können ein von dem Fahrzeug befahrbares Straßennetz abbilden. Die Mehrzahl von Partikeln können unter Verwendung eines mit bekannten Partikel-Filtern verwendeten Verfahrens oder unter Verwendung eines Partikel-Filters bestimmt worden sein. Die Partikel können dabei unterschiedliche angenommene Positionen aufweisen, die beispielsweise um die gemessene Position gruppiert sein können. Die Abweichung kann verwendet werden, um eine aktuelle Position des Fahrzeugs zu bestimmen oder abzusichern. Die aktuelle Position kann eine unter Verwendung des Partikel-Filters geschätzte Position darstellen, die als tatsächliche Position des Fahrzeugs angesetzt werden kann. Die aktuelle Position kann anstelle der gemessenen Position zur Erkennung einer Falschfahrt des Fahrzeugs verwendet werden.
Das Verfahren kann einen Schritt des Bestimmens eines Falschfahrtsignals unter Verwendung der aktuellen Position umfassen. Dabei kann das Falschfahrtsignal anzeigen, ob eine Falschfahrt des Fahrzeugs vorliegt oder nicht vorliegt.
Beispielsweise kann das Falschfahrtsignal nur dann bereitgestellt werden, wenn eine Falschfahrt angenommen wird.
Das Verfahren kann einen Schritt des Bestimmens der Mehrzahl von Partikeln unter Verwendung eines Partikel-Filters umfassen. Beispielsweise kann durch den Partikel-Filter eine Gewichtung der Partikel geändert werden.
Die Abweichung kann im Schritt des Bestimmens unter Verwendung eines Abstands zwischen der Mehrzahl von Partikeln und der gemessenen Position bestimmt wird. Umso kleiner der Abstand, beispielsweise ein mittlerer Abstand ist, umso kleiner wird die Abweichung sein.
Die Kartendaten können Parameter des von dem Fahrzeug befahrbaren Straßennetz abbilden. Im Schritt des Bestimmens kann die Abweichung unter Verwendung der Parameter bestimmt werden. Durch die Verwendung der Parameter können die von den Kartendaten umfassten Informationen zur Bestimmung der Abweichung genutzt werden.
Das Verfahren kann einen Schritt des Einlesens von Bewegungsdaten umfassen, die gemessene Bewegungen des Fahrzeugs repräsentieren. Im Schritt des Bestimmens kann die Abweichung basierend auf einem Abgleich zwischen den Bewegungsdaten und den Parametern bestimmt werden. Dadurch kann die Abweichung noch genauer bestimmt werden.
Beispielsweise können die Bewegungsdaten eine Querbeschleunigung des Fahrzeugs abbilden. Die Parameter können einen Krümmungsverlauf eines durch die Kartendaten abgebildeten Straßenabschnitts abbilden, der zumindest einem der Mehrzahl von Partikel zugeordnet oder zuordenbar ist. Dadurch kann überprüft werden, ob ein Straßenabschnitt zu einer von dem Fahrzeug ausgeführten Bewegung passt.
Die Bewegungsdaten können eine Fahrtrichtung des Fahrzeugs abbilden und die Parameter eine Fahrtrichtungsvorgabe eines durch die Kartendaten abgebildeten Straßenabschnitts abbilden, der zumindest einem der Mehrzahl von Partikel zugeordnet oder zuordenbar ist. Auf diese Weise kann überprüft werden, ob ein Straßenabschnitt zu einer Fahrtrichtung des Fahrzeugs passt.
Das Verfahren kann einen Schritt des Auswählens zumindest eines plausiblen Straßenabschnittes aus den durch die Kartendaten abgebildeten Straßenabschnitten umfassen. Dabei kann der plausible Straßenabschnitt einen Straßenabschnitt darstellen, dem zumindest einer der Mehrzahl von Partikeln zuordenbar ist und der eine mit der Fahrtrichtung des Fahrzeugs übereinstimmende Fahrtrichtungsvorgabe aufweist.
Im Schritt des Bestimmens kann die Abweichung basierend auf einer Zuordenbarkeit der Mehrzahl von Partikeln zu den durch die Kartendaten abgebildeten Straßenabschnitten bestimmt werden. Können die Partikel keinem Straßenabschnitt zugeordnet werden, so lässt dies auf eine große Abweichung schließen.
Im Schritt des Einlesens können die Positionsdaten über eine Schnittstelle einer Rechnerwolke, einer sogenannten Cloud, eingelesen werden. Dies ermöglicht eine cloud-basierte Lösung.
Eine entsprechende Vorrichtung zur Falschfahrererkennung ist eingerichtet, um Schritte des genannten Verfahrens in entsprechenden Einheiten auszuführen. Beispielsweise kann eine solche Vorrichtung eine Einleseeinrichtung aufweisen, die ausgebildet ist, um Positionsdaten über eine Schnittstelle einzulesen, eine weitere Einleseeinrichtung aufweisen, die ausgebildet ist, um Kartendaten einzulesen, die von dem Fahrzeug befahrbare Straßenabschnitte abbilden, eine weitere Einleseeinrichtung aufweisen, die ausgebildet ist, um eine Mehrzahl von Partikeln einzulesen, wobei ein Partikel eine angenommene Position des Fahrzeugs und eine der angenommenen Position zugeordnete Gewichtung repräsentiert, und eine Bestimmungseinrichtung aufweisen, die ausgebildet ist, um eine Abweichung zwischen der Mehrzahl gefilterter Partikel und der von dem Messsignal umfassten gemessenen Position unter Verwendung der Kartendaten zu bestimmen. Ferner kann die Vorrichtung einen Partikel-Filter zum Erstellen und/oder Weiterverarbeiten der Partikel umfassen.
Ein entsprechendes System zur Falschfahrererkennung umfasst zumindest eine Sendeeinrichtung, die in einem Fahrzeug anordenbar oder angeordnet ist, und ausgebildet ist, um Positionsdaten auszusenden, sowie eine genannte Vorrichtung zur Falschfahrererkennung, die ausgebildet ist, um die von der zumindest einen Sendeeinrichtung ausgesendeten Positionsdaten zu empfangen, beispielsweise über eine drahtlose Verbindung.
Ein weiteres System zur Falschfahrererkennung umfasst zumindest eine Sendeeinrichtung, die in einem Fahrzeug anordenbar oder angeordnet ist, und ausgebildet ist, um Positionsdaten auszusenden, wobei die Positionsdaten eine gemessene Position eines Fahrzeugs repräsentieren, und zumindest eine Empfangseinrichtung, die in dem Fahrzeug anordenbar oder angeordnet ist und ausgebildet ist, Daten einer Vorrichtung zu empfangen, welche gemäß dem hier beschriebenen Ansatz zur Falschfahrererkennung dazu ausgebildet ist, um die von der zumindest einen Sendeeinrichtung ausgesendeten Positionsdaten zu empfangen.
Das beschriebene Verfahren kann in Software oder Hardware oder in einer Mischform aus Software und Hardware implementiert sein, beispielsweise in einer Vorrichtung.
Hierzu kann die Vorrichtung zumindest eine Recheneinheit zum Verarbeiten von Signalen oder Daten, zumindest eine Speichereinheit zum Speichern von Signalen oder Daten, und/oder zumindest eine Kommunikationsschnittstelle zum Einlesen oder Ausgeben von Daten aufweisen, die in ein Kommunikationsprotokoll eingebettet sind. Die Recheneinheit kann beispielsweise ein Signalprozessor, ein Mikrocontroller oder dergleichen sein, wobei die Speichereinheit ein Flash-Speicher, ein EPROM oder eine magnetische Speichereinheit sein kann. Die Kommunikationsschnittstelle kann ausgebildet sein, um Daten drahtlos und/oder leitungsgebunden einzulesen oder auszugeben, wobei eine Kommunikationsschnittstelle, die leitungsgebundene Daten einlesen oder ausgeben kann, diese Daten beispielsweise elektrisch oder optisch aus einer entsprechenden Datenübertragungsleitung einlesen oder in eine entsprechende Datenübertragungsleitung ausgeben kann.
Unter einer Vorrichtung kann vorliegend ein elektrisches Gerät verstanden werden, das Sensorsignale verarbeitet und in Abhängigkeit davon Steuer- und/oder Datensignale ausgibt. Die Vorrichtung kann eine Schnittstelle aufweisen, die hard- und/oder softwaremäßig ausgebildet sein kann. Bei einer hardwaremäßigen Ausbildung können die Schnittstellen beispielsweise Teil eines sogenannten System-ASICs sein, der verschiedenste Funktionen der Vorrichtung beinhaltet. Es ist jedoch auch möglich, dass die Schnittstellen eigene, integrierte Schaltkreise sind oder zumindest teilweise aus diskreten Bauelementen bestehen. Bei einer softwaremäßigen Ausbildung können die Schnittstellen Softwaremodule sein, die beispielsweise auf einem Mikrocontroller neben anderen Softwaremodulen vorhanden sind.
Von Vorteil ist auch ein Computerprogrammprodukt oder Computerprogramm mit Programmcode, der auf einem maschinenlesbaren Träger oder Speichermedium wie einem Halbleiterspeicher, einem Festplattenspeicher oder einem optischen Speicher gespeichert sein kann und zur Durchführung, Umsetzung und/oder Ansteuerung der Schritte des Verfahrens nach einer der vorstehend beschriebenen Ausführungsformen verwendet wird, insbesondere wenn das Programmprodukt oder Programm auf einem Computer oder einer Vorrichtung ausgeführt wird.
Ausführungsbeispiele des hier vorgestellten Ansatzes sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigt:
1 ein System zur Falschfahrererkennung gemäß einem Ausführungsbeispiel;
2 ein Ablaufdiagramm eines Verfahrens zur Falschfahrererkennung gemäß einem Ausführungsbeispiel;
3 ein Hidden Markov Chain Model;
4 einen Ablauf eines Partikel-Filter-Prozesses gemäß einem Ausführungsbeispiel
5 ein System zur Falschfahrererkennung gemäß einem Ausführungsbeispiel;
6 ein Fahrzeug gemäß einem Ausführungsbeispiel;
7 einen Programmablauf gemäß einem Ausführungsbeispiel;
8 einen Programmablauf eines Partikel-Filters gemäß einem Ausführungsbeispiel; und
9 eine Darstellung von Straßenabschnitten gemäß einem Ausführungsbeispiel.
In der nachfolgenden Beschreibung günstiger Ausführungsbeispiele der vorliegenden Erfindung werden für die in den verschiedenen Figuren dargestellten und ähnlich wirkenden Elemente gleiche oder ähnliche Bezugszeichen verwendet, wobei auf eine wiederholte Beschreibung dieser Elemente verzichtet wird.
1 zeigt ein System zur Falschfahrererkennung gemäß einem Ausführungsbeispiel. Das System umfasst ein Fahrzeug 100, das eine Übertragungseinrichtung 102 aufweist, die ausgebildet ist, um unter Verwendung zumindest einer in dem Fahrzeug 100 angeordneten Sensoreinrichtung 104 erfasste Messdaten, hier beispielsweise Positionsdaten 106 und optional Bewegungsdaten 107, drahtlos an eine eine Vorrichtung 110 zur Falschfahrererkennung auszusenden. Die Vorrichtung 110 ist ausgebildet, um die Messdaten zu aufbereiteten Daten aufzubereiten und die aufbereiteten Daten unter Verwendung eines Partikel-Filters weiterzuverarbeiten, um ein Falschfahrtsignal 112 zu erzeugen und auszusenden. Das Falschfahrtsignal 112 zeigt gemäß einem Ausführungsbeispiel an, dass das Fahrzeug 100 dessen Messdaten verarbeitet wurden, aktuell eine Falschfahrt ausführt. Gemäß diesem Ausführungsbeispiel ist sowohl die Übertragungseinrichtung 102 des Fahrzeugs 100 als auch eine Übertragungseinrichtung 102 eines weiteren Fahrzeugs 100 ausgebildet, um das Falschfahrtsignal 112 zu empfangen und ansprechend auf einen Empfang des Falschfahrtsignals 112 eine Warneinrichtung des jeweiligen Fahrzeugs 100, 114 zu aktiveren, die beispielsweise einen Fahrer des jeweiligen Fahrzeugs 100, 114 vor der Falschfahrt warnt oder gemäß einem Ausführungsbeispiel in eine zumindest teilautomatische Steuerung, beispielsweise einer Bremsanlage oder Lenkanlage, des jeweiligen Fahrzeugs 100, 114 eingreift. Gemäß unterschiedlicher Ausführungsbeispiele kann die Übertragungseinrichtung 102 nur als Sendeeinrichtung oder aber als Sende-Empfangseinrichtung ausgeführt sein.
Gemäß einem Ausführungsbeispiel umfassen die Messdaten die Positionsdaten 106, die unter Verwendung einer Positionsbestimmungseinrichtung des Fahrzeugs 100 erfasst wurden und eine aktuelle Position des Fahrzeugs 100 abbilden. Gemäß einem weiteren Ausführungsbeispiel umfassen die Messdaten ferner die Bewegungsdaten 107, die beispielsweise unter Verwendung zumindest eines Beschleunigungssensors des Fahrzeugs 100 erfasst wurden und Informationen über eine aktuelle Bewegung des Fahrzeugs 100, beispielsweise Informationen über eine Fahrtrichtung, eine Längsbeschleunigung, eine Querbeschleunigung oder über eine Drehung des Fahrzeugs um eine Fahrzeugachse umfassen.
Gemäß einem Ausführungsbeispiel ist die Vorrichtung 110 ausgebildet, um Kartendaten 116 einzulesen, die ein von dem Fahrzeug 100 befahrbares Straßennetz abbilden. Gemäß einem Ausführungsbeispiel umfassen die Kartendaten 116 beispielsweise Informationen über Straßenabschnitte des Straßennetzes. Gemäß einem Ausführungsbeispiel umfassen die Kartendaten 116 bezüglich jedes Straßenabschnitts ferner zumindest einen Parameter, der beispielsweise eine Fahrtrichtungsvorgabe für den jeweiligen Straßenabschnitt oder einen Verlauf des jeweiligen Straßenabschnitts definiert. Beispielsweise kann über den Parameter definiert sein, ob der Straßenabschnitt geradlinig verläuft oder eine Kurve beschreibt. Gemäß einer Ausführungsform weist die Vorrichtung 110 eine Speichereinrichtung auf, in der die Kartendaten 116 gespeichert sind.
Gemäß einem Ausführungsbeispiel ist die Vorrichtung 110 ausgebildet, um eine Mehrzahl von Partikeln einzulesen. Beispielsweise können die Partikel aus einer internen oder einer externen Speichereinrichtung eingelesen werden. Jeder Partikel kann eine angenommene Position des Fahrzeugs und eine der angenommenen Position zugeordnete Gewichtung repräsentieren. Gemäß einem Ausführungsbeispiel ist die Vorrichtung 110 ausgebildet, um die Mehrzahl von Partikeln unter Verwendung der Positionsdaten 106 und der Kartendaten 116 zu bestimmen und direkt weiterzuverarbeiten.
Gemäß einem Ausführungsbeispiel ist die Vorrichtung 110 ausgebildet, um eine Abweichung zwischen der Mehrzahl von Partikeln und der durch die Positionsdaten 106 abgebildeten gemessenen Position des Fahrzeugs 100 unter Verwendung der Kartendaten zu bestimmen. Die Abweichung wird gemäß einem Ausführungsbeispiel bei der Bestimmung des Falschfahrersignals 112 verwendet oder berücksichtigt.
Gemäß einem Ausführungsbeispiel ist die Vorrichtung 110 oder sind Funktionsblöcke der Vorrichtung 110 in einer Cloud 118 angeordnet oder realisiert.
Der beschriebene Ansatz kann ergänzend oder anstelle vielfältige Verfahren zur Detektion eines Falschfahrers verwendet werden, bei denen z. B. der Einsatz einer Videosensorik erfolgt, um das Passieren eines „Einfahrt verboten” Schildes zu detektieren oder der Einsatz einer digitalen Karte in Verbindung mit einer Navigation genutzt wird, um ein Detektieren einer falschen Fahrtrichtung auf einem Straßenabschnitt zu erkennen, der nur in einer Richtung befahrbar ist. Weiterhin bekannt sind. Weiterhin kann der Ansatz mit drahtlosen Verfahren kombiniert werden, die mittels Infrastruktur wie z. B. Baken in der Fahrbahn oder am Fahrbahnrand Falschfahrer detektieren.
Neben der Detektion eines Falschfahrers bietet der beschriebene Ansatz viele Möglichkeiten der Reaktion auf einen Falschfahrer. Beispiele hierfür sind die Warnung des Falschfahrers selbst über ein Display oder akustische Hinweise. Auch können Verfahren angewendet werden, mit denen andere Fahrer in der Nähe eines Falschfahrers gewarnt werden, z. B. über Fahrzeug-Fahrzeug-Kommunikation oder mittels Mobilfunk. Weiterhin ist die Warnung anderer Verkehrsteilnehmer über am Straßenrand aufgestellte Wechselverkehrszeichen möglich. Auch kann ein Eingriff in die Motorsteuerung oder Bremse des falsch fahrenden Fahrzeugs 100 erfolgen.
Der beschriebene Ansatz ermöglicht es, einen Falschfahrer zu detektieren und andere Verkehrsteilnehmer in dessen Nähe noch rechtzeitig zu warnen, wofür nur sehr wenig Zeit zur Verfügung steht.
Der beschriebenen Ansatz greift für eine Falschfahrererkennung (Wrong-Way-Driver-Detection) mit einer Client-Server-Lösung. Als Client ist ein Gerät zu sehen, befindlich an oder in einem Kraftfahrzeug, welches über eine Internetanbindung verfügt und mindestens Zugriff auf Positionskoordinaten hat. Beispielsweise kann es sich dabei um die Übertragungseinrichtung 102 handeln. Bei der Übertragungseinrichtung 102 kann es sich beispielsweise um ein Smartphone handeln. In der Übertragungseinrichtung 102 kann die Sensoreinrichtung 104 integriert sein. Somit kann eine falschfahrerspezifische Server-Client-Kommunikation mit einem Smartphone als beispielhaften Client umgesetzt werden. Das Smartphone kann über ein Mobilfunknetz mit einem Gateway (PDN_GW) an das Internet angeschlossen sein, in dem die Vorrichtung 110, beispielsweise in Form eines Servers, angeordnet sein kann.
Es ergeben sich aus den möglichen Funktionsweisen einer Falschfahrerwarnung mit einer Client-Server-Lösung folgende Schlüsselproblemfelder für diese Technologie, welche durch den hier beschriebenen Ansatz angegangen werden:
a) False-Positive-Reduktion
False-Positives, also Fehldetektionen bei richtiger Fahrweise, müssen bei einer Eigenwarnung und/oder eines aktiven Eingreifens so weit wie möglich vermindert beziehungsweise komplett vermieden werden. Je nach Warnungskonzept müssen die Standards bis zu ASIL-A erfüllen.
b) Zeitkritische Ausführung der Auslösekette
Um die Gefährdung anderer Verkehrsteilnehmer ausgehend von einem Falschfahrer so gering wie möglich zu halten, soll ein Eingreifen bzw. Warnen so schnell wie möglich erfolgen. D. h. die komplette Funktionskette von Detektion einer kritischen Situation über das Erkennen eines Falschfahrers bis zum Eingriff bzw. Warnung soll in einer möglichst geringen Zeitspanne durchlaufen werden. Die Auslastung und somit die nötige Leistungsfähigkeit des Servers, beispielsweise der Vorrichtung 110, bei einem flächendeckenden Einsatz dieser Funktion spielt dabei eine sehr wichtige Rolle. Neben der Auslösezeit stellt auch noch die Wirtschaftlichkeit einen wichtigen Teilaspekt dar.
c) Kommunikation, Dateneffizienz und Stromverbrauch
Die Kommunikation und der Stromverbrauch müssen besonders für mobile Geräte so effizient bzw. gering wie möglich sein, um eine akzeptable Akkulaufzeit zu erreichen. Auch die Überlastung einer Mobilfunkzelle oder anderweitigen drahtlosen Kommunikationseinheit muss durch eine dateneffiziente Kommunikation unterbunden werden. Auch das Datenvolumen und die damit verbunden Kosten sind, soweit es möglich ist einzugrenzen. Die Effizienz der Kommunikation ist aus Rechenleistungsgründen auch serverseitig ein äußerst wichtiger Faktor.
Der beschriebene Ansatz greift vor allem für die Schlüsselfelder a) „False-Positive-Reduktion” und b) „Zeitkritische Ausführung der Auslösekette”, aber auch c) „Kommunikation, Dateneffizienz und Stromverbrauch” wird gegebenenfalls davon beeinflusst. Die Erkennung von Falschfahrern in der Cloud 118, basierend auf handelsüblicher Smartphone- und Connectivity-Control-Unit-Sensorik ist kein triviales Unterfangen.
2 zeigt ein Ablaufdiagramm eines Verfahrens zur Falschfahrererkennung gemäß einem Ausführungsbeispiel. Das Verfahren kann beispielsweise unter Verwendung von Einrichtungen der anhand von 1 gezeigten Vorrichtung zur Falschfahrererkennung ausgeführt werden.
Das Verfahren umfasst einen Schritt 201, in dem Positionsdaten über eine Schnittstelle eingelesen werden. Die Positionsdaten stellen eine gemessene Position eines Fahrzeugs dar. Optional können in dem Schritt 201 zusätzlich Bewegungsdaten des Fahrzeugs eingelesen werden. In einem Schritt 203 werden Kartendaten eingelesen, die von dem Fahrzeug befahrbare Straßenabschnitte abbilden. Die Kartendaten können Parameter umfassen, die die einzelnen Straßenabschnitte näher spezifizieren, beispielsweise hinsichtlich einer Fahrbahnkrümmung oder Fahrrichtung. In einem Schritt 205 werden eine Mehrzahl von Partikeln eingelesen. Die Mehrzahl von Partikeln können beispielsweise in einem vorangegangenen Erstellungsschritt unter Verwendung der Positionsdaten und/oder vorangehend gefilterter Partikel erstellt worden sein können. Dabei wird gemäß einem Ausführungsbeispiel ein eines Partikel-Filter eingesetzt. Dabei repräsentiert jeder der Partikel je eine angenommene Position des Fahrzeugs und eine der angenommenen Position zugeordnete Gewichtung. Dabei verteilen sich die angenommenen Positionen gemäß einem Ausführungsbeispiel vorzugsweise um die gemessene Position. Typischerweise weichen die angenommenen Positionen von der gemessenen Position und der tatsächlichen Position des Fahrzeugs ab. In einem Schritt 207 wird eine Abweichung zwischen der Mehrzahl von Partikeln und der von den Positionsdaten repräsentierten gemessenen Position unter Verwendung der Kartendaten bestimmt. Die Bestimmung der Abweichung kann einen Teilschritt von in dem Partikel-Filter durchgeführten Schritten darstellen. Gemäß einem Ausführungsbeispiel wird unter Verwendung des Partikel-Filters eine aktuelle Position des Fahrzeugs basierend auf der Mehrzahl von Partikeln und der Abweichung unter Verwendung ermittelt.
In einem weiteren optionalen Schritt 209 wird unter Verwendung Mehrzahl von Partikeln sowie der Abweichung ein Falschfahrtsignal erzeugt und bereitgestellt. Beispielsweise kann das Falschfahrtsignal bereitgestellt werden, wenn aus der Mehrzahl von Partikeln sowie der Abweichung ein plausibler Streckenabschnitt bestimmt wird, von dem angenommen wird, dass sich das Fahrzeug darauf befindet, und eine aktuelle Fahrrichtung des Fahrzeugs nicht mit einer dem Streckenabschnitt zugeordneten Fahrtrichtungsangabe übereinstimmt. Gemäß einem Ausführungsbeispiel wird eine Erzeugung oder Bereitstellen eines Falschfahrersignals abhängig von einem Vergleich der Abweichung mit einem Schwellenwert freigegeben oder unterbunden. Beispielsweise kann eine Bereitstellung des Falschfahrersignals unterbunden werden, wenn aufgrund einer großen Abweichung angenommen wird, dass eine unter Verwendung des Partikel-Filters ermittelte aktuelle Position des Fahrzeugs nicht mit der tatsächlichen Position des Fahrzeugs übereinstimmt.
Für die Falschfahrererkennung ist es nicht ausschlaggebend, welche Route der Falschfahrer gefahren ist. Die benötigte Information ist vor allem, wo sich der Falschfahrer aktuell befindet und ob dieser einen Straße entgegen der Fahrtrichtung befährt. Für diese Ermittlung wird selbstverständlich die Historie benötigt, doch diese ist nicht Teil der Fragestellung, sondern vielmehr der Weg zum Ergebnis.
Aufgrund dieser Umstände wird ein Verfahren basierend auf einem Partikel-Filter vorgestellt. Der Partikel-Filter ist ähnlich wie der Kalman-Filter auf Systeme anwendbar, die einer Hidden-Markov-Chain-Charakteristik, also einer Markow-Kette mit unbeobachteten Zuständen, unterliegen.
3 zeigt ein Hidden Markov Chain Model 320 mit Zustand x und Beobachtung z zur Zeit k und k – 1.
Das heißt, der Zustand eines Systems kann nicht direkt gemessen werden, jedoch aufgrund von anderen Observierungen geschätzt werden. In diesem Fall gilt es, die Position und somit die aktuelle Straße zu schätzen. Dafür muss folgende Gleichung gelöst werden: p(x_k|z_0:k, u_0:k) = η·g(z_k|x_k, z_0:k-1, u_0:k)π(x_k|z_0:k-1, u_0:k)
Der Zustand zum Zeitpunkt k wird im Folgenden mit x_k beschrieben, die vorherigen Zustände werden mit x_0:k-1 = (x₀, ..., x_k-1) zusammengefasst. Analog zu x gilt diese Konvention auch für die Steuergrößen u und Observierungen u. η beschreibt einen Normalisierungsterm, der im Folgenden allerdings keine große Bedeutung hat. Diese Gleichung kann zu folgender Gleichung vereinfacht werden:
Und diese in zwei Schritten beschrieben werden: der Vorhersageschritt
und der Gewichtungsterm:
Bei einem Partikel-Filter wird das Integral über die Wahrscheinlichkeitsverteilungen mit einer numerischen Näherung
und Monte-Carlo-Methoden gelöst. w^[j] beschreibt hierbei das Gewicht/die Wahrscheinlichkeit des j-ten Partikels. Eine Menge von Partikeln wird mit
beschrieben. Somit hat jeder Partikel das Gewicht w^[j] und den Zustand x^[j].
4 zeigt den Ablauf eines Partikel-Filter-Prozesses gemäß einem Ausführungsbeispiel. Dazu ist in 4 ein Hidden Markov Chain Model mit dem Zustand und der Beobachtung z zur Zeit k und k – 1 gezeigt.
Ein großer Teil der Arbeit ist eine geeignete Funktion für
und
zu finden, die das Problem optimal abbilden. Grundlegen hierfür ist es, die zu schätzenden Zustände x zu definieren.
Der Block 401 steht für den Partikel-Filter (x_k-1, u_k, z)
Von dem Block 403 wird solange zu dem Block 405 gesprungen, bis alle Werte j = 1:J durchlaufen sind.
In dem Block 405 wird ein neuer Zustand berechnet: X [j] / k = f(X_k|X [j] / k-1, u_k)
In dem Block 407 wird das Gewicht berechnet: w [j] / k = g(z_k, m_i|X_k, u_k)
Wenn in dem Block 403 alle Werte durchlaufen sind, wird zum Block 409 gesprungen. Von dem Block 409 wird solange zu dem Block 411 gesprungen, bis alle Werte j = 1:J durchlaufen sind.
In dem Block 411 wird ein ein Wert gemäß w [i] / k gezeichnet.
In dem Block 413 wird zu dem Partikelsatz hinzuaddiert gemäß x [i] / k → X_k .
Wenn in dem Block 409 alle Werte durchlaufen sind, wird zum Block 415 gesprungen der das Ende x_k darstellt.
5 zeigt ein System zur Falschfahrererkennung gemäß einem Ausführungsbeispiel. Das System umfasst Geräte 102, beispielsweise in Form der anhand von 1 genannten Übertragungseinrichtungen und eine Vorrichtung 110 zur Falschfahrererkennung, die gemäß diesem Ausführungsbeispiel als ein sogenannter WDW-Server ausgeführt ist. Die Vorrichtung 110 ist ausgebildet, um von dem Gerät 102 Daten 106, beispielsweise die anhand von 1 beschriebenen Messdaten zu empfangen und basierend auf den Daten 106 eine Warnung 112 bereitstellen und beispielsweise in Form des anhand von 1 beschriebenen Falschfahrtsignals zurück an die Geräte 102 zu senden.
Die Vorrichtung weist eine Einrichtung 530 zur Vorverarbeitung, einen Partikel-Filter 532 und ein Warnungsmodul 534 auf.
In einer vereinfachten Architektur einer cloud-basierten Falschfahrerwarnung bettet sich der Partikel-Filter 532 wie in 5 gezeigt ein.
Mit dem Partikel-Filter 532 kann die Wahrscheinlichkeitsverteilung der Position des Autos näherungsweise bestimmt werden.
6 zeigt anhand eines Fahrzeugs 100 Werte, die in das anhand von 5 gezeigte Modell einfließen können. Bei den Werten kann es sich beispielsweise um Zustände in Richtung der Längsachse x, der Querachse y, der Hochachse z sowie ein Rollen p um die Längsachse, ein Nicken q um die Querachse und ein Gieren r um die Hochachse handeln.
Bezüglich eines Kartenabgleichs unter Verwendung des Partikel-Filters gilt für den Bayes-Filter p(x_k|z_0:k, u_0:k) Hierbei kann unter Bezugnahme auf 3 x_k dafür stehen, was der Zustand (nicht gemessen) ist, beispielsweise die geografische Länge, Breite und Höhe, u_k+1 dafür stehen, wie sich das Auto 100 bewegt, beispielsweise hinsichtlich der Geschwindigkeit und Drehraten und z_k dafür stehen, was observiert werden kann, beispielsweise ein GPS-Signal oder ein das Umfeld des Fahrzeugs 100 betreffendes Signal (Kamera, etc.)
7 zeigt einen Programmablauf gemäß einem Ausführungsbeispiel. Der Ablauf startet mit einem Block 701. In einem Block 530 wird eine Datenvorverarbeitung durchgeführt, wie es beispielsweise anhand von 5 beschrieben ist. In einem Block 703 wird, falls vorhanden, der Zustand vom vorherigen Punkt geladen. In einem Block 705 findet ein Kartenabgleich (map-matching) mit dem Partikel-Filter statt. In einem Block 707 erfolgt eine Interpretation der Ergebnisse. In einem Block 709 wird geprüft, ob eine Falschfahrt vorliegt. Wenn dies der Fall ist, wird in einem Block 534 eine Warnung versendet, wie es beispielsweise anhand von 5 beschrieben ist. Wenn keine Falschfahrt vorliegt, erfolgt das Ende des Programmablaufs mit einem Block 711.
8 zeigt einen Programmablauf eines Partikel-Filters gemäß einem Ausführungsbeispiel. Ein Block 801 steht für einen Beginn des Partikel-Filters. In einem Block 803 erfolgt ein Verschieben der Partikel unter Berücksichtigung der Sensorungenauigkeit, beispielsweise der anhand von 1 beschriebenen Sensoreinrichtung. In einem Block 805 erfolgt eine Ermittlung der kartenbezogenen Parameter. Ein solcher Parameter gibt beispielsweise an, ob ein Partikel auf einer Straße liegt oder wie der Titel derselben ist. In einem Block 807 erfolgt eine Berechnung der neuen Partikel-Gewichte. In einem Block 809 erfolgt ein sogenanntes Resampling, bei dem ein Eliminieren der irrelevanten Bereiche und/oder Partikel erfolgt. In einem Block 811 erfolgt eine Interpretation der einzelnen Partikel und in einem Block 813 eine Rückgabe der möglichen Straßen.
Durch die Verwendung des Partikel-Filters werden die im Folgenden genannten Aspekte verbessert. Zum einen wird ein sequenziell (in Echtzeit möglich) arbeitendes Verfahren geschaffen, welches primär die aktuelle Position auf dem Straßennetzwerk ermittelt. Ferner ist eine robuste Schätzung der aktuellen Position auf dem Straßennetzwerk möglich. Eine Unsicherheit über die aktuelle Schätzung ist ermittelbar. Dies ermöglicht es, die Entscheidung über eine potenzielle Falschfahrt zuverlässig, auf ein sinnvolles Maß, verzögern zu können.
9 zeigt eine Darstellung von Straßenabschnitten 930, 932, 934, 936 gemäß einem Ausführungsbeispiel. Die Straßenabschnitte 930, 932, 934, 936 sind Teil eines von einem Fahrzeug, beispielsweise dem anhand von 1 beschriebenen Fahrzeug, befahrbaren Straßennetzes. Eine Mehrzahl 940 von Partikeln ist im Wesentlichen auf die drei Straßenabschnitte 932, 934, 936 verteilt. Jedes der Partikel zeigt eine angenommene Position und eine dazu angenommene Wahrscheinlichkeit oder Gewichtung an. Wie aus 9 zu erkennen ist, weicht eine gemessene Position 950 des Fahrzeugs deutlich von den für die Mehrzahl 940 von Partikeln angenommenen Positionen ab. Der gemessenen Position 950 ist auch ein Richtungsvektor zugeordnet, der eine gemessene Fahrtrichtung des Fahrzeugs repräsentiert und unter Verwendung von Bewegungsdaten bestimmt worden sein kann, die von dem Fahrzeug empfangen wurden. Jedem der Mehrzahl 940 von Partikeln ist ebenfalls ein Richtungsvektor zugeordnet, der eine Bewegungsrichtung des jeweiligen Partikels anzeigt. Aus 9 ist wiederum ersichtlich, dass der der gemessenen Position 950 zugeordnete Richtungsvektor nicht mit den der Mehrzahl 940 von Partikeln zugeordneten Richtungsvektoren übereinstimmt.
Die Mehrzahl 940 von Partikeln sind gemäß einem Ausführungsbeispiel, wie anhand der vorangegangen Figuren beschrieben, unter Verwendung eines Partikel-Filters bestimmt worden. Eine Abweichung zwischen der gemessenen Position 950 und den angenommenen Positionen der Mehrzahl 940 von Partikeln wird gemäß einem Ausführungsbeispiel als eine Teilfunktionalität des Partikel-Filters bestimmt. Die Abweichung kann dann beispielsweise zur weiteren Filterung der Mehrzahl 940 von Partikeln verwendet werden.
Der hier beschriebene Ansatz ist in einem Teil des beispielsweise anhand von 5 gezeigten Partikel-Filters eingeordnet.
Auch das beste Verfahren kann das Fahrzeug teilweise nicht zuverlässig auf eine Straße matchen, aufgrund verschiedener Umstände, wie z. B. fehlerhafter Kartendaten. Somit kann kann es vorkommen, dass die Sensordaten (Observierungen, Controls) nicht zu der aktuellen Straße passen und beispielsweise die Position der Partikel 940 sehr weit vom GPS abweicht. Dies ist beispielsweise in 9 dargestellt.
Die Partikel 940 stellen dabei Partikel aus aktuellem Berechnungszyklus (k) mit Richtungsvektor dar. Die Position 950 stellt eine aktuelle (k) GPS-Position mit Richtungsvektor dar.
Zur Erkennung dieses Zustands können verschiedene Maße errechnet werden die ein Indiz geben, dass die Positionen der Partikel nicht mit den Observierungen übereinstimmen. Parameter könnten sein (inklusive des zeitlichen Verhaltes/Änderung dieser):
Krümmung der Straße auf dem ein Partikel 940 liegt stimmt nicht mit Sensordaten überein.
Heading der Straße auf dem ein Partikel 940 liegt stimmt nicht mit Sensordaten überein.
Es werden sehr viele Partikel 940 so verschoben, dass sie nicht auf einer Straße landen.
Der Median/Mittelwert/Minimalwert/Maximalwert des Abstands zwischen Partikel 940 und GPS-Position 950 ist außergewöhnlich groß.
In diesem Fall bietet sich beispielsweise an, dass die Bedingungen für die Topologie aufgehoben werden (Rückfallebene).
Wenn kein Partikel 940 auf einer Straße liegt (Rückfallebene), wird die Gewichtungsgleichung (Observation-Model) gemäß einem Ausführungsbeispiel wie folgt angepasst: g(z_k, m_k|x_k) = p(z_k|x_k)
Für beide Rückfallebenen, im Fall, dass Partikel 940 wieder auf Straßen landen, sollte aufgrund der False-Positive-Anfälligkeit keine Straße berücksichtigt werden, welche entgegen der Fahrtrichtung liegt. D. h. die Partikel 940 können somit auf jede Straße migrieren, außer auf Straßen die entgegen der Fahrtrichtung zu befahren sind. Beispielsweise würde in dem in 9 gezeigten Ausführungsbeispiel das Straßenelement 936 als mögliche Position für die Partikel 940 ausgeschlossen werden, weil dieser Teil der Autobahn entgegen der Bewegungsrichtung liegt.
Der beschriebene Ansatz kann im Zusammenhang mit einer cloudbasierten Falschfahrerwarnung mit einer speziell auf den Anwendungsfall angepassten Erkennung mit einem Partikel-Filter eingesetzt werden. Besonders vorteilhaft sind dabei die Bedingungen für die beiden beschriebenen Rückfallebenen und der Ansatz, wenn Straßen wieder gefunden werden.
Umfasst ein Ausführungsbeispiel eine „und/oder”-Verknüpfung zwischen einem ersten Merkmal und einem zweiten Merkmal, so ist dies so zu lesen, dass das Ausführungsbeispiel gemäß einer Ausführungsform sowohl das erste Merkmal als auch das zweite Merkmal und gemäß einer weiteren Ausführungsform entweder nur das erste Merkmal oder nur das zweite Merkmal aufweist.

Claims

Verfahren zur Falschfahrererkennung, wobei das Verfahren die folgenden Schritte umfasst: Einlesen (201) von Positionsdaten (106) über eine Schnittstelle, wobei die Positionsdaten (106) eine gemessene Position (950) eines Fahrzeugs (100) repräsentieren; Einlesen (203) von Kartendaten (116), die von dem Fahrzeug (100) befahrbare Straßenabschnitte (930, 932, 934, 936) abbilden; Einlesen (205) einer Mehrzahl (940) von Partikeln, wobei ein Partikel eine angenommene Position des Fahrzeugs (100) und eine der angenommenen Position zugeordnete Gewichtung repräsentiert; und Bestimmen (207) einer Abweichung zwischen der Mehrzahl (940) von Partikeln und der von den Positionsdaten (106) repräsentierten gemessenen Position (950) unter Verwendung der Kartendaten (116).
Verfahren gemäß Anspruch 1, mit einem Schritt des Bereitstellens eines Falschfahrtsignals (112) unter Verwendung der Mehrzahl (940) von Partikeln und der Abweichung, wobei das Falschfahrtsignal (112) anzeigt, ob eine Falschfahrt des Fahrzeugs (100) vorliegt oder nicht vorliegt.
Verfahren gemäß einem der vorangegangenen Ansprüche, mit einem Schritt des Bestimmens der Mehrzahl (940) von Partikeln unter Verwendung eines Partikel-Filters (532).
Verfahren gemäß einem der vorangegangenen Ansprüche, bei dem im Schritt des Bestimmens die Abweichung unter Verwendung eines Abstands zwischen der Mehrzahl (940) von Partikeln und der gemessenen Position (950) bestimmt wird.
Verfahren gemäß einem der vorangegangenen Ansprüche, bei dem die Kartendaten (116) Parameter des von dem Fahrzeug (100) befahrbaren Straßennetz abbilden und im Schritt (207) des Bestimmens die Abweichung unter Verwendung der Parameter bestimmt wird.
Verfahren gemäß Anspruch 5, mit einem Schritt des Einlesens von Bewegungsdaten (107), die gemessene Bewegungen des Fahrzeugs (100) repräsentieren, und wobei im Schritt (207) des Bestimmens die Abweichung basierend auf einem Abgleich zwischen den Bewegungsdaten (107) und den Parametern bestimmt wird.
Verfahren gemäß Anspruch 6, bei dem die Bewegungsdaten (107) eine Querbeschleunigung des Fahrzeugs (100) abbilden und die Parameter einen Krümmungsverlauf eines durch die Kartendaten (116) abgebildeten Straßenabschnitts (930, 932, 934, 936) abbilden, der zumindest einem der Mehrzahl (940) von Partikel zugeordnet oder zuordenbar ist.
Verfahren gemäß Anspruch 6 oder 7, bei dem die Bewegungsdaten (107) eine Fahrtrichtung des Fahrzeugs (100) abbilden und die Parameter eine Fahrtrichtungsvorgabe eines durch die Kartendaten (116) abgebildeten Straßenabschnitts (930, 932, 934, 936) abbilden, der zumindest einem der Mehrzahl (940) von Partikel zugeordnet oder zuordenbar ist.
Verfahren gemäß Anspruch 8, mit einem Schritt des Auswählens zumindest eines plausiblen Straßenabschnittes (934) aus den durch die Kartendaten (116) abgebildeten Straßenabschnitten (930, 932, 934, 936), wobei der plausibler Straßenabschnitt einen Straßenabschnitt darstellt, dem zumindest einer der Mehrzahl (940) von Partikeln zuordenbar ist und der eine mit der Fahrtrichtung des Fahrzeugs (100) übereinstimmende Fahrtrichtungsvorgabe aufweist.
Verfahren gemäß einem der vorangegangenen Ansprüche, bei dem im Schritt des Bestimmens die Abweichung basierend auf einer Zuordenbarkeit der Mehrzahl (940) von Partikeln zu den durch die Kartendaten (116) abgebildeten Straßenabschnitten (930, 932, 934, 936) bestimmt wird.
Verfahren gemäß einem der vorangegangenen Ansprüche, bei dem im Schritt des Einlesens die Positionsdaten (106) über eine Schnittstelle einer Rechnerwolke (118) eingelesen werden.
Vorrichtung (110) zur Falschfahrererkennung, die eingerichtet ist, um Schritte des Verfahrens gemäß einem der vorangegangenen Ansprüche in entsprechenden Einheiten auszuführen.
System zur Falschfahrererkennung, wobei das System die folgenden Merkmale umfasst: zumindest eine Sendeeinrichtung (102), die in einem Fahrzeug (100) anordenbar oder angeordnet ist, und ausgebildet ist, um Positionsdaten (106) auszusenden, wobei die Positionsdaten (106) eine gemessene Position (950) eines Fahrzeugs (100) repräsentieren; und eine Vorrichtung (110) gemäß Anspruch 12 zur Falschfahrererkennung, die ausgebildet ist, um die von der zumindest einen Sendeeinrichtung (102) ausgesendeten Positionsdaten (106) zu empfangen.
Computerprogramm, das dazu eingerichtet ist, das Verfahren gemäß einem der vorangegangenen Ansprüche auszuführen.
Maschinenlesbares Speichermedium, auf dem das Computerprogramm nach Anspruch 14 gespeichert ist.