DE102017103970A1

DE102017103970A1 - Übergang zwischen autonomen Fahrzeugsteuerungsleveln

Info

Publication number: DE102017103970A1
Application number: DE102017103970.8A
Authority: DE
Inventors: Kenneth James Miller; William Paul Perkins; David B. Kelley
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2016-02-25
Filing date: 2017-02-25
Publication date: 2017-08-31
Also published as: US20170247040A1; GB201702946D0; CN107117162A; GB2549184A; RU2017105363A; MX2017002559A

Abstract

Von einer Mehrzahl von Quellen werden Signale, die Betriebscharakteristika eines Fahrzeugs (101) und eine Umgebung des Fahrzeugs (101) repräsentieren, empfangen. Basierend auf den Signalen wird eine Mehrzahl von Betriebsfaktoren ermittelt. Das Fahrzeug (101) wird basierend auf den Betriebsfaktoren entsprechend einem von wenigstens drei Steuerungsleveln gesteuert, die einen autonomen, einen halbautonomen und einen manuellen Steuerungslevel einschließen.

Description

BEZUGNAHME AUF VERBUNDENE ANMELDUNGEN
Diese Anmeldung beansprucht die Priorität der Continuation-In-Part-US-Anmeldung 15/073093 vom 17. März 2016 und beansprucht weiterhin die Priorität der US-Patentanmeldung 15/053012 vom 25. Februar 2016 mit dem Titel "Autonomous Vehicle Control Transitioning", wobei diese Anmeldungen hiermit in ihrer Gesamtheit durch Bezugnahme aufgenommen werden sollen. Diese Anmeldung bezieht sich weiterhin auf die US-Patentanmeldung 15/053052, eingereicht am 25. Februar 2016, mit dem Titel "Autonomous Peril Control", die US-Patentanmeldung 15/053028, eingereicht am 25. Februar 2016, mit dem Titel "Autonomous Confidence Control", die US-Patentanmeldung 15/053040, eingereicht am 25. Februar 2016, mit dem Titel "Autonomous Occupant Attention-Based Control" und die US-Patentanmeldung 15/053066, eingereicht am 25. Februar 2016, mit dem Titel "Autonomous Probability Control", sowie die unter Prioritätsinanspruchnahme eingereichten deutschen Patentanmeldungen zu diesen US-Patentanmeldungen, wobei diese Anmeldungen in die vorliegende Anmeldung vollumfänglich durch Bezugnahme aufgenommen werden sollen.
HINTERGRUND DER ERFINDUNG
Diese Anmeldung bezieht sich ferner auf die US-Patentanmeldung 15/073129, eingereicht am 17. März 2016, mit dem Titel "Autonomous Peril Control ", die US-Patentanmeldung 15/073116, eingereicht am 17. März 2016, mit dem Titel "Autonomous Confidence Control", die US-Patenanmeldung. 15/073123, eingereicht am 17. März 2016, mit dem Titel "Autonomous Occupant Attention-Based Control" und die US-Patentanmeldung 15/073137, eingereicht am 17. März 2016, mit dem Titel "Autonomous Probability Control", deren Inhalt ebenfalls durch Bezugnahme vollumfänglich in die vorliegende Offenbarung aufgenommen werden soll.
HINTERGRUND
In den letzten Jahren wurden sogenannte autonome oder halbautonome Fahrzeuge entwickelt, d.h. Passagierfahrzeuge und dgl., mit Computern, die zur Ausführung einer oder mehrerer Fahrtoperationen programmiert sind. Derartige Fahrzeuge reichen von halbautomatischen Fahrzeugen, die beschränkte Fähigkeiten zur Steuerung von Bremsung und Lenkung aufweisen (beispielsweise die gegenwärtig existierende Spurhaltetechnologie) bis zu vollständig autonomen Fahrzeugen – bislang noch nicht real –, in denen ein Fahrzeugcomputer alle Entscheidungen zur Bedienung des Fahrzeugs treffen kann, beispielsweise sämtliche Entscheidungen betreffend Antrieb, Bremsen und Lenkung.
Bei vollständig autonomen und halbautonomen Fahrzeugen stellt es eine Herausforderung dar, falls der menschliche Bediener die Steuerung über ein oder mehrere Fahrzeugkomponenten verlangt. Falls beispielsweise ein Fahrzeugbediener in einem autonomen Fahrzeug die Lenkung, die Brems- oder Gaspedale betätigt, kann es sein, dass ein Fahrzeugcomputer über nicht genügend Informationen verfügt, um zu entscheiden, ob es besser ist, die Steuerung an den Fahrer zurückzugeben oder die autonome Steuerung fortzusetzen. In dem genannten Beispiel könnten dem Fahrzeug Informationen fehlen, um zu entscheiden, ob ein Fahrzeugführer nur zufällig an das Pedal oder das Lenkrad gestoßen ist, während er schlief oder etwa betrunken war, ob ein Kind oder ein anderer Mitfahrer an das Lenkrad während eines Fahrtrichtungswechsels gestoßen sein könnte, etc.
Andererseits kann der Computer, der den Fahrzeugbetrieb steuert, beispielsweise in einem vollständig autonomen Fahrzeug, über unzureichende Daten zu Steuerung und Betrieb des Fahrzeuges verfügen. Beispielsweise können äußere Bedingungen oder Fehlfunktionen verhindern, dass Sensoren die äußere Umgebung des Fahrzeuges klar erkennen können, was dazu führen kann, dass der Fahrzeugcomputer Lenkbefehle erteilt, die das Fahrzeug in eine gefährliche Richtung lenken.
In anderen Fällen können sich die Bedingungen in einer "grauen Zone" befinden, derart, dass es schwierig ist, zu entscheiden, ob der Fahrzeugcomputer und/oder der menschliche Fahrzeugführer einen Teil oder sämtliche Fahrzeugkomponenten sicher bedienen kann. Daher ist ein Fahrzeugcomputer, der damit betraut ist, zu entscheiden, inwieweit die Verantwortung für den Betrieb des Fahrzeuges mit einem Fahrzeuginsassen geteilt werden soll, mit Schwierigkeiten verbunden. Dieses Problem wird noch durch den Umstand verstärkt, dass in realen Fahrtumgebungen viele verschiedene Ereignisse mit hoher Variabilität, Unsicherheit und Unbestimmtheit auftreten können.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
1 zeigt ein Blockdiagramm eines Fahrzeugsteuerungssystems.
2 zeigt ein Diagramm eines Verarbeitungs-Subsystems, das im Kontext eines in 1 gezeigten Systems implementiert werden könnte.
3 zeigt ein Diagramm eines anderen Verarbeitungs-Subsystems, das in dem Kontext des Systems gemäß 1 implementiert werden könnte, um einen Aufmerksamkeitsfaktor und einen Bereitschaftsfaktor zu bestimmen.
4 zeigt ein Diagramm eines anderen Verarbeitungs-Subsystems, das in dem Kontext des Systems gemäß 1 implementiert werden könnte, um einen autonomen Vertrauensfaktor zu bestimmen.
5A–5C zeigen einen beispielhaften Satz von Datensammlern, die Daten sammeln und die Verlässlichkeit der Daten bestimmen.
6A–6C zeigen einen anderen beispielhaften Satz von Datensammlern, die Daten sammeln und die Verlässlichkeit der Daten bestimmen.
7A zeigt ein Diagramm des Verarbeitungs-Subsystems von 4.
7B zeigt ein Beispiel eines Fahrzeugs und beispielhafte Reichweiten der Datensammler.
8A zeigt eine Tabelle mit Daten, die durch das Verarbeitungs-Subsystem gemäß 4 gesammelt und verarbeitet worden sind, zur Bestimmung des autonomen Vertrauensfaktors.
8B–8C erläutern die Daten der Tabelle gemäß 8A.
9 stellt ein Diagramm eines anderen Verarbeitungs-Subsystems dar, das im Zusammenhang mit dem System gemäß 1 zur Bestimmung eines Risikofaktors implementiert werden kann.
10 zeigt ein Diagramm mit beispielhaften Wahrscheinlichkeitsfeldern zur Bestimmung eines Aktionswahrscheinlichkeitsfaktors.
11 zeigt eine Mehrzahl von Richtungswahrscheinlichkeitsfeldern, von denen jedes eine potenzielle Fahrzeugtrajektorie anzeigt.
12 zeigt ein Diagramm eines anderen Fahrzeug-Subsystems, das in dem Zusammenhang mit dem System gemäß 1 implementiert werden kann, um ein kombiniertes Richtungswahrscheinlichkeitsfeld zu bestimmen.
13 zeigt ein Diagramm eines anderen Verarbeitungs-Subsystems, das in Zusammenhang mit dem System gemäß 1 implementiert werden kann, zur Bestimmung eines Aktionswahrscheinlichkeitsfaktors.
14 zeigt ein Diagramm eines beispielhaften Prozesses für die Implementierung einer Operationskontrolle für das Fahrzeug.
15 zeigt ein Diagramm eines anderen beispielhaften Prozesses zur Implementierung der Operationskontrolle eines Fahrzeugs basierend auf einem Aufmerksamkeitsfaktor und einem Bereitschaftsfaktor.
16 zeigt ein Diagramm eines anderen beispielhaften Prozesses zur Implementierung einer Operationskontrolle basierend auf einem Aktionswahrscheinlichkeitsfaktor.
17 zeigt ein Diagramm eines anderen beispielhaften Prozesses zur Implementierung einer Operationskontrolle basierend auf einem autonomen Vertrauensfaktor.
18 zeigt ein Diagramm eines anderen beispielhaften Prozesses zur Implementierung einer Fahrzeugkontrolle basierend auf einem Risikofaktor.
DETAILLIERTE BESCHREIBUNG
EINLEITUNG
1 zeigt ein Blockdiagramm eines beispielhaft dargestellten autonomen Fahrzeugsystems 100, das ein Fahrzeug 101 aufweist mit ein oder mehreren Sensor-Datensammlern 110, die gesammelte Daten 115 zusammenführen, beispielsweise den Betrieb des Fahrzeugs 101 betreffend, eine Nahumgebung des Fahrzeugs 101 betreffend oder den Fahrer des Fahrzeugs 101 betreffend. Ein Computergerät 105 in dem Fahrzeug 101 empfängt im Allgemeinen die gesammelten Daten 115 und weist ferner eine Programmierung, beispielsweise als Satz von in einem Speicher abgelegter Instruktionen, die durch einen Prozessor des Computergeräts 105 ausführbar sind, auf, wobei einige oder sämtliche Operationen des Fahrzeugs 101 autonom oder halbautonom ausgeführt werden können, d.h. ohne menschliche Kontrolle und/oder unter eingeschränktem menschlichen Eingriff.
Das Computergerät 105 ist dahingehend programmiert, einen erlaubten Steuerungsstatus zu identifizieren, d.h. manuelle Steuerung und/oder Computersteuerung einer oder mehrerer Fahrzeugkomponenten. Weiterhin kann der Computer 105 zur Identifizierung einer oder mehrerer möglicher Fahrzeugbetriebsmodi programmiert sein. Der Computer 105 kann gesammelte Daten 115 empfangen, die zur Bewertung einer Mehrzahl von Betriebsfaktoren verwendet werden können, wobei jeder der Betriebsfaktoren einen Wert darstellt, der über die Zeit im Wesentlichen abhängig von den aktuellen gesammelten Daten 115 variiert. Diese Betriebsfaktoren werden detaillierter weiter unten erläutert, und können beispielsweise einen Fahrer-Aufmerksamkeitsfaktor, einen Fahrer-Bereitschaftsfaktor, einen Fahrer-Aktionswahrscheinlichkeitsfaktor, einen autonomen Vertrauensfaktor und/oder einen Risikofaktor umfassen. Die Betriebsfaktoren können beispielsweise mit einer Fuzzy-Logikanalyse kombiniert oder überlagert werden, mittels derer die Betriebsfaktoren sowohl entsprechend den aktuellen Bedingungen als auch entsprechend einer Betriebshistorie des Fahrzeugs 101 und/oder ähnlicher Fahrzeuge 101 gewichtet werden können. Basierend auf den Betriebsfaktoren ist der Computer 105 zur Ausgabe einer Steuerungsentscheidung für das Fahrzeug 101 und zu einem Betrieb von einem oder mehreren Komponenten des Fahrzeugs 101 gemäß dieser Kontrollentscheidung programmiert.
Beispielsweise kann der Computer 105 des Fahrzeugs 101 basierend auf den Betriebsfaktoren eine Kontrollregel ausgeben, die einen Betriebsmodus des Fahrzeugs 101 spezifiziert, beispielsweise autonom, halbautonom oder manuell, wobei ein autonomer Modus bedeutet, dass alle Operationen hinsichtlich der Fahrzeugfortbewegung, der Lenkung und der Bremsung durch den Computer 105 kontrolliert oder gesteuert werden, ein halbautonomer Modus eine Untermenge der vorstehend erwähnten Operationen unter Kontrolle eines Computers 105 bedeutet, wobei bestimmte Operationen dem Bediener zur Kontrolle oder Steuerung überlassen werden, und ein manueller Modus bedeutet, dass die vorstehend beschriebenen Operationen einem Fahrzeuginsassen zur Kontorolle oder Steuerung überlassen werden. In ähnlicher Weise kann bei einem anderen Beispiel der Computer 105 den Grad oder Level von erlaubbarer menschlicher Betriebskontrolle oder -steuerung bestimmen, beispielsweise (1) keine Kontrolle oder Steuerung über Lenkung, Bremsen oder Antrieb durch den Computer 101, (2) Kontrolle oder Steuerung der Bremsen durch den Computer 105, (3) Kontrolle oder Steuerung der Bremsen und des Antriebs durch den Computer 105, (4) Kontrolle oder Steuerung der Bremsen, des Antriebs und der Lenkung durch den Computer 105 und (5) kombinierte Steuerung, beispielsweise Kontrolle oder Steuerung der Bremsen, des Antriebs und der Lenkung durch den Computer 105, jedoch kann der Fahrzuginsasse eine Kraft zur Übersteuerung der durch den Computer 105 aktuierten Brems- oder Gaspedalfunktion und/oder der Lenkradposition ausüben. Weitere Beispiele für Fahrzeugbetriebsmodi – beispielsweise unterschiedliche Grade oder Level eines autonomen Betriebs – werden nachstehend diskutiert. Die Begriffe "Kontrolle" oder "Steuerung" werden nachfolgend in der Regel synonym verwendet.
BEISPIELHAFTE SYSTEMELEMENTE
Ein Fahrzeug 101 weist einen Fahrzeugcomputer 105 auf, der im Allgemeinen einen Prozessor und einen Speicher umfasst, wobei der Speicher ein oder mehrere Formen von computerlesbaren Medien aufweist, und durch den Prozessor ausführbare Instruktionen zur Ausführung verschiedener Operationen aufweist, einschließlich der vorliegend beschriebenen. Beispielsweise kann der Computer 105 im Allgemeinen Instruktionen aufweisen – und dazu ausgelegt sein, diese auszuführen – zur Auswahl eines autonomen Betriebsmodus, zur Anpassung eines autonomen Betriebsmodus oder zur Änderung eines autonomen Betriebsmodus, usw., für das Fahrzeug 101. Wie weiter unten näher beschrieben, enthält der Computer 105 weiterhin im Allgemeinen Instruktionen zur Bestimmung des Grads oder Levels einer autonomen oder halbautonomen Kontrolle, d.h. einen Satz von Komponenten zur Steuerung durch die Programmierung des Computers 105, und/oder einen Satz von Komponenten zur Steuerung durch den menschlichen Operator, sowie außerdem Instruktionen zur Steuerung bestimmter oder sämtlicher Komponenten des Fahrzeugs 101, sofern das Fahrzeug 101 sich in einem vollständigen oder halbautonomen Modus befindet. Beispielsweise kann der Computer 105 sowohl eine Programmierung zum Betrieb ein oder mehrerer Fahrzeugbremsen, des Antriebs (beispielsweise Steuerung der Beschleunigung des Fahrzeuges 101 durch Kontrolle einer oder mehrerer Verbrennungsmotoren, elektrischer Motoren, Getriebe, Zündzeitpunktverstellungen, variable Einlassanordnungen und Abgaszügel, des Kraftstoffverhältnisses usw.), der Lenkung, der Klimasteuerung, von Fahrzeuginnen- und/oder -außenleuchten, usw., als auch eine Programmierung zum Treffen einer Entscheidung aufweisen, ob und wann der Computer 105 diese Operationen anstelle eines menschlichen Operators kontrollieren soll.
Der Computer 105 kann mit mehr als einem Computergerät über einen Kommunikationsbus für das Fahrzeug 101 verbunden sein, wie nachfolgend näher beschrieben, oder kann mehr als ein Computergerät enthalten, beispielsweise ein in dem Fahrzeug 101 vorgesehenes Steuergerät zur Überwachung und/oder Kontrolle verschiedener Fahrzeugkomponenten, wie z.B. ein Fahrzeugsteuergerät (Engine Control Unit, ECU), eine Getriebesteuereinheit (Transmission Control Unit, TCU), usw. Der Computer 105 ist im Allgemeinen zur Kommunikation über ein Netzwerk in dem Fahrzeug 101 konfiguriert, beispielsweise über einen CAN-Bus od. dgl. Der Computer 105 kann weiterhin eine Verbindung zu einem Onboard-Diagnosestecker (OBD-II) aufweisen.
Über den CAN-Bus und/oder über andere drahtgebundene oder drahtlose Kommunikationsmedien (manchmal wie bekannt im Allgemeinen als "Fahrzeugbus" oder "Fahrzeugkommunikationsbus" bezeichnet) kann der Computer 105 Nachrichten an verschiedene Geräte in dem Fahrzeug senden und/oder Nachrichten von verschiedenen Geräten erhalten, beispielsweise von Steuergeräten, Aktuatoren, Sensoren usw., einschließlich Datensammlern 110. Alternativ oder zusätzlich kann in den Fällen, bei denen der Computer 105 tatsächlich mehrere Einheiten enthält, der CAN-Bus od. dgl. zur Kommunikation zwischen den Einheiten, die den Computer 105 gemäß der vorliegenden Offenbarung darstellen sollen, eingesetzt werden. Weiterhin, wie vorstehend erwähnt, können die verschiedenen Steuergeräte und dgl., beispielsweise eine ECU, eine TCU od. dgl., Daten 115 an den Computer 105 über ein Netzwerk des Fahrzeuges 101 senden, beispielsweise über einen CAN-Bus od. dgl.
Zusätzlich kann der Computer 105 für eine Kommunikation mit einem oder mehreren entfernten Computern 125 über ein Netzwerk 120 konfiguriert sein, welches – wie weiter unten beschrieben – verschiedene drahtgebundene und/oder drahtlose Netzwerktechnologien einschließen kann, beispielsweise zelluläre, Bluetooth, drahtgebundene und/oder drahtlose Paketnetzwerke usw. Weiterhin kann der Computer 105 im Allgemeinen Instruktionen zum Empfang von Daten, beispielsweise von einem oder mehreren Datensammlern 110 und/oder von einem Mensch-Maschine-Interface (HMI), beispielsweise von einem interaktiven Stimmenreaktionssystem (Interactive Voice Response, IVR), einem grafischen Benutzerinterface (GUI) mit einem Touchscreen od.dgl., aufweisen.
Wie bereits erwähnt, ist in den von dem Computer 105 gespeicherten und ausgeführten Instruktionen im Allgemeinen die Programmierung zum Betreiben ein oder mehrerer Komponenten des Fahrzeugs 101 enthalten, beispielsweise der Bremsung, der Lenkung, des Antriebs usw., ohne die Notwendigkeit des Eingriffs eines menschlichen Operators. Der Computer 105 kann verschiedenste Entscheidungen treffen und/oder kann verschiedene Komponenten des Fahrzeuges 101 und/oder Operationen kontrollieren, ohne dass ein Fahrer das Fahrzeug 101 bedient, unter Verwendung von Daten, die von dem Computer 105 empfangen werden, beispielsweise gesammelte Daten 115 von Datensammlern 110, einem Server 125, etc. Beispielsweise kann der Computer 105 eine Programmierung zur Regelung des Betriebsverhaltes des Fahrzeuges 101 enthalten, beispielsweise hinsichtlich Geschwindigkeit, Beschleunigung, Verzögerung, Lenkung etc., und auch hinsichtlich taktischen Verhaltens, wie beispielsweise dem Abstand zwischen Fahrzeugen und/oder dem Zeitabstand zwischen Fahrzeugen, der minimalen Lücke für einen Spurwechsel zwischen Fahrzeugen, dem minimalen Weg voraus für ein Linksabbiegen, der Ankunftszeit für einen bestimmten Ort, der minimalen Ankunftszeit zur Überquerung einer nicht lichtzeichengeregelten Kreuzung, usw. Weiterhin kann der Computer strategische Entscheidungen basierend auf den Daten 115 treffen, beispielsweise hinsichtlich der Route des Fahrzeuges 101, Wegpunkten auf der Route, etc.
Das Fahrzeug 101 weist eine Mehrzahl von Fahrzeug-Subsystemen 107 auf. Die Fahrzeugsubsysteme 107 steuern verschiedene Komponenten des Fahrzeugs 101 an, beispielsweise ein Vortriebs-Subsystem 107a, das das Fahrzeug 101 fortbewegt, ein Brems-Subsystem 107c zum Anhalten des Fahrzeugs 101, ein Lenk-Subsystem 107b zur Lenkung des Fahrzeugs 101, etc. Die Subsysteme 107a–c können jeweils separat beispielsweise durch ein separates Steuergerät 108 und/oder direkt durch das Computergerät 105 aktuiert werden.
Die Steuergeräte 108 stellen Computergeräte dar, die zur Kontrolle eines spezifischen Fahrzeugsubsystems 107 programmiert sind; beispielsweise kann ein Steuergerät 108 eine elektronische Kontrolleinheit (ECU) wie bereits bekannt darstellen, ggf. mit zusätzlicher Programmierung wie vorliegend beschrieben, beispielsweise als Motorsteuereinheit, Getriebesteuereinheit oder Bremssteuermodul, etc. Die Steuergeräte 108 sind kommunikativ mit dem Computer 105 verbunden, um Instruktionen von diesem zur Aktuierung des Subsystems entsprechend der jeweiligen Instruktionen zu empfangen. Beispielsweise kann ein Steuergerät 108 von dem Computergerät 105 Instruktionen zum Betrieb eines Fahrzeugsubsystems 107, beispielsweise einem Vortrieb bzw. Antrieb, einer Bremse, etc. mit einem teilweisen oder gar keinem Beitrag eines menschlichen Operators erhalten. Das Fahrzeug 101 kann eine Mehrzahl von Steuergeräten 108 aufweisen.
Die Datensammler 110 können eine Vielzahl bekannter Geräte zur Bereitstellung von Daten über den Fahrzeugkommunikationsbus aufweisen. Beispielsweise können verschiedene Steuergeräte in dem Fahrzeug wie vorstehend erwähnt als Datensammler 110 in dem Fahrzeug agieren, um gesammelte Daten 115 über den CAN-Bus bereitzustellen, beispielsweise gesammelte Daten 115 bezüglich der Fahrzeuggeschwindigkeit, der Beschleunigung, etc. Ferner können Sensoren oder dergleichen, GPS-Ausrüstung etc. in dem Fahrzeug vorgesehen sein und als Datensammler 110 konfiguriert sein, um Daten direkt zu dem Computer 105 zu liefern, beispielsweise über eine drahtgebundene oder drahtlose Verbindung.
Die Datensammler 110 können Sensoren aufweisen in dem oder an dem Fahrzeug 101, um gesammelte Daten 115 einen Insassen des Fahrzeugs 101 betreffend, bereit zu stellen. Beispielsweise können ein oder mehrere Kameradatensammler 110 zur Beobachtung der Augen oder des Gesichtes eines Insassen des Fahrzeugs bezüglich eines Fahrersitzes positioniert sein. Weiterhin können Mikrofon-Datensammler 110 zur Aufnahme von Sprache eines Insassen eines Fahrzeuges 101 positioniert sein. Weiterhin können Lenkradsensoren, Fahrpedalsensoren, Bremspedalsensoren und/oder Sitzsensor-Datensammler 110 in bekannter Weise zur Beschaffung von Informationen darüber positioniert sein, ob die Hände und/oder Füße des Fahrzeugoperators in Kontakt mit verschiedenen Komponenten des Fahrzeugs 101 wie den vorstehend genannten stehen und/oder einen Druck auf diese ausüben. Ferner kann der Computer 105 gesammelte Daten 115 erfassen, die die Benutzung einer Mensch/Maschine-Schnittstelle (HMI) des Fahrzeugs 101 durch einen Bediener des Fahrzeugs betreffen, beispielsweise einen Grad der Operatoraktivität, beispielsweise die Anzahl von Eingaben pro Zeit, einen Typ der Operatoraktivität, beispielsweise Betrachtung eines Films oder Hören eines Radioprogramms, etc.
Die Datensammler können weiterhin Sensoren od.dgl., beispielsweise mittelreichweitige und langreichweitige Sensoren, zur Erkennung und evtl. zum Erhalt von Informationen über Objekte in der Nähe des Fahrzeugs 101 aufweisen, wie beispielsweise über andere Fahrzeuge, Straßenhindernisse, etc., als auch über sonstige Zustände außerhalb des Fahrzeugs 101. Beispielsweise können derartige Sensor-Datensammler 110 Mechanismen wie Funk, RADAR, Lidar, Sonar (Ultraschall), Kameras oder andere Bildaufnahmegeräte aufweisen, die zur Erkennung umgebender Merkmale geeignet sind, beispielsweise Straßenbelagsmerkmale, andere Fahrzeuge, etc., und/oder die andere gesammelte Daten 115 den Betrieb des Fahrzeuges 101 betreffend erhalten, beispielsweise die Messung einer Distanz zwischen dem Fahrzeug 101 und anderen Fahrzeugen oder Objekten, die Erkennung anderer Fahrzeuge oder Objekte und/oder die Erkennung von Straßenbedingungen, wie beispielsweise Kurven, Schlaglöchern, Vertiefungen, Bodenwellen, Neigungsänderungen, etc.
Als weiteres Beispiel können GPS Daten 115 mit hochauflösenden 2D- und/oder 3D-Digitalkartendaten und/oder Basisdaten, die auch als "elektronische Horizontdaten" bekannt sind, kombiniert werden, wobei diese Daten beispielsweise in einem Speicher des Computers 105 abgelegt sein können. Basierend auf Daten 115 eine Koppelnavigation betreffend (wie bekannt) und/oder basierend auf anderen simultanen Lokalisierungen und Kartenerstellungen (Simultaneous Localization And Mapping, SLAM) und/oder basierend auf bekannten Lokalisierungsberechnungen unter möglicher Nutzung von GPS-Daten 115, können digitale Kartendaten 115 als relevante Daten sowohl für den Computer 105 für die Bestimmung eines Pfades für das Fahrzeug 101 oder zur Unterstützung eines Pfadplaners eingesetzt werden, als auch für andere Entscheidungsprozesse für taktische Fahrentscheidungen.
Ein Speicher des Computers 105 speichert im Allgemeinen gesammelte Daten 115. Die gesammelten Daten 115 können eine Vielzahl von Daten, die in dem Fahrzeug 101 von den Datensammlern 110 gesammelt wurden, umfassen, und darüber hinaus können die Daten 115 zusätzlich durch den Computer 105 berechnete Daten umfassen. Im Allgemeinen können die gesammelten Daten jegliche Daten umfassen, die von einem Datensammler 110 und/oder aus Daten berechneten Rohdatenwerten 115 eines Sensors 110 gewonnen werden, beispielsweise Radarrohdaten 115 oder Lidar-Rohdaten 115, abgeleitete Datenwerte, beispielsweise eine Distanz eines Objekts 160 berechnet aus Roh-Radardaten 115 oder gemessene Datenwerte, beispielsweise durch ein Motorsteuergerät oder andere Steuergeräte und/oder Überwachungssysteme in dem Fahrzeug 101 bereitgestellte Werte. Im Allgemeinen können verschiedene Typen von Rohdaten 115 gesammelt werden, beispielsweise Bilddaten 115, die reflektiertes Licht oder Töne betreffen, Daten 115, die die Stärke des Umgebungslichts, eine Temperatur, eine Geschwindigkeit, eine Beschleunigung oder eine Gierbewegung, etc. betreffen.
Dementsprechend können die gesammelten Daten 115 im Allgemeinen sowohl eine Vielzahl von Daten 115 bzgl. des Betriebs und/oder der Leistung des Fahrzeuges 101 als auch Daten aufweisen, die im Besonderen sich auf die Bewegungen des Fahrzeuges 101 beziehen. Beispielsweise können die zusätzlich zu Daten von anderen Fahrzeugen oder Straßeneigenschaften etc. gesammelten Daten 115 Daten hinsichtlich Fahrzeuggeschwindigkeit, Beschleunigung, Bremsungen, Spurwechseln und Spurbenutzung (beispielsweise auf bestimmten Straßen und/oder Typen von Straßen wie Bundesautobahnen), Durchschnittsdistanzen von anderen Fahrzeugen bei bestimmten Geschwindigkeiten oder in Geschwindigkeitsbereichen und/oder Daten 115 hinsichtlich des Betriebs des Fahrzeugs 101 enthalten.
Zusätzlich können die gesammelten Daten 115 von einem entfernten Server 125 und/oder von einem oder mehreren anderen Fahrzeugen 101 zur Verfügung gestellt werden, beispielsweise unter Einsatz einer Fahrzeug-zu-Fahrzeug-Kommunikation. Hierzu sind verschiedenste Technologien einschließlich Hardware, Kommunikationsprotokollen, etc. für eine derartige Fahrzeug-zu-Fahrzeug-Kommunikation bekannt. Beispielsweise können Fahrzeug-zu Fahrzeug-Nachrichten mittels dedizierter Kurzreichweitenkommunikation (Dedicated Short Range Communications, DSRC) od. dgl. gesendet werden. Bekanntlich arbeitet DSRC mit relativ niedriger Leistung über kurze und mittlere Distanzen in einem Frequenzbereich, der speziell von der Regierung der Vereinigten Staaten im 5,9 GHz-Band reserviert wurde. Jedenfalls kann die Information in einer Fahrzeug-zu-Fahrzeug-Nachricht gesammelte Daten 115 enthalten, wie die Position (beispielsweise in Geo-Koordinaten wie Längengrad und Breitengrad), Geschwindigkeit, Beschleunigung, Verzögerung, etc. des sendenden Fahrzeugs 101. Weiter kann ein sendendes Fahrzeug 101 andere Daten 115 übertragen, wie z.B. eine Position, Geschwindigkeit, etc. von einem oder mehreren Zielen 160.
Der Server 125 kann ein oder mehrere Computerserver darstellen, von denen jeder wenigstens einen Prozessor und wenigstens einen Speicher umfasst, wobei der Speicher durch den Prozessor ausführbare Instruktionen speichert, einschließlich Instruktionen zur Ausführung der verschiedenen Schritte und Prozesse wie vorliegend beschrieben. Der Server 125 kann aufweisen oder kann kommunikativ gekoppelt sein mit einem Datenspeicher 130 zur Speicherung gesammelter Daten 115, die von einem oder mehreren Fahrzeugen 101 empfangen wurden.
Zusätzlich oder alternativ kann der Server Daten 115 zur Benutzung durch ein Fahrzeugcomputer 105 bereitstellen. Im Allgemeinen wird eine Kombination von Daten 115 aus verschiedenen Quellen, beispielsweise dem Datenspeicher 130 über den Server 125, von anderen Fahrzeugen 101 und/oder Datensammlern 110 in dem Fahrzeug 101 synthetisiert und/oder kombiniert, um die Basis für einen Hinweis, eine Nachricht und/oder einen autonomen Betrieb bereitzustellen. Beispielsweise könnte das Fahrzeug 101 Informationen von einem zweiten Fahrzeug und/oder dem Server 125 über ein Objekt auf der Fahrbahn enthalten, das von dem zweiten Fahrzeug detektiert wurde.
Der Computer 105 kann weiterhin dahingehend programmiert sein, die Historie seiner eigenen Operationen und/oder eine Historie, die von anderen Fahrzeugen 101 aufgenommen wurde, zum Treffen von Entscheidungen betreffend einen autonomen Betrieb heranzuziehen.
Das Computergerät 105 kann einen Fuzzylogik-Prozessor 22 zur Bestimmung eines Kontrollsignals basierend auf Betriebsfaktoren benutzen. Die Betriebsfaktoren liegen typischerweise zunächst als scharfe Eingangswerte 23, d.h. als binäre Werte mit null oder eins, aber nicht zwischen null und eins, vor. Der Fuzzy-Prozessor wendet dann einen Fuzzifizierer 24 an, d.h. einen Satz von Instruktionen, die die scharfen Eingangswerte 23 in Eingangswerte umsetzen, auf die dann Fuzzylogik angewendet werden kann, um Fuzzy-Eingangswerte, d.h. Werte zwischen null und eins, zu erzeugen. Beispielsweise kann der Fuzzifizierer 4 Gewichte zur Konvertierung binärer Betriebsfaktoren in verschiedene reelle Zahlen zwischen null und eins einsetzen. Das Computergerät 105 setzt dann eine Inferenzeinheit 25, d.h. einen Satz Instruktionen, um einen Steuerentscheidungsausgangswert basierend auf den fuzzifizierten Faktoren, und eine Regelbasis 26, d.h. einen Satz von Regeln, denen die Interferenzeinheit 25 zum Schließen auf den Kontrollentscheidungsausgangswert folgt, ein, um einen Kontrollentscheidungsausgangswert zu bestimmen. Der Fuzzy-Prozessor 22 setzt dann einen Defuzzifizierer 27 ein, d.h. einen Satz von Instruktionen, die den Fuzzy-Kontrollentscheidungsausgangswert, bei dem es sich um einen Wert zwischen null und eins handelt, in eine scharfe Ausgangsentscheidung 28 konvertieren. Die scharfe Ausgangsentscheidung 28 kann eine von vier Entscheidungen sein: Vollständige Kontrolle durch den menschlichen Operator, vollständige virtuelle Operatorkontrolle, geteilte Kontrolle durch menschlichen und virtuellen Operator sowie menschliche Kontrolle mit virtueller Unterstützung, wie vorstehend beschrieben. Das Computergerät 105 speichert sodann die scharfe Ausgangsentscheidung 28 in dem Datenspeicher 106 als historisches Datum ab und aktuiert ein oder mehrere Komponenten des Fahrzeugs basierend auf der scharfen Ausgangsentscheidung 28.

Ein Beispiel von fuzzifizierten Daten ist in der untenstehenden Tabelle 1 dargestellt. Die erste Spalte von links zeigt fuzzifizierte Eingangswerte, d.h. Daten zwischen 0 und 1. Die zweite Spalte in der Mitte zeigt Fuzzy-Gewichte, die auf die fuzzifizierten Eingangswerte angewendet werden. Die Fuzzy-Gewichte können jeden Wert aufweisen, einschließlich Werten oberhalb von eins. Die letzte Spalte rechts zeigt die fuzzifizierten Ausgangswerte, d.h. die Eingangswerte multipliziert mit dem Fuzzy-Gewicht. Die Ausgangswerte werden dann zu einer fuzzifizierten Summe addiert. Die fuzzifizierte Summe wird dann durch eine gewichtete Summe, d.h. die Summe der Fuzzy-Gewichte, zur Gewinnung eines Resultatfaktors dividiert, der zwischen 0 und 1 liegt.

Fuzzifizierte Eingangswerte	Fuzzifizierte Gewichte	Fuzzifizierte Ausgangswerte
0.870	2.410	2.097
0.093	0.107	0.010
0.953	7.417	7.069
0.347	1.036	0.360
0.892	4.009	3.576
0.269	0.225	0.061
0.862	6.050	5.241
0.368	0.715	0.263
0.321	0.533	0.171

Gewichtete Summe	22.503
Fuzzifizierte Summe	18.848
Faktor	0.838

Tabelle 1

BETRIEBSFAKTOREN
Wie vorstehend erwähnt, ist ein Betriebsfaktor ein numerischer Wert basierend auf gewichteten gesammelten Daten 115, die sich auf die Fähigkeit des Computers 105 und/oder auf die Fähigkeit eines menschlichen Operators zur Steuerung des Fahrzeugs 101 beziehen. Jeder Betriebsfaktor bezieht sich auf einen speziellen Aspekt der Fähigkeit des Computers 105 und/oder eines menschlichen Operators zur Steuerung des Fahrzeugs. Beispielhafte Betriebsfaktoren werden in den folgenden Absätzen diskutiert.
Aufmerksamkeitsfaktor (Alertness Factor, AL)
Ein Beispiel eines Betriebsfaktors stellt der Aufmerksamkeitsfaktor für den Operator dar. Wie vorstehend erwähnt, können verschiedene Sensor-Datensammler 110 Daten 115 über den Operator des Fahrzeugs 101 sammeln. Diese Daten 115 können zur Bestimmung des Aufmerksamkeitsfaktors für den Operator verwendet werden. Beispielsweise können bekannte Bilderkennungstechniken zu einer Bestimmung genutzt werden – beispielsweise basierend auf den Augen der Person, des Gesichtsausdrucks, etc. –, ob die Person wach ist oder schläft, nüchtern oder betrunken ist, etc. Entsprechend können Mikrofon-Datensammler 110 Daten 115 bereitstellen, die mittels bekannter Techniken analysiert werden können, um zu bestimmen, basierend auf der Stimme der Person, ob die Person unter dem Einfluss von Drogen stand oder von Alkohol. Als weiteres Beispiel können Lenkradsensoren 110 verwendet werden, um zu entscheiden, ob sich die Hände der Person auf oder nahe einem Lenkrad befinden; ähnlich bei Pedal und/oder Beschleunigungssensoren 110. Die gesammelten Daten 115 von einem oder mehreren der vorstehend beschriebenen oder von anderen Datensammlern 110 können zur Bestimmung eines Aufmerksamkeitsfaktors für den Operator verwendet werden, d.h. ein Aufmerksamkeitsniveau, normiert auf eine Skala zwischen 0 und 1, wobei 0 bedeutet, dass der Operator keine Aufmerksamkeit zeigt, beispielsweise ohnmächtig ist, und ein Wert von 1 anzeigt, dass der Operator völlig aufmerksam und in der Lage ist, die Kontrolle über das Fahrzeug 101 zu übernehmen.
Bereitschaftsfaktor (Readiness Factor, RE)
Ein weiteres Beispiel eines Betriebsfaktors ist ein Bereitschaftsfaktor des Operators. Unabhängig davon, ob der Operator aufmerksam ist, kann der Operator nicht bereit sein, die Kontrolle über das Fahrzeug 101 zu übernehmen, und dies aus verschiedenen Gründen, beispielsweise, weil der Operator einen Film ansieht, oder weil der Sitz des Operators nicht ordnungsgemäß für die Übernahme der Kontrolle über das Fahrzeug 101 positioniert ist, etc. Dementsprechend können Sensordatensammler 110, wenigstens eine Größe aus Sitzpositionen, einer Bremsreaktionszeit, einer Beschleunigungsreaktionszeit, einer Lenkreaktionszeit, eines Zustands der Mensch-Maschine Schnittstelle (HMI) des Fahrzeugs 101, der Augenposition und -aktivität, der Stimmenfokussiertheit, etc. bereitstellen, um Daten 115 zur Bestimmung des Bereitschaftsfaktors des Operators zu liefern. Beispielsweise kann die Sitzposition, d.h. der Sitzwinkel relativ zu dem Fahrzeugboden, anzeigen, ob der Operator bereit sein kann, die Kontrolle über das Fahrzeug 101 zu übernehmen; beispielsweise kann ein Sitzwinkel nahe der Senkrechten bzgl. des Fahrzeugbodens anzeigen, dass der Operator zur Übernahme der Kontrolle bereit ist. Der Sitzwinkel kann mit einem vorbestimmten Sitzwinkelschwellwert verglichen werden, um anzuzeigen, ob der Operator zur Übernahme der Kontrolle für das Fahrzeug 101 bereit ist. Der Bereitschaftsfaktor für den Operator kann weiterhin auf eine Skala zwischen null und eins normiert werden.
Wahrscheinlichkeitsfaktor (Probability Factor, PR)
Ein weiteres Beispiel eines Betriebsfaktors ist der Aktionswahrscheinlichkeitsfaktor für den Operator. Der Operationswahrscheinlichkeitsfaktor entspricht einer Wahrscheinlichkeit, beispielsweise auf einer Skala zwischen 0 und 1 normiert, dass eine Aktion des Fahrers mit der Absicht zur Steuerung des Fahrzeuges 101 ausgeführt wurde. Beispielsweise kann, falls das Fahrzeug entlang einer geraden Linie entlang einer geraden Straße mit Kontrolle durch den Computer 105 entlangfährt, und wenn der menschliche Operator versucht, das Lenkrad des Fahrzeugs 101 zu drehen, der Aktionswahrscheinlichkeitsfaktor für den Operator dafür relevant sein, um zu bestimmen, ob die Aktion des Operators absichtlich war. Dementsprechend können gesammelte Daten 115, die bevorstehende Straßenmerkmale anzeigen, beispielsweise Kurven, Hindernisse, andere Fahrzeuge, etc. verwendet werden, um den Aktionswahrscheinlichkeitsfaktor für den Operator zu bestimmen. Weiterhin kann die Historie des Operators zur Bestimmung des Aktionswahrscheinlichkeitsfaktors relevant sein. Beispielsweise kann dann, wenn der Operator in der Historie gegen das Lenkrad gestoßen ist, der Aktionswahrscheinlichkeitsfaktor für den Operator reduziert sein, falls das Lenkrad leicht bewegt wird. In jedem Fall kann die Verwendung historischer Daten im Kontext eines versteckten Markov-Modells oder anderen probabilistischen Modellen, wie bekannt. Die gesammelten Daten 115 können den Aktionswahrscheinlichkeitsfaktor PR bestimmen. Der Computer 105 kann Daten 115 über den Betrieb des Fahrzeugs 101 auswerten, d.h. interne Daten und Daten 115 von der umgebenen Umwelt, d.h. externe Daten.
Autonomer Vertrauensfaktor (Autonomous Confidence Factor, AC)
Ein weiteres Beispiel für einen Betriebsfaktor stellt ein autonomer Vertrauensfaktor dar. Dieser Faktor, beispielsweise auf einer Skala zwischen 0 und 1 normiert, stellt eine Anzeige des Vertrauens dar, dass der Computer 105 die Umwelt um das Fahrzeug 101 korrekt bewertet. Beispielsweise kann der Computer 105 Daten 115 empfangen, u.a. Bilder, Radar, Lidar, Fahrzeug-zu-Fahrzeug-Kommunikation, etc., durch die Merkmale der Straße, auf der sich das Fahrzeug 101 bewegt, angezeigt werden, beispielsweise potenzielle Hindernisse, etc. Der Computer 105 kann die Qualität der Daten, beispielsweise die Bildqualität, die Klarheit von detektierten Objekten, die Präzision von Daten, die Genauigkeit von Daten, die Vollständigkeit von Daten, wie bekannt bewerten, um den autonomen Vertrauensfaktor zu bestimmen. Der autonome Vertrauensfaktor stellt ein Maß für das Vertrauen dar, dass ein bestimmtes System online ist und ausreichende Daten an den Computer 105 liefert, um einen autonomen Betrieb zu unterstützen.
Risikofaktor (Peril Factor, PE)
Ein weiteres Beispiel für einen Betriebsfaktor stellt ein Risikofaktor dar. Der Risikofaktor ist eine Kombination zwischen der Wahrscheinlichkeit, dass ein Objekt mit dem Fahrzeug 101 kollidieren wird und der Schwere des Schadens, falls das Objekt kollidieren würde. Beispielsweise kann die Wahrscheinlichkeit einer Kollision mit einem Kleinobjekt, beispielsweise einem Busch, einen niedrigeren Risikofaktor aufweisen als eine Kollision mit einem großen Objekt, beispielsweise mit einem anderen Fahrzeug 101. Der Risikofaktor ist im Allgemeinen ein vorbestimmter Wert, beispielsweise normiert auf einer Skala zwischen null und eins, ausgewählt aus einem bestimmten Risiko aus einem Szenario, das anhand der gesammelten Daten 115 ausgewählt wurde. Ein oder mehrere Risikofaktoren verbunden mit verschiedenen Szenarien können beispielsweise in einer Nachschlagetabelle od. dgl. in dem Speicher 106 des Computers 105 gespeichert sein. Beispielsweise könnten die gesammelten Daten 115 eine bevorstehende Frontalkollision mit einem anderen Fahrzeug bei einer Geschwindigkeit von mehr als 50 km/h anzeigen, woraufhin ein hoher Risikofaktor, beispielsweise ein Risikofaktor von 1.0, angezeigt sein kann. In einem anderen Szenario kann ein Schlagloch auf der Fahrbahn vor dem Fahrzeug 101 erkannt worden sein, wenn das Fahrzeug 101 bei relativ niedrigen Geschwindigkeiten, beispielsweise 30 km/h, fährt, woraufhin ein relativ niedriger Risikofaktor, beispielsweise ein Risikofaktor von 0.25 angezeigt sein kann. Eine Plastiktüte oder Blätter, die vor dem Fahrzeug 101 aufgewirbelt worden sind, können unabhängig von der Geschwindigkeit zu einem niedrigen Risikofaktor, beispielsweise einem Risikofaktor von 0.10 führen.
Der Computer 105 kann einen Risikofaktor basierend auf umgebenden Objekten bestimmen. Die Daten 115 können Eingabewerte von Datensammlern 110 beinhalten, die die Anzahl von Objekten innerhalb eines vorbestimmten Abstandes um das Fahrzeug 101 anzeigen. Die Objekte können Objekte umfassen, bei denen ein Risiko besteht, dass das Fahrzeug 101 mit diesen kollidiert, und der Risikofaktor kann ein Maß für das Risiko einer Kollision mit dem Objekt und den relativen Schaden bei Kollisionen mit unterschiedlichen Objekten darstellen. Der Computer 105 kann Fuzzylogik od. dgl. zur Bestimmung des Risikofaktors einsetzen, beispielsweise bei der Bestimmung des Typs eines erkannten Objekts, dem Risiko einer Verletzung oder eines Schadens verbunden mit dem entsprechenden Objekt, etc. Der Computer 105 kann weiterhin einen Dynamikfaktor wie bekannt berechnen, wobei der Dynamikfaktor die Wahrscheinlichkeit einer Kollision des Fahrzeugs 101 mit dem erkannten Objekt ist. Der Dynamikfaktor kann in bekannter Weise unter Verwendung der Daten 115 bestimmt werden.
BEWERTUNG VON BETRIEBSFAKTOREN
Die gesammelten Daten 115 können auf verschiedene Weise zur Bestimmung der Betriebsfaktoren gewichtet werden, und dann, wie vorstehend erwähnt, können die Betriebsfaktoren für sich genommen gewichtet werden, wenn diese mit anderen Betriebsfaktoren kombiniert werden, um eine Steuerungsentscheidung für das Fahrzeug 101 zu treffen. Im Allgemeinen können das Computergerät und die Steuergeräte 108 jeden der Betriebsfaktoren individuell nutzen oder zwei oder mehrere Faktoren kombinieren, beispielsweise die fünf Faktoren wie vorstehend beschrieben, um über eine autonome Steuerung des Fahrzeugs 101 zu entscheiden. Beispielsweise kann das Computergerät 105 lediglich den autonomen Vertrauensfaktor AC zur Bestimmung heranziehen, ob der virtuelle Operator zu einer autonomen Kontrolle eines Fahrzeugs 101 in der Lage ist. Der Wert des autonomen Vertrauensfaktors AC kann in einer Kontrollentscheidung für das Fahrzeug 101 resultieren, das dann bestimmte Subsysteme des Fahrzeugs 101 autonom kontrolliert.
Aufmerksamkeitsfaktor und Bereitschaftsfaktor

Ein Beispiel für die Bestimmung von zwei Faktoren, eines Aufmerksamkeitsfaktors (AL) und eines Bereitschaftsfaktors (RE) ist in der nachfolgenden Tabelle 2 dargestellt:

Eingangsgröße	Quelle(n)	AL Gewicht	RE Gewicht
Bild(er) des Nutzergesichts und -auges	Bildsensoren, beispielsweise Kamera(s)	0.43	0.23
Nutzung von Fahrzeugbedienelementen (Klima, Audio, Navigation, etc.)	Fahrzeug/Computereingabeelemente, beispielsweise Tasten, Knöpfe, Touchscreen und/oder andere HMI-Elemente	0.07	0.05
Sprache des Nutzers	Mikrofone, Spracherkennungssystem (beispielsweise als Part der HMI)	0.19	0.05
Kontakt mit dem Lenkrad und/oder Bewegung	Lenkradsensoren	0.07	0.28
Bewegung Fahrpedal	Antriebsstrangsteuerung	0.05	0.14
Bewegung Bremspedal	Bremssteuerung	0.05	0.14
Körperbewegung des Nutzers	Fahrzeuginsassenklassifikationssystem, Rückhaltesystemsteuerung	0.14	0.11

Tabelle 2

Wie in Tabelle 2 dargestellt, kann eine Vielzahl von Eingangsgrößen zur Bestimmung von n unterschiedlichen Komponenten und Betriebsfaktoren AL und RE verwendet werden. Beispielsweise zeigt die Tabelle 2 sieben Eingangsgrößen, d.h. in dem vorliegenden Beispiel ist n = 7, die zur Bestimmung von Komponenten der Betriebsfaktoren AL₁ bis AL₇ und RE₁ bis RE₇ verwendet werden können. Die Komponenten der Betriebsfaktoren können dann zur Bestimmung der Gesamtbetriebsfaktoren herangezogen werden, welche wiederum, wie näher weiter unten beschreiben wird, durch den Computer 105 zum Treffen einer Kontrollentscheidung verwendet werden können, beispielsweise, ob eine Benutzersteuerung für das Fahrzeug 101 erlaubt werden soll, oder ein bestimmter Grad einer Benutzerkontrolle erlaubt werden kann.
Dementsprechend, als Fortsetzung des vorstehenden Beispiels, können die Größen AL_i und RE_i durch Bewertung von Eingangsdaten bestimmt werden, um zu einem Rohbetriebsfaktor AL_i oder RE_i zu gelangen, beispielsweise einem skalierten Wert, der die Aufmerksamkeit oder Bereitschaft eines Benutzers basierend auf den Eingangsgrößen anzeigt. Beispielsweise können Bilddaten analysiert werden, beispielsweise die Blickrichtung eines Benutzers, ob die Augen offen oder geschlossen sind, Gesichtsausdrücke, etc., um den Grad der Aufmerksamkeit und/oder Bereitschaft eines Benutzers zum Betrieb des Fahrzeugs 101 zu bestimmen. Weiterhin kann die Anzahl innerhalb einer vorbestimmten Zeitspanne, beispielsweise innerhalb von 5 Minuten, 10 Minuten etc., mit der der Benutzer auf Steuerelemente des Fahrzeugs, wie z.B. Klimasteuerung, Unterhaltungssystem, Navigationssystem und/oder andere Bedienelemente zugreift, herangezogen werden, um einen Grad von Aufmerksamkeit und/oder Bereitschaft des Benutzers zur Bedienung des Fahrzeuges 101 zu bestimmen. Im Allgemeinen können die individuellen oder Komponenten Roh-Betriebsfaktoren AL_i(raw) und RE_i(raw) normiert auf eine Skala zwischen 0 und 1 bestimmt werden. Die Rohfaktoren AL_i(raw) und RE_i(raw) können auch als binäre Werte bestimmt werden, d.h. null als Anzeige, dass der Benutzer nicht aufmerksam oder nicht bereit ist, und eins als Anzeige, dass der Benutzer aufmerksam oder bereit ist, und dann mit geeigneten Gewichten multipliziert werden, um zu gewichteten Komponenten-Betriebsfaktoren AL_i und RE_i zu gelangen. Die Anwendung derartiger Gewichte kann als Fuzzifizierungsschritt ausgebildet sein, d.h. als erster Schritt in einer Fuzzylogik-Analyse, wie vorstehend diskutiert.
Unter weiterer Bezugnahme auf das vorliegende Beispiel können die Betriebsfaktoren AL₁ und RE₁ bis AL_n und RE_n kombiniert, beispielsweise summiert oder gemittelt werden, um zu Gesamtfaktoren AL_overall und RE_overall zu gelangen. Die Gesamtfaktoren können mit vorbestimmten Schwellwerten zur Bestimmung einer Benutzeraufmerksamkeit und/oder -Bereitschaft verglichen werden, um die Steuerung des Fahrzeuges 101 festzulegen. Beispielsweise kann AL_overall mit einem ersten vordefinierten Aufmerksamkeitsschwellwert verglichen werden, und wenn AL_overall den ersten Aufmerksamkeitsschwellwert überschreitet, könnte der Computer 105 bestimmen, dass der Benutzer einer ausreichende Aufmerksamkeit hat, um eine Kontrolle über sämtliche Operationen des Fahrzeugs 101 zu übernehmen, beispielsweise Bremsung, Vortrieb bzw. Antrieb und Lenkung. Ein ähnlicher Vergleich kann zu einem ersten vorbestimmten Bereitschaftsschwellwert vorgenommen werden. Weiter kann der Computer dahingehend programmiert werden, dass sowohl der erste Aufmerksamkeitsschwellwert als auch der erste Bereitschaftsschwellwert erfüllt sein müssen, bevor entschieden wird, dass der Benutzer vollständige Kontrolle über das Fahrzeug 101 übernimmt.
Weiterhin kann der Computer 105 dahingehend programmiert sein, zusätzlich zu den ersten Aufmerksamkeits- und Bereitschaftsschwellwerten zweite, dritte, usw. Aufmerksamkeits- und/oder Bereitschaftsschwellwerte zu berücksichtigen, und verschiedene Grade von Benutzerkontrolle über das Fahrzeug 101 basierend auf Vergleichen mit diesen Schwellwerten zu erlauben. Beispielsweise könnte der Computer dann, wenn AL_overall und RE_overall zweite Aufmerksamkeits- und Bereitschaftsschwellwerte jeweils überschreiten, auch dann, wenn diese die ersten Schwellwerte nicht erreichen, dem Benutzer erlauben, bestimmte Steuerelemente eines Fahrzeugs 101 zu kontrollieren, beispielsweise Bremse und Beschleunigung, jedoch nicht die Lenkung. Bei Erreichen von dritten Aufmerksamkeits- und Bereitschaftsschwellwerten kann der Computer 105 auch dann, wenn die zweiten Schwellwerte nicht erreicht sind, dem Benutzer eine Kontrolle über eine kleinere Menge von Komponenten des Fahrzeuges 101 erlauben, beispielsweise nur über die Bremsen. Wenn die dritten Schwellwerte nicht erreicht werden, wird dem Benutzer keine Kontrolle erlaubt, oder es könnte ihm erlaubt werden, Eingaben beispielsweise an die Lenkung, die Bremsung usw. zu tätigen, um mit von dem Computer 105 getroffenen Entscheidungen zu kooperieren. Eine derartige Entscheidungsfindung wird weiter unten beschrieben.
Es versteht sich, dass das vorstehende Beispiel, auch wenn es unter Bezugnahme auf zwei Betriebsfaktoren, nämlich AL und RE dargestellt wurde, auch auf andere Betriebsfaktoren erweitert werden kann, beispielsweise den Aktionswahrscheinlichkeitsfaktor für den Benutzer, den autonomen Vertrauensfaktor und den Risikofaktor, wie vorstehend diskutiert.
3 zeigt ein Beispiel eines Subsystems 30 zur Bestimmung der Aufmerksamkeit- und Bereitschaftsfaktoren. Das Computergerät 105 sammelt Operatordaten aus einer Vielzahl von Quellen, beispielsweise aus Überwachungs-Subsystemen für das Fahrerauge und zur Gesichtsbeobachtung, aus interaktiven Anzeigen und Konsolentasten, aus Stimmeingaben, aus Lenkradsensoren, aus Fahrpedalsensoren, aus Bremspedalsensoren oder aus Sitzsensoren. Die Quellen können eine Mehrzahl von Subsystemen einschließen; beispielsweise können – wie bekannt – interaktive Display- und Konsolentasten-Daten von einem Klimakontroll-Subsystem, einem Audiokontrollsubsystem, einem Navigationssubsystem und einem Telematik-Subsystem geliefert werden. Die Vielzahl von Eingaben werden dann zur Bestimmung der Komponentenbetriebsfaktoren AL_i und RE_i herangezogen, beispielsweise der sieben Komponentenfaktoren wie in Tabelle 2 beschrieben.
Die Komponentenbetriebsfaktoren könne dann zu einem Aufmerksamkeitsfaktor AL und einem Bereitschaftsfaktor RE summiert werden. Das Computergerät 105 kann dann die Faktoren AL, RE mit vorbestimmten Schwellwerten wie vorstehend beschrieben vergleichen und den Betrieb der Fahrzeug-Subsysteme basierend darauf, ob die Faktoren AL, RE die Schwellwerte überschreiten, anpassen.
Das Subsystem 30 schließt eine Mehrzahl von Eingaben 31 ein, die typischerweise von einem menschlichen Operator stammen. Die Eingaben 31 schließen beispielsweise die Beobachtung des Operatorauges und die Gesichtsüberwachung, interaktive Displays, Konsolentasten, Stimmeingaben, Lenkradsensoren, Fahrpedalsensoren, Bremspedalsensoren und Sitzsensoren ein. Diese Eingaben 31 produzieren Daten 115.
Die Daten 115 können an eine Vielzahl von Subsystemen weitergeleitet werden, einschließlich beispielsweise einem Fahrergesichtüberwachungs-Subsystem 32a, einem Instrumentenpaneel- und Cluster-Subsystem 32b, einem Klima-Subsystem 32c, einem Audiosteuerungs-Subsystem 32d, einem Navigations/GPS-Subsystem 32e, einem Telematik-Subsystem 32f, einem Sprach-Subsystem 32g, einem EPAS-Subsystem 32h, einem Antriebsstrang-Steuerungssubsystem 32k, einem Bremssteuerungs-Subsystem 32l, einem Karosseriekontroll-Subsystem 32m, einem Insassen-Klassifizierungs-Subsystem 32n und einem Rückhaltesteuerungs-Subsystem 32p.
Die Subsysteme 32a–32p nutzen die Daten 115 zur Bildung individueller Bereitschaftsfaktoren RE_i und Aufmerksamkeitsfaktoren AL_i, wie vorstehend beschrieben. Die individuellen Faktoren werden dann mit einem Gewichtungsfaktor zur Gewinnung der Faktoren 33a–33g multipliziert. Beispielsweise nutzt das Subsystem für die Fahrer-Gesichtserkennung Daten 115 zur Bestimmung von Aufmerksamkeits- und Bereitschaftsfaktoren 33a, die Subsysteme 32b–32f nutzen Daten 115 zur Bestimmung von Aufmerksamkeits- und Bereitschaftsfaktoren 33b, das Subsystem 32g bestimmt die Faktoren 33c, und das EPAS-Subsystem 32h bestimmt die Faktoren 33d, das Antriebsstrangsteuerungs-Subsystem 32k bestimmt die Faktoren 33e, das Bremskontroll-Subsystem 32l bestimmt die Faktoren 33f und die Subsysteme 32m–32p bestimmen die Faktoren 33g.
Die Faktoren 33a–33g werden dann zu globalen Aufmerksamkeits- und Bereitschaftsfaktoren 34 summiert. Die globalen Aufmerksamkeits- und Bereitschaftsfaktoren 34 werden dann jeweils mit Aufmerksamkeits- und Bereitschaftsschwellwerten 35 verglichen. Abhängig davon, ob entweder keiner, einer oder beide von den Aufmerksamkeits- und Bereitschaftsfaktoren die jeweiligen Schwellwerte 35 überschreiten, instruiert das Computergerät 105 die Steuergeräte 108 dahingehend, dass die Subsysteme des Fahrzeugs 101 mit einem variierendem Grad oder Level von autonomer Steuerung oder manueller Steuerung betrieben werden, beispielsweise vollständige autonome Kontrolle jeweils für Vortrieb bzw. Antrieb, Lenkung und Bremsung, gesteuert durch den Computer 105, oder halbautonome Kontrolle mit weniger als allen derartigen Fahrzeugsystemen unter Kontrolle des Computers 105 oder vollständiger manueller Kontrolle. Beispielsweise kann, wenn der Aufmerksamkeitsfaktor AL den Schwellwert überschreitet, das Computergerät 105 dem Operator eine vollständige Kontrolle der Subsysteme des Fahrzeugs 101 erlauben.
Aktionswahrscheinlichkeitsfaktor
Zur Bestimmung des Aktionswahrscheinlichkeitsfaktors PR kann der Computer 105 Wahrscheinlichkeitsfelder basierend auf internen und externen Daten bestimmen, beispielsweise ein Wahrscheinlichkeitsfeld, das eine Wahrscheinlichkeit für die Lokalisierung und die Geschwindigkeit des Fahrzeugs 101 beschreibt, und ein Wahrscheinlichkeitsfeld, das die potenzielle Gefahr an einer bestimmten Lokalisierung mit einer bestimmen Geschwindigkeit angibt. Ein Wahrscheinlichkeitsfeld stellt eine Menge von Wahrscheinlichkeiten dar, mit der das Fahrzeug eine der Größen Position, Richtung, Geschwindigkeit oder Beschleunigung um einen bestimmten Betrag verändert, beispielsweise Änderung der Richtung um einen Winkel θ, basierend auf dem aktuellen Zustand des Fahrzeugs 101, d.h. der aktuellen Geschwindigkeit, dem aktuellen Lenkwinkel, der aktuellen Beschleunigung, etc. Die Wahrscheinlichkeiten für eine Anzahl von Änderungen, beispielsweise für eine Mehrzahl von Winkeln θ, werden dann in einem einzigen Feld gesammelt; dieses Feld ist das "Wahrscheinlichkeitsfeld". Das Wahrscheinlichkeitsfeld kann als Satz von Vektoren dargestellt werden, wie in den 7 bis 8 dargestellt, wobei die Länge der Vektoren die Größe eines Risikofaktors und die Richtung der Vektoren die Änderung der Trajektorie darstellen soll.

Ein Richtungswahrscheinlichkeitsfeld stellt die Wahrscheinlichkeit dar, dass das Fahrzeug 101 die Richtungskomponente seiner Trajektorie zukünftig basierend auf vielfältigen Eingangswerten, beispielsweise Geschwindigkeit, Beschleunigung, Straßenzustand, Lenkwinkel, Stabilitätslimits, naheliegenden Fahrzeugen und/oder Objekten, etc. ändert. In einem Beispiel kann ein Richtungswahrscheinlichkeitsfeld basierend auf einer Fahrzeugtrajektorie die Wahrscheinlichkeitsverteilung einer zukünftigen Trajektorie eines Fahrzeugs relativ zu der aktuellen Trajektorie aufzeichnen. Ein Beispiel für ein Richtungswahrscheinlichkeitsfeld mit P_d,k,θ einem Index k (eine Zeit t_k repräsentierend), bei der sich die Trajektorie um einen Winkel θ verschiebt, hier in Grad gemessen, relativ zu der aktuellen Trajektorie, wobei die aktuelle Trajektorie θ = 0 definiert ist und wobei positive θ als im Gegenuhrzeigersinn relativ zu der Trajektorie definiert sind, ist in der folgenden Tabelle 3 dargestellt:

θ	P_d,k,θ	θ	P_d,k,θ
–60	0.000000	60	0.000000
–4	0.082165	4	0.082944
–3	0.102110	3	0.103680
–2	0.109380	2	0.109150
–1	0.115310	1	0.113060
0	0.118580

Tabelle 3

Beispielsweise beträgt die Wahrscheinlichkeit, dass sich die Trajektorie um –3 Grad ändern wird, 0.102110 oder etwa 10 %. Die Wahrscheinlichkeiten können auf internen und externen Daten basieren, beispielsweise können dann, wenn ein Fahrzeug 101 auf einer benachbarten linken Spur detektiert wurde, die Wahrscheinlichkeiten für Trajektorien mit negativem Winkel geringer sein als jene für Trajektorien mit positiven Winkeln. Wenn gemäß einem Beispiel der Computer 105 direkt voraus ein Objekt vor dem Fahrzeug 101 detektiert, können die Wahrscheinlichkeiten für geringe Winkeländerungen der Trajektorie geringer als die Wahrscheinlichkeiten für größere Winkeländerungen der Trajektorie sein.
10 illustriert eine Mehrzahl von beispielhaften Wahrscheinlichkeitsfeldern, die zur Bestimmung des Aktionswahrscheinlichkeitsfaktors AF verwendet werden können. Das erste Wahrscheinlichkeitsfeld 60a stellt ein Beispiel eines Richtungswahrscheinlichkeitsfeldes wie vorstehend beschrieben dar, und stellt einen Plot der Wahrscheinlichkeit dar, dass das Fahrzeug 101 seine Richtung um einen Winkel θ gegenüber der aktuellen Richtung ändert. Das zweite Wahrscheinlichkeitsfeld 60b stellt ein Beispiel eines Beschleunigungswahrscheinlichkeitsfeldes dar. In diesem Falle stellt das Feld einen Plot der Wahrscheinlichkeit dar, dass das Fahrzeug 101 seine Beschleunigung gegenüber der aktuellen Beschleunigung ändert. Die Wahrscheinlichkeit P_a,k,0 in der Mitte des Feldes beschreibt die Wahrscheinlichkeit, dass sich die Beschleunigung nicht ändert, und negative Änderungen der Beschleunigung sind links der Mitte und positive Änderung der Beschleunigung sind rechts der Mitte geplottet.
Das dritte Wahrscheinlichkeitsfeld 60c stellt ein Beispiel eines Geschwindigkeitswahrscheinlichkeitsfeldes dar, mit einem Plot einer Wahrscheinlichkeit, dass das Fahrzeug 101 seine Geschwindigkeit vergrößert oder verkleinert. In diesem Falle gibt die Wahrscheinlichkeit in der Mitte P_v,k,0 die Wahrscheinlichkeit an, dass das Fahrzeug 101 seine Geschwindigkeit nicht ändern wird, und negative Änderungen der Geschwindigkeit sind links der Mitte und positive Änderungen der Geschwindigkeit rechts der Mitte geplottet.
Das vierte Wahrscheinlichkeitsfeld 60d stellt ein Beispiel eines Positionswahrscheinlichkeitsfeldes dar, in dem die Wahrscheinlichkeit geplottet ist, dass das Fahrzeug 101 seine Position verändert. In diesem Fall ist die Wahrscheinlichkeit, dass das Fahrzeug seine Position nicht verändern wird, P_p,k,0 ganz links dargestellt, und sich vergrößernde Änderungen der Position nach rechts geplottet. Das bedeutet, dass der Plot nach rechts hin eine größere Wahrscheinlichkeit einer Änderung der Position des Fahrzeugs 101 darstellt.
11 illustriert weitere beispielhafte Richtungswahrscheinlichkeitsfelder für verschiedene Zustände des Fahrzeugs 101. Beispielsweise illustriert das Wahrscheinlichkeitsfeld 70a ein Wahrscheinlichkeitsfeld für ein Fahrzeug 101 mit einem Kurs mit 7° nach links. Gemäß einem weiteren Beispiel illustriert das Wahrscheinlichkeitsfeld 70e ein Fahrzeug 101 mit einem Kurs von 15° nach rechts. Wenn ein Fahrzeug 101 einen Kurs in einer Richtung abweichend von der Geradeausrichtung einschlägt, verschieben sich die Wahrscheinlichkeitsfelder typischerweise dahingehend, dass die Wahrscheinlichkeiten eines Richtungswechsels in diese Richtung steigen. D.h., dass ein Fahrzeug, das einen Kurs nach rechts hat, eine höhere Wahrscheinlichkeit aufweisen kann, seine Position nach rechts zu verändern. In ähnlicher Weise kann das Wahrscheinlichkeitsfeld 70b, welches ein Beispiel für ein Fahrzeug 101 mit einem Kurs geradeaus darstellt, Wahrscheinlichkeiten mit gleichmäßiger Verteilung um die Mitte herum aufweisen.
Die beispielhaften Wahrscheinlichkeitsfelder 70b, 70c und 70d illustrieren Wahrscheinlichkeitsfelder für ein Fahrzeug mit Geradeauskurs bei sich erhöhenden Geschwindigkeiten, hier 20 mph oder ca. 32.2 km/h, 50 mph oder ca. 80.5 km/h oder 80 mph oder ca. 128.8 km/. Bei steigender Geschwindigkeit werden die die Wahrscheinlichkeitsfelder typischerweise schmaler, d.h., die Wahrscheinlichkeit, dass das Fahrzeug 101 in Geradeausrichtung verbleibt oder sich um geringe Beträge ändert, ist größer als die Wahrscheinlichkeit, dass das Fahrzeug seine Richtung um einen größeren Betrag ändert. Weil die Änderung der Richtung des Fahrzeuges 101 eine Änderung des Vorwärtsimpulses bedingt, ist es bei Fahrzeugen 101 mit höheren Geschwindigkeiten, die höhere Vorwärtsimpulse aufweisen, weniger wahrscheinlich, dass größere Änderungen ihrer Richtung auftreten.
Die Wahrscheinlichkeitsfelder 70f und 70g stellen Beispiele für Wahrscheinlichkeitsfelder dar, bei denen ein Objekt die Wahrscheinlichkeit, dass das Fahrzeug 101 seine Richtung ändern wird, verändert hat. Das beispielhafte Wahrscheinlichkeitsfeld 70f illustriert einen Satz von Wahrscheinlichkeiten für den Fall, dass ein Fahrzeug 101 seine Richtung ändert, wenn ein Objekt, beispielsweise ein anderes Fahrzeug 101, sich auf der angrenzenden linken Spur befindet. Hier ist, weil sich ein Objekt direkt links des Fahrzeugs 101 befindet, die Wahrscheinlichkeit, dass das Fahrzeug 101 seine Richtung nach links verändert (und dabei möglicherweise mit dem Objekt kollidiert), geringer als die Wahrscheinlichkeit, dass das Fahrzeug 101 weiter geradeaus fährt oder seine Richtung nach rechts verändert. Entsprechend stellt das Wahrscheinlichkeitsfeld 70g ein Beispiel eines Wahrscheinlichkeitsfeldes für den Fall dar, dass sich ein nicht bewegliches Objekt direkt vor dem Fahrzeug 101 befindet. In diesem Falle wird das Fahrzeug 101 mit dem Objekt kollidieren, wenn das Fahrzeug nicht seine Richtung ändert, so dass die Wahrscheinlichkeit, dass das Fahrzeug 101 seine Richtung nicht ändert, null ist, wie aus dem Fehlen eines in die Mitte des Feldes zeigenden Pfeiles ersichtlich ist. Da das Objekt sich direkt vor dem Fahrzeug 101 befindet, sind die Wahrscheinlichkeiten, dass das Fahrzeug 101 seine Richtung entweder nach links oder nach rechts verändert, im Wesentlichen gleich, wobei eine größere Richtungsänderung wahrscheinlicher als eine kleinere Richtungsänderung ist, wie durch die längeren Pfeile weiter weg von der Mitte angedeutet ist.
12 illustriert ein Subsystem 80 zur Bestimmung einer Mehrzahl von Richtungswahrscheinlichkeitsfeldern, die aus einer Mehrzahl von Datenquellen berechnet wurden. Zusätzlich zu den vorstehend beschriebenen fahrzeugbasierten Richtungswahrscheinlichkeitsfeldern kann der Computer 105 etliche weitere Wahrscheinlichkeitsfelder basierend auf bestimmten Daten 115 berechnen. Ein solches Wahrscheinlichkeitsfeld stellt ein objektbasiertes Wahrscheinlichkeitsfeld 84 dar, bei dem Daten 115 über das Fahrzeug 101 umgebende Objekte verwendet werden, die unter Verwendung von Kameras, Lidar, Radar, etc. zur Bestimmung eines Wahrscheinlichkeitsfeldes für eine Änderung der Richtung des Fahrzeuges 101 basierend auf umgebenden Objekten verwendet werden. Die Daten 115 werden durch verschiedene Subsysteme des Fahrzeugs 101 gesammelt, beispielsweise optische Kamerasubsysteme 42a, Infrarotkamera-Subsysteme 42b, ein Lidar-Subsystem 42c, ein Radar-Subsystem 42d, ein Ultraschall-Subsystem 42e, ein Telematik-Subsystem 32f, ein Routenerkennungs-Subsystem 82b, ein GPS-Subsystem 32e und Kontroll-Subsysteme 32k des Fahrzeugs 101. Die Daten 115 von den Subsystemen 42a–42e, 32f werden an ein Signalverarbeitungs-Subsystem 23 zur Verarbeitung der Daten 115 und der Entwicklung einer objektkartenbasierten Berechnung von Richtungswahrscheinlichkeitsfeldern 84 gesendet. Beispielsweise ist dann, wenn ein anderes Fahrzeug 101 sich auf der benachbarten linken Spur befindet, die Wahrscheinlichkeit einer Bewegung nach links wesentlich geringer als einer Bewegung nach rechts.
Ein weiteres Richtungswahrscheinlichkeitsfeld kann ein routenbasiertes Richtungswahrscheinlichkeitsfeld 85 sein. Das routenbasierte Richtungswahrscheinlichkeitsfeld nutzt Daten 115 beispielsweise von einem Telematik-Subsystem 32f, einem Navigationssystem, einem Routen-Erkennungs-Subsystem 82a, einem GPS-Subsystem 32e, etc. zur Bestimmung der Wahrscheinlichkeit einer Richtungsänderung des Fahrzeugs 101 basierend auf der beabsichtigten Route des Fahrzeugs 101. Beispielsweise kann das routenbasierte Richtungswahrscheinlichkeitsfeld dann, wenn die Route ein Linksabbiegen einschließt oder wenn eine nachfolgende Kurve auf der Straße ansteht, eine erhöhte Wahrscheinlichkeit für eine Richtungsänderung des Fahrzeuges 101 in die Richtung des Abbiegens oder der anstehenden Kurve aufweisen.
Ein anderes Richtungswahrscheinlichkeitsfeld kann ein fahrzeugbasiertes Richtungswahrscheinlichkeitsfeld 86 sein, welches Daten von Fahrzeugsteuerungs-Subsystemen 42k zur Bestimmung eines Richtungswahrscheinlichkeitsfeldes 86 für das Fahrzeug 101 verwenden. Bei weiteren anderen Wahrscheinlichkeitsfeldern kann es sich um historische Richtungswahrscheinlichkeitsfelder 87 handeln, die beispielsweise in dem Datenspeicher 106 und/oder dem Server 125 gespeichert sind. Die historischen Richtungswahrscheinlichkeitsfelder können vorher berechnete Richtungswahrscheinlichkeitsfelder darstellen, die durch den Computer 105 gespeichert wurden. Das Computergerät 105 kann die Richtungswahrscheinlichkeitsfelder 84–87 in ein kombiniertes Richtungswahrscheinlichkeitsfeld 88 kombinieren.
13 illustriert ein Subsystem 90 für die Sammlung der Mehrzahl von Wahrscheinlichkeitsfeldern zur Steuerung der Subsysteme des Fahrzeugs 101. Das Richtungswahrscheinlichkeitsfeld 88 kann aus einem Beschleunigungswahrscheinlichkeitsfeld 92, aus einem Geschwindigkeitswahrscheinlichkeitsfeld 93 und aus einem Positionswahrscheinlichkeitsfeld 94 gewonnen werden und zu dem Steuergerät 108 gesendet werden. Gemäß einer in dem Steuergerät 108 ausgeführten Programmierung können die Wahrscheinlichkeitsfelder 88, 92, 93, 94 mit vorbestimmten Feldern 95 für sichere Zustände verglichen werden, d.h., die Abweichung von den Feldern 95 für sichere Zustände können anzeigen, dass die beabsichtigte Operation unsicher sein kann. Die vorbestimmten Felder 95 für sichere Zustände können Wahrscheinlichkeitsfelder für Richtung, Beschleunigung, Geschwindigkeit und Position enthalten, die beispielsweise durch einen virtuellen Operator zur Vorhersage eines sicheren Betriebs für das Fahrzeug 101 bestimmt worden sind. Der Unterschied zwischen den Wahrscheinlichkeitsfeldern 88, 92, 93, 94 und den vorbestimmten Feldern 95 für sichere Zustände können zur Berechnung des Aktionswahrscheinlichkeitsfaktors PR verwendet werden. Das Steuergerät 108 kann Daten 115, die auf den Risikofaktor PE bezogen sind, einbeziehen, um den Wahrscheinlichkeitsfaktor PR zu bestimmen, und um den Grad oder Level an autonomer Kontrolle für die Subsysteme des Fahrzeugs 101 zu bestimmen, d.h. für Fahrzeugsteuerungshandlungen 96.
Autonomer Vertrauensfaktor
Zur Bestimmung eines autonomen Vertrauensfaktors AC kann ein spezifischer autonomer Vertrauensfaktor AC_i für jedes einer Mehrzahl von Subsystemen bestimmt werden, einschließlich (1) einer optischen Kamera, (2) einer Infrarotkamera, (3) einem Lidar, (4) einem Radar, (5) einem Ultraschallsensor, (6) einem Höhenmesser, (7) einem Telematiksystem, (8) einem GPS-System und (9) Komponenten des Fahrzeugs 101. In diesem Falle bezieht sich der Index i auf eine Referenznummer, die jedes der in dem vorstehenden Beispiel beschriebenen 9 Subsysteme beschreibt und kann generell einen Eintrag in einer Liste von Subsystemen einer beliebigen Zahl bezeichnen. Die spezifischen autonomen Vertrauensfaktoren für jedes der Subsysteme können einen zugeordneten vorbestimmten Gewichtsfaktor D_i aufweisen, wie vorstehend für die Aufmerksamkeits- und Bereitschaftsfaktoren beschrieben. Die Gewichtsfaktoren können sich für unterschiedliche Subsysteme unterscheiden, beispielsweise kann ein Lidar einen höheren Gewichtsfaktor als eine optische Kamera aufweisen, weil das Lidar robuster und/oder von höherer Präzision und Akkuratheit sein kann. Die autonomen Vertrauensfaktoren für die Subsysteme können mit Gewichtsfaktoren zur Bestimmung eines globalen autonomen Vertrauensfaktors kombiniert werden:
Der globale autonome Vertrauensfaktor AC kann mit vorbestimmten Schwellwerten verglichen werden, um entweder vollständige Kontrolle durch den Operator, vollständige autonome Kontrolle oder teilweise autonome Kontrolle zu erlauben. Beispielsweise kann der Computer 105 dann, wenn der globale autonome Vertrauensfaktor unterhalb eines ersten Schwellwertes liegt, eine autonome Kontrolle für bestimmte Subsysteme des Fahrzeugs erlauben, d.h. das Fahrzeug kann in einem teilautonomen Modus kontrolliert werden. Die Subsysteme, für die der Computer 105 eine autonome Kontrolle erlaubt, können die Subsysteme mit den höchsten Vertrauensfaktoren sein. In einem weiteren Beispiel kann dann, wenn der globale autonome Vertrauensfaktor unterhalb eines zweiten Schwellwertes liegt, wobei dieser zweite Schwellwert geringer als der erste Schwellwert ist, der Computer eine volle Kontrolle durch den Operator zulassen und die autonome Kontrolle des Fahrzeugs 101 stoppen. Der Computer 105 kann mit einer Mehrzahl von Schwellwerten programmiert sein, die den Vertrauensfaktor angeben, um jedes spezifische System autonom zu betreiben.
4 illustriert ein beispielhaftes Subsystem 40 zur Bestimmung eines autonomen Vertrauensfaktors AC. Das Subsystem weist eine Mehrzahl von Komponenten-Subsystemen 42a–42k auf, die jeweils Daten von einer Mehrzahl von Quellen 41 sammeln, beispielsweise einem außenseitigen Umfeld, externen Datenspeichern und Signalen von Fahrzeugkomponenten. jedes der Komponenten-Subsysteme 42a–42k kann dann einen Komponenten autonomen Faktor AC_i bestimmen, der zu einem Steuergerät 108 gesendet wird, das einen für die Komponente spezifischen Gewichtungsfaktor D_i anwendet, der mit der Komponente des autonomen Faktors AC_i multipliziert wird. Der spezifische Wert des Gewichtungsfaktors D_i kann abhängig von dem Wert der Komponente des autonomen Faktors AC_i variieren. Beispielsweise kann, wie in der nachstehenden Tabelle 4 gezeigt, der Computer 105 eine Nachschlagetabelle für die Gewichtungsfaktoren D_i enthalten. Die gesammelten Daten 105 werden entsprechend erwarteten und/oder historischen Werden der Daten normiert, wie bekannt. Der Computer 105 bestimmt dann den Gewichtungsfaktor D_i basierend auf beispielsweise einer Nachschlagetabelle. Die normierten Daten werden dann mit dem Gewichtungsfaktor D_i zum Erhalt des Vertrauensfaktors multipliziert, 43a–43k. Die Komponentenfaktoren 43a–43k werden dann durch das Computergerät 105 als scharfe Eingangssignale 23 in einem Fuzzylogik-Prozessor 22 verwendet.

Zeit (s) Normierte Daten Gewichtungsfaktor Komponentenfaktor

0 0.806 0.796 0.641

1 0.804 0.736 0.592

2 0.778 0.700 0.547

3 0.699 0.948 0.663

4 0.686 0.700 0.480

Tabelle 4
Der Computer 105 kann dann dahingehend programmiert sein, den autonomen Vertrauensfaktor AC mittels Fuzzylogik zu bestimmen, wie bekannt. Insbesondere kann der Computer 105 – anstatt sich ausschließlich auf die Summe der Vertrauensfaktoren von den Subsystemen zu verlassen, wie vorstehend beschrieben – die Daten 115 in einem Fuzzifizierer 24 fuzzifizieren; beispielsweise können – wie vorstehend beschrieben – Gewichtsfaktoren angewendet werden, um die Daten 115 in verschiedene reelle Zahlen zwischen 0 und 1 zu konvertieren, anhand derer die Vertrauensfaktoren für die Subsysteme bestimmt werden können. Basierend auf den fuzzifizierten Daten kann der Computer 105 einen Satz vorbestimmter Regeln anwenden, beispielsweise kann eine Interferenzeinheit 25 eine Regelbasis 26 zur Bewertung fuzzifizierter Daten benutzen, wie in 4 dargestellt. Wenn die Daten 115 in einem Defuzzifizierer nach Anwendung der Regeln 26 defuzzifiziert sind, kann der Computer 105 die scharfen Ausgangswerte 28 zur Bestimmung eines globalen autonomen Vertrauensfaktors AC heranziehen. Basierend wenigstens zum Teil auf dem globalen autonomen Vertrauensfaktor AC kann das Computergerät 105 das Steuergerät 10 zur Aktuierung wenigstens eines einer Vielzahl von Fahrzeugsubsystemen in einem autonomen Modus oder einem manuellen Modus instruieren.
5A illustriert ein Beispiel eines Fahrzeuges 101, das ein Objekt detektiert, in diesem Falle einen Fußgänger. Das Fahrzeug 101 nutzt Datensammler 110 zur Erkennung des Objekts vor dem Fahrzeug 101. In diesem Falle lässt sich das Objekt klar als Fußgänger identifizieren, da – wie vorstehend erläutert – das Vertrauen in das Signal hoch ist. 5B illustriert Sensor-Roheingangssignale von den Datensammlern 110, beispielsweise einem optischen Kamerasystem 42a, einem thermischen Sensor, einem Lidarsystem 42c und einem Ultraschallsystem 42e. Die vertikale Achse stellt einen Vertrauenswert für das Signal in einem Bereich zwischen 0 und 100 dar, und die horizontale Achse gibt einen Winkel relativ zu der Bewegungsrichtung des Fahrzeugs 101 an, entlang derer der Datensammler 110 Daten 115 sammelt. Beispielsweise sind die Sensor-Roheingangssignale für das Ultraschallsystem 42e für Winkel von –100 bis 100 nahezu 100, was ein hohes Vertrauen in die Qualität der Signale des Ultraschallsystems 42e anzeigt.
5c illustriert die Signale von 5b, die verarbeitet und in Vertrauenszonen konvertiert sind, ein Fuzzy-Gemisch sowie einen scharfen Ausgangswert. Die Signale von 5b sind, wie weiter unten anhand von 7a beschrieben werden wird, verarbeitet worden, wobei den verarbeiteten Signalen ein Vertrauenswert zugeordnet wurde, wodurch eine Fuzzy-Gemischsignalkurve erzeugt wurde, die in 5c mittels einer gestrichelten Linie dargestellt ist. Wie in 5c dargestellt, ist der scharfe Ausgangswert gleich 0, wenn der Fuzzy-Gemischwert unterhalb eines ersten Schwellwertes liegt, wodurch eine Zone ohne Vertrauen definiert wird. Wenn der Fuzzy-Gemischwert oberhalb des ersten Schwellwertes und unterhalb eines zweiten Schwellwertes liegt, ist der scharfe Ausgangswert in diesem Beispiel gleich 50, wodurch eine unsicherere Zone definiert wird. Wenn der Fuzzy-Gemischwert oberhalb des zweiten Schwellwertes liegt, ist der scharfe Ausgangswert gleich 100, wodurch eine Zone mit hohem Vertrauen definiert wird. 5c illustriert Signale mit einer Zone hohen Vertrauens, so dass der Computer 105 sich auf die von Datensammlern 110 gesammelten Daten 115 verlassen kann und ein sich näherndes Objekt identifizieren kann. Der autonome Vertrauensfaktor AC für das Beispiel gemäß den 5a–5c wird im Ergebnis hoch sein.
6a illustriert ein weiteres Beispielfahrzeug 101, das ein Objekt erfasst, das weniger klar definiert ist, da die Qualität der von den Datensammlern 110 gesammelten Daten 115 gering ist. 6b zeigt, dass die Sensor-Roheingangssignale von den Datensammlern 110 niedriger sind als die in 5b dargestellten Eingangswerte, was darauf hinweist, dass das Vertrauen in die Signale geringer ist. 6c Illustriert dieses geringere Vertrauen dadurch, dass die scharfen Ausgangswerte bei 50 verbleiben, da die Fuzzy-Gemischwerte der Signale niedriger sind, und daher ist in 6c lediglich eine unsichere Zone und keine Zone mit hohem Vertrauen dargestellt. Im Ergebnis kann der Computer 105 das sich annähernde Objekt gemäß 6a nicht mit Sicherheit als amorphe Gestalt identifizieren. Der autonome Vertrauensfaktor gemäß der 6a–6c wird daher im Ergebnis niedriger sein als der autonome Vertrauensfaktor AC gemäß den 5a–5c.
7a illustriert das Subsystem 40 und die Verarbeitung der Daten 115 von den Komponenten-Subsystemen 42a–42k, 32e–32f in den autonomen Vertrauensfaktor AC. Das Subsystem 40 führt die gesammelten Daten 115 einem Rauschreduzierungsprozess zu, bei dem die Daten 115 gemäß bekannten Rauschunterdrückungsmethoden gereinigt werden. Durch die Reduktion des Rauschens wird die Qualität der Daten 115 und des autonomen Vertrauensfaktors AC erhöht.
Das Subsystem 40 wendet dann einen Signalnormierungsprozess auf die Daten 115 an. Die Daten 115 können auf verschiedenen Skalen und in verschiedenen Einheiten gesammelt sein, abhängig von dem jeweiligen spezifischen Komponenten-Subsystem 42a–42k, 32e–32f. Beispielsweise kann ein Höhenmesser-System 42f Daten 115 in Einheiten beispielsweise von Metern vertikal über dem Boden messen, und das Ultraschallsystem 42e kann Daten als Längen in drei Dimensionen und/oder in Polarkoordinaten sammeln. Da die Rohdaten 115 von diesen Komponenten-Subsystemen 42a–42k, 32e–32f nicht miteinander kombiniert werden können, wendet das Subsystem 40 einen bekannten Signalnormierungsprozess an, damit die Daten 115 zu einem autonomen Vertrauensfaktor AC kombiniert werden können.
Das Subsystem 40 wendet dann die Gewichte 43a–43k wie vorstehend beschrieben an. Die Gewichte 43a–43k können beispielsweise durch Anwendung von Betriebszustandswerten auf eine betriebszustandsabhängige Nachschlagetabelle für die Gewichte gewonnen werden. Jedes Komponenten-Subsystem 42a–42k, 32e–32f hat ein individuelles Gewicht 43a–43k zur Anwendung auf dieses, wie anhand der Nachschlagetabelle bestimmt. Die Daten 115 werden dann zusammengefasst bzw. aggregiert und zu dem Fuzzy-Prozess 22 gesendet, um den autonomen Vertrauensfaktor AC zu bestimmen, der dann von der Steuereinheit 108 zur Kontrolle des Fahrzeugs 101 verwendet wird.
7b illustriert beispielhafte Datensammler 110, die Daten um das Fahrzeug 101 herum sammeln. Die Daten 115 werden beispielsweise von einem adaptiven Tempomaten-(Adaptive Cruise Control, ACC)-Subsystem zur Planung der Bewegung des Fahrzeuges 101 über die nachfolgenden beispielsweise 200 Meter verwendet. Jeder Datensammler 110 hat einen spezifischen Erfassungsbereich, der durch den Winkel definiert wird, in dem der Sammler 110 erfassen kann, und die jeweilige Distanz abhängig von dem Winkel. Beispielsweise kann ein Lidar-Subsystem 42c, dargestellt an der Frontseite und an der Rückseite des Fahrzeugs 101, ein Sichtfeld von 145° und eine Distanz von 150 Meter abtasten. Daher überlappen sich die Erkennungsfelder der beiden Lidar-Subsysteme 42c nicht. Entsprechend erstreckt sich eine optische Kamera 42a aus der Vorderseite des Fahrzeugs 101, was mit dem vorderseitigen Lidar 42c einen Überlapp bildet. Die seitlichen Radare 42d, positioniert an der Rückseite des Fahrzeugs 101, tasten ein 150°-Sichtfeld und eine Distanz von 80 Metern ab. Da die seitlichen Radare 42d an der Rückseite des Fahrzeugs einander gegenüberliegend positioniert sind, überlappen sich die Erkennungszonen der seitlichen Radare 42d nicht miteinander, jedoch liegt eine Überlappung mit dem hinteren Lidar 42c vor.
Daher werden sich verschiedene Datensammler 110 mit anderen Datensammlern 110 überlappen, und bestimmte Bereiche um das Fahrzeug 101 herum werden somit stärker erfasst als andere. Wie in 7b dargestellt, ist der Bereich vorne am Fahrzeug 101 sowohl durch das Lidar 42c und die optische Kamera 42a abgedeckt, wohingegen die Seite des Fahrzeugs 110 nur durch das seitliche Radar 42d abgedeckt wird. Das Vertrauen und die Gewichtung der von den Datensammlern 110 gesammelten Daten 115 kann basierend darauf angepasst werden, wo die Daten 115 gesammelt wurden und ob andere Datensammler den entsprechenden Bereich abdecken.
8A illustriert ein beispielhaftes Diagramm, das Daten zeigt, die von einem Datensammler 110 gesammelt worden sind und die in einen Qualitätsfaktor – wie weiter oben anhand von Tabelle 4 beschrieben wurde – umgewandelt werden. Die Daten 115 können als Serie von diskreten Signalen d₁...d_n in ein Roh-Mischsignal d_k kombiniert werden. Das Roh-Mischsignal d_k wird dann zu einem gefilterten Signal gefiltert, das dann normiert wird. Der Qualitätsfaktor (d.h. Gewichtsfaktor) wird dann wie vorstehend beschrieben auf das normierte Signal angewandt, um ein qualifiziertes Signal (d.h. einen Komponentenfaktor) zu erhalten.
8B illustriert ein beispielhaftes Diagramm von rohen und gefilterten Signalen aus dem Diagramm von 8A. Die vertikale Achse zeigt den Wert des Signals, und die horizontale Achse zeigt die Zeit des Signalwerts. Das Rohsignal d_k, dargestellt mit durchgezogener Linie, weist mehrere scharfe Signalgipfel und größere Fluktuationen auf, was zu weniger akkuraten Vertrauensfaktoren führen kann. Das gefilterte Signal, dargestellt mittels einer gestrichelten Linie, ist glatter und kann einfacher durch das Subsystem 40 verarbeitet werden, um den autonomen Vertrauensfaktor AC zu bestimmen. Das gefilterte Signal verfolgt im Groben dem Verlauf des Rohsignals.
8C illustriert ein beispielhaftes Diagramm eines normierten Ausgangswertes und eines qualifizierten Ausgangswertes aus dem Diagramm von 8A. Die vertikale Achse zeigt den Ausgangswert, und die horizontale Achse zeigt den Zeitpunkt der Ausgabe. Der normierte Ausgangswert, dargestellt mit einer durchgezogenen Linie, stellt das gefilterte Signal normiert auf den Minimal- und den Maximalwert des Signals dar, wie vorstehend beschrieben. Der qualifizierte Ausgangswert stellt den normierten Ausgangswert multipliziert mit einem Qualitätsfaktor dar, der beispielsweise anhand einer Nachschlagetabelle bestimmt wurde. Da sich der Qualitätsfaktor mit der Zeit verändern kann, kann der qualifizierte Ausgangswert von dem normierten Ausgangswert hinsichtlich seiner Gestalt abweichen. In diesem Falle bleibt der normierte Ausgangswert im Wesentlichen über die vergangene Zeit gleich, wohingegen der qualifizierte Ausgangswert niedrig beginnt und dann ansteigt. Der qualifizierte Ausgangswert kann in diesem Falle anzeigen, dass das Vertrauen in die gesammelten Daten mit der Zeit ansteigt, wodurch sich der Vertrauensfaktor AC während des Betriebs des Fahrzeugs 101 verändern kann.
Risikofaktor

Ein Beispiel der Bestimmung des Risikofaktors PE ist in der nachfolgenden Tabelle 5 gezeigt:

Dynamik	0.1	0.2	0.3	0.4	0.5	0.6	0.7	0.8	0.9	1.0
OBJEKT
Fahrzeug	0.2	0.2	0.5	0.5	0.6	0.7	0.8	0.8	0.9	1.0
Baum	0.2	0.2	0.2	0.2	0.5	0.5	0.6	0.6	0.9	1.0
Radfahrer	0.2	0.2	0.5	0.5	0.6	0.7	0.8	0.8	0.9	1.0
Verkehrsschild	0.2	0.2	0.2	0.4	0.6	0.6	0.7	0.7	0.7	0.7
Schlagloch	0.2	0.2	0.2	0.3	0.3	0.4	0.5	0.5	0.6	0.6
Gebüsch	0.0	0.0	0.0	0.0	0.0	0.0	0.1	0.1	0.2	0.3

Tabelle 5

Die erste Reihe ("Dynamik") zeigt den Dynamikfaktor, d.h., die Wahrscheinlichkeit einer Kollision zwischen dem Wirts- oder Host Fahrzeug und einem Objekt, beispielsweise einem anderen Fahrzeug, einem Baum, einem Radfahrer, einem Straßenschild, einem Schlagloch oder einem Teil eines Busches. Jede Reihe zeigt ein bestimmtes Objekt und den Risikofaktor für die jeweilige Wahrscheinlichkeit einer Kollision. Wenn eine Wahrscheinlichkeit wahrscheinlicher wird, erhöht sich der Risikofaktor. Beispielsweise führt eine Kollisionswahrscheinlichkeit von 0.6 mit einem Baum in einem Risikofaktor von 0.5, wohingegen eine Kollisionswahrscheinlichkeit von 0.1 für die Kollision mit einem Straßenschild zu einem Risikofaktor von 0.2 führt. Das Objekt kann durch die Datensammler 110, beispielsweise durch ein Radar, bestimmt und die Wahrscheinlichkeit in bekannter Weise durch den Computer 105 bestimmt werden.

Basierend auf dem Risikofaktor kann der Computer 105 eine Umschaltung zwischen manuellen und autonomen Betriebszuständen empfehlen, wie in nachfolgender Tabelle 6 dargestellt:

Dynamik	0.1	0.2	0.3	0.4	0.5	0.6	0.7	0.8	0.9	1.0
OBJEKT
Fahrzeug	D	D	D	D	D	AV	AV	AV	AV	AV
Baum	D	D	D	D	D	D	D	AV	AV	AV
Radfahrer	D	D	AV	AV	AV	AV	AV	AV	AV	AV
Verkehrsschild	D	D	D	D	D	D	AV	AV	AV	AV
Schlagloch	D	D	D	D	D	D	D	AV	AV	AV
Gebüsch	D	D	D	D	D	D	D	D	D	D

Tabelle 6

Demgemäß entscheidet der Computer 105 basierend auf der Wahrscheinlichkeit und dem spezifischen Objekt über eine Operatorkontrolle (D) oder eine autonome Kontrolle (AV). Die Bestimmung in Tabelle 6 basiert zumindest teilweise auf dem Risikofaktor; es können jedoch auch andere Faktoren und das Objekt bei der Entscheidung über die Steuerung berücksichtigt werden. Beispielsweise führt eine Wahrscheinlichkeit von 0.5 zu einer Kollision mit einem Radfahrer einerseits und einem Straßenschild andererseits in beiden Fällen zu einem Risikofaktor von 0.6, jedoch ergibt sich gemäß Tabelle 6 eine Entscheidung für AV für den Radfahrer und für D für das Straßenschild.
Wenn mehrere Objekte mit unterschiedlichen Risikofaktoren vorliegen, kommt dem Computer 105 eine vermittelnde Rolle bei den Kontrollentscheidungen zu. Unter Rückgriff auf das vorstehende Beispiel kann dann, wenn der Dynamikfaktor sowohl für einen Radfahrer als auch für ein Straßenschild beide bei 0.5 liegt, der Computer 105 eine Operatorkontrolle basierend auf dem Straßenschild, jedoch eine autonome Kontrolle basierend auf dem Radfahrer erlauben. Der Computer 105 muss dann zwischen diesen beiden Entscheidungen vermitteln, beispielsweise durch Wahl der autonomen Kontrolle.
9 illustriert ein Subsystem 50 zur Bestimmung des Risikofaktors. Ein Objekterkennungs-Subsystem 50a erhält Daten von Datensammlern 110 und dem Server 125 zur Erkennung naheliegender Objekte, beispielsweise anderer Fahrzeuge 101, Radfahrer, Büsche, etc. Bei Erkennung eines Objekts identifiziert ein Objekterkennungs-Subsystem 50b die Objekte zur Bestimmung der spezifischen Dynamik und der Risikofaktoren für die Objekte. Das Objektidentifizierungs-Subsystem 50b sendet die identifizierten Objekte an einen Fuzzylogik-Prozessor 50c und ein Dynamikfaktor-Subsystem 50d.
Der Fuzzylogik-Prozessor 50c bestimmt den Risikofaktor PE aus den Objekten, die von dem Objektidentifizierungs-Subsystem 50b und dem Dynamikfaktor-Subsystem 50d identifiziert worden sind, wie vorstehend beschrieben. Der Fuzzylogik-Prozessor 50c kann eine Mehrzahl von Datenquellen 115 und Techniken nutzen, um den Risikofaktor PE zu bestimmen, einschließlich beispielsweise historischer Daten 115, bekannter Fuzzylogik-Methoden, Onboard-Lerntechnologien, externen Daten 115 von einem Server 125 betreffend das Verkehrsgeschehen, etc. Der Fuzzylogik-Prozessor 50c kann den Risikofaktor PE an ein oder mehrere Steuergeräte 108 zur Bestimmung einer autonomen Kontrolle über das Fahrzeug 101 übergeben.
2 illustriert ein System 100, das Daten 115 sammelt und eine Kontrollentscheidung für das Fahrzeug 101 ausgibt. Das Computergerät 105 sammelt Daten 115 von Datensammlern 110 und berechnet Betriebsfaktoren. Das Computergerät 105 nutzt dann die Betriebsfaktoren als scharfe Eingangswerte in einen Fuzzy-Prozessor 22, der eine Fuzzylogik-Analyse implementiert. Das Computergerät 105 wendet dann einen Fuzzifizierer 24, d.h. einen Satz von Instruktionen, die scharfe Eingangswerte in Eingangswerte, die zur Anwendung von Fuzzylogik geeignet sind, umsetzt, ein, um Fuzzy-Eingangswerte zu erzeugen. Beispielsweise kann der Fuzzifizierer Gewichte zur Konvertierung binärer Betriebsfaktoren in verschiedene reelle Zahlen zwischen 0 und 1 anwenden. Das Computergerät 105 nutzt dann eine Interferenzeinheit 25, um einen Kontrollentscheidungsausgangswert auf den fuzzifizierten Faktoren und einer in einen Datenspeicher 16 abgelegten Regelbasis 26 zu bilden. Die Regelbasis 26 bestimmt den Kontrollentscheidungsausgangswert basierend auf beispielsweise gewichteten Betriebsfaktoren. Das Computergerät 105 wendet dann eine Defuzzifizierer 27 an, d.h. einen Satz von Instruktionen, die Fuzzy-Steuerungs-Ausgangswerte in eine scharfe Ausgangsentscheidung 28 umsetzen können. Die scharfe Ausgangsentscheidung 28 kann eine von vier Entscheidungen darstellen: Vollständige menschliche Operatorkontrolle, vollständige virtuelle Operatorkontrolle, geteilte menschliche und virtuelle Operatorkontrolle sowie menschliche Kontrolle mit virtueller Unterstützung, wie vorstehend beschreiben. Das Computergerät 105 speichert dann die scharfe Ausgangsentscheidung 28 in dem Datenspeicher 106 als historisches Datum und aktuiert ein oder mehrere Komponenten des Fahrzeugs 101 basierend auf der scharfen Ausgangsentscheidung 28.
BEISPIELHAFTE PROZESSABLÄUFE
14 stellt ein Diagramm eines beispielhaften Prozesses 200 zur Implementierung der Kontrolle eines autonomen Fahrzeugs 101 basierend auf Betriebsfaktoren wie vorstehend beschrieben dar.
Der Prozess 200 beginnt mit einem Block 205, in welchem ein Fahrzeug 101 Fahroperationen durchführt, und der Computer 105 empfängt Daten 115 über Operationen des Fahrzeugs 101 und/oder betreffend einen Nutzer des Fahrzeugs 101, beispielsweise eine Person, die in einem Fahrersitz sitzt. Das Fahrzeug 101 kann teilweise oder vollständig autonom betrieben werden, d.h. in einer teilweise oder vollständig durch den Computer 105 betriebenen Weise, die zu einem Betrieb des Fahrzeuges 101 entsprechend gesammelter Daten 115 konfiguriert sein kann. Beispielsweise können alle Operationen des Fahrzeugs 101, beispielsweise Lenkung, Bremsung und Geschwindigkeit durch den Computer 105 kontrolliert werden. Es ist ebenfalls möglich, dass in Block 205 das Fahrzeug 101 in einer partiellen oder halbautonomen Weise betrieben wird, d.h. teilweise manuell, wobei einige Operationen, beispielsweise die Bremsung, manuell durch den Fahrer kontrolliert werden, wohingegen andere Operationen, beispielsweise einschließlich Lenkung, durch den Computer 105 kontrolliert werden. Dementsprechend kann der Computer kontrollieren, wenn das Fahrzeug 101 die Spur wechselt. Weiterhin ist es möglich, dass der Prozess 200 an einem bestimmten Punkt begonnen wird, nachdem die Fahroperation des Fahrzeugs 101 begonnen haben, beispielsweise, nachdem diese manuell durch einen Fahrzeuginsassen über ein Nutzerinterface des Computers 105 initiiert worden sind.
In jedem Falle liefern die Datensammler 110 gesammelte Daten 115 an den Computer 105. Beispielsweise können Kameradatensammler 110 Bilddaten 115 sammeln und die Motorsteuerungseinheit kann Drehzahldaten 115 liefern, ein Geschwindigkeitssensor 110 kann Geschwindigkeitsdaten 115 liefern, genauso wie andere Arten von Daten 115 bereitgestellt werden können, beispielsweise Radar, Lidar, Akustik, etc. Weiterhin können Daten einen Nutzer des Fahrzeugs 101 betreffend, beispielsweise für die Faktoren AL und RE und/oder andere Betriebsfaktoren wie vorstehend diskutiert, durch den Computer 105 erhalten und bereitgestellt werden.
Als nächstes bestimmt der Computer in Block 210 ein oder mehrere Betriebsfaktoren, beispielsweise den Aufmerksamkeitsfaktor AL, den Bereitschaftsfaktor RE, den autonomen Vertrauensfaktor AC, den Aktionswahrscheinlichkeitsfaktor PR und den Risikofaktor PE, wie vorstehend beschrieben. Der Computer 105 kann auch nur einen der vorgenannten Faktoren, beispielsweise den autonomen Vertrauensfaktor wie in 4 beschrieben, bestimmen, oder eine Kombination von Faktoren, beispielsweise eine Kombination des Aufmerksamkeitsfaktors AL und des Bereitschaftsfaktors RE, wie in 3 dargestellt.
Als nächstes trifft in Block 215 der Computer 105 eine Kontrollentscheidung für das Fahrzeug 101 basierend auf den Betriebsfaktoren, die in Block 210 bestimmt worden sind. D.h., der Computer 105 bestimmt einen Grad oder Level von erlaubter autonomer Kontrolle, im Allgemeinen rangierend zwischen keiner autonomen Kontrolle (vollständiger manueller Kontrolle) bis zu vollständiger autonomer Kontrolle (sämtliche Operationen betreffend Bremsung, Vortrieb/Antrieb und Lenkung werden entsprechend den Instruktionen von dem Computer 105 ausgeführt). Wie vorstehend diskutiert, sind zwischen einem Level mit keinerlei autonomer Kontrolle und einer vollständigen autonomen Kontrolle auch noch weitere Abstufungen möglich; beispielsweise kann ein erster Level autonomer Kontrolle eine vollständige autonome Kontrolle beinhalten, ein zweiter Level autonomer Kontrolle könnte die Steuerung der Bremsung und des Antriebs durch den Computer 105 einschließen, jedoch nicht der Lenkung, und ein dritter Level autonomer Kontrolle könnte eine Kontrolle der Bremsung durch den Computer 105, aber nicht der Beschleunigung oder der Lenkung einschließen und keine autonome Kontrolle als vierter Level könnte keine Kontrolle der Bremsung, der Beschleunigung oder der Lenkung durch den Computer 105 bedeuten.
Die Kontrollentscheidung kann mittels einer Programmierung getroffen werden, bei der eine Fuzzy-Logikanalyse implementiert ist. Beispielsweise können Betriebsfaktoren wie vorstehend bestimmt werden, und dann zu einem Computer 105 als Eingangswerte für eine Fuzzy-Logikanalyse bereitgestellt werden. D.h., scharfe Eingangswerte von 0 oder 1 können bei ein oder mehreren Betriebsfaktoren vorgesehen werden, beispielsweise ein autonomer Vertrauensfaktor, ein Aufmerksamkeitsfaktor für den Operator, einen Aktionswahrscheinlichkeitsfaktor für den Operator und einen Risikofaktor; und diese Eingangswerte können dann einer Fuzzifizierung unterzogen werden, d.h. Gewichte können wie vorstehend diskutiert zur Konvertierung der binären Operationsfaktoren in verschiedene reelle Zahlen zwischen null und eins angewandt werden.
Weiterhin können andere Daten dem Computer 105 für die Kontrollentscheidung zugeführt werden. Beispielsweise können Daten für den Betrieb des Fahrzeugs 101, beispielsweise die Geschwindigkeit des Fahrzeugs 101, eine Risikoanalyse von einem Kollisionserkennungssystem (beispielsweise, dass eine Kollision wahrscheinlich ist, dass sie innerhalb eines vorgegebenen Zeitraums von beispielsweise fünf oder 10 Sekunden möglich ist, oder dass die nicht wahrscheinlich ist), von einem Lenkradwinkelsensor 101, von Daten betreffend die Fahrbahn vor dem Fahrzeug 101 (beispielsweise das Vorhandensein von Schlaglöchern, Bodenwellen, oder anderen Faktoren, die das Fahrzeug 101 und dessen Betrieb beeinflussen können), etc.
In jedem Falle kann eine Inferenzeinheit eine Regelbasis zur Auswertung der fuzzifizierten Betriebsfaktoren und/oder anderer Daten verwenden. Beispielsweise können Schwellwerte auf die Betriebsfaktoren angewendet werden, wie vorstehend diskutiert. Weiterhin kann eine Inferenzeinheit Regeln zum Setzen von Schwellwerten abhängig von verschiedenen Betriebsdaten des Fahrzeugs 101 anwenden; beispielsweise können die Schwellen abhängig von Umweltbedingungen um das Fahrzeug 101 herum (beispielsweise Vorhandensein von Tageslicht oder Dunkelheit, Vorhandensein von Niederschlag, Typ des Niederschlages, Typ der Straße, auf der gefahren wird, etc.), der Geschwindigkeit des Fahrzeugs 101, einem Risiko von bevorstehenden Kollisionen, einer Wahrscheinlichkeit von Hindernissen auf der Straße, beispielsweise Schlaglöcher, etc., variiert werden. Verschiedene Zustände des Operators können ebenfalls berücksichtigt werden, beispielsweise kann eine Erkennung, dass ein Operator betrunken ist, alle anderen Entscheidungen hinsichtlich der Bereitschaft des Operators übersteuern; beispielsweise kann dann ein Operatorbereitschaftsfaktor auf null gesetzt werden und/oder eine vollständige autonome Kontrolle kann erlaubt werden.
In jedem Falle stellt das Ergebnis des Blockes 215 eine Kontrollentscheidung dar, beispielsweise eine Entscheidung des Computers 105, darüber, welcher Grad oder Level von autonomer Kontrolle in dem Fahrzeug 101 erlaubt werden kann, beispielsweise rangierend zwischen vollständiger autonomer Kontrolle und keiner autonomen Kontrolle.
Als nächstes implementiert der Computer 105 in Block 220 die Ausgabe der Kontrollentscheidung aus Block 215. D.h., der Computer 105 ist zur Aktuierung ein oder mehrerer Komponenten des Fahrzeugs 101 programmiert und führt auf die Kontrollentscheidung in Block 215 hin einen Betrieb des Fahrzeugs 101 gemäß dem angegebenen Grad oder Level an autonomer Kontrolle durch. Beispielsweise implementiert der Computer 105 bei einer vollständigen autonomen Kontrolle die Kontrolle des Blocks 215 durch Kontrolle von Vortrieb/Antrieb, Bremsung und Lenkung des Fahrzeugs 101. Wie vorstehend beschrieben, kann der Computer 105 als Kontrollentscheidung auch eine Kontrolle keiner oder einiger dieser Komponenten implementieren. Weiterhin, falls eine Entscheidung für einen teilweisen oder vollständigen autonomen Betrieb des Fahrzeugs 101 getroffen wurde, aber der autonome Vertrauensfaktor unterhalb eines vorbestimmten Schwellwertes liegt und/oder aus einem anderen Grund entschieden wurde, dass ein autonomer Betrieb nicht möglich ist, kann der Computer 105 dahingehend programmiert sein, das Fahrzeug 101 zu stoppen, beispielsweise ein Manöver auszuführen, um das Fahrzeug 101 auf einen Seitenstreifen zu fahren und zu parken, es von der Autobahn zu entfernen, etc.
Als nächstes bestimmt der Computer 105 in einem Block 125, ob der Prozess 200 fortgesetzt werden soll. Beispielsweise kann der Prozess 200 enden, wenn die autonomen Fahrtoperationen beendet werden, z.B., wenn das Fahrzeug 101 abgeschaltet wird, ein Gangwahlhebel in eine Stellung "Parken" gebracht wurde, etc. In jedem Fall wird dann, wenn der Prozess 200 nicht fortgesetzt werden soll, der Prozess mit dem auf Block 225 folgenden Block beendet. Andernfalls wird der Prozess mit Block 205 fortgesetzt.
15 illustriert einen Prozess 300 zur Implementierung der Steuerung eines Fahrzeugs 101 basierend auf dem Aufmerksamkeitsfaktor AL und dem Bereitschaftsfaktor RE.
Der Prozess 300 beginnt mit einem Block 305, in dem das Fahrzeug 101 Fahrtoperationen durchführt, und der Computer Daten 115 von Operationen des Fahrzeugs 101 und/oder betreffend einen Nutzer des Fahrzeugs 101 empfängt, beispielsweise von einer Person, die in einem Fahrersitz sitzt. Es ist möglich, dass der Prozess 300 an einen bestimmten Punkt nach dem Beginn der Fahrtoperationen begonnen wird, beispielsweise, wenn dieser manuell durch einen Fahrzeuginsassen über ein Benutzerinterface des Computers 105 initiiert wurde.
Datensammler 110 versorgen den Computer 105 mit gesammelten Daten 115.Beispielsweise können Kameradatensammler 110 Bilddaten 115 liefern, eine Motorsteuerungseinheit kann Drehzahldaten 115 liefern, ein Geschwindigkeitssensor kann Geschwindigkeitsdaten 115 liefern, und auch andere Arten von Daten 115, beispielsweise Radar, Lidar, Akustik etc., können bereitgestellt werden. Weiterhin können Daten betreffend einen Nutzer des Fahrzeugs 101, beispielsweise für die Faktoren AL und RE wie vorstehend erläutert, von dem Computer 105 erhalten und bereitgestellt werden.
Als nächstes bestimmt das Computergerät 105 in einem Block 310 einen Aufmerksamkeitsfaktor in Komponenten AL_i für eine Mehrzahl von Eingängen, wie vorstehend beschrieben und in Tabelle 2 gezeigt.
Als nächstes bestimmt das Computergerät 105 in einem Block 315 einen Bereitschaftsfaktor in Komponenten RE_i für eine Mehrzahl von Eingängen, wie vorstehend beschrieben und in Tabelle 2 gezeigt.
Als nächstes wendet das Computergerät 105 in einem Block 320 einen Gewichtsfaktor auf die Aufmerksamkeits- und Bereitschaftsfaktoren an. Der Gewichtsfaktor kann dann beispielsweise durch einen Fuzzylogik-Prozessor bestimmt werden, der wie vorstehend beschrieben, die Aufmerksamkeits- und Bereitschaftsfaktoren gewichtet.
Als nächstes summiert das Computergerät 105 in einem Block 325 die Komponentenfaktoren in jeweils globale Aufmerksamkeits- und Bereitschaftsfaktoren AL, RE. Die globalen Aufmerksamkeits- und Bereitschaftsfaktoren können zur Bestimmung einer Gesamt-Aufmerksamkeit und -Bereitschaft für das Fahrzeug 101 und den Insassen verwendet werden.
Als nächstes vergleicht das Computergerät 105 in einem Block 330 die Aufmerksamkeits- und Bereitschaftsfaktoren AL, RE mit jeweiligen Schwellwerten für die Aufmerksamkeit und die Bereitschaft. Diese Schwellwerte können vorbestimmt sein und in einem Datenspeicher 106 abgelegt sein. Die Schwellwerte können basierend auf beispielsweise der Fähigkeit eines bestimmten Insassen zum Betrieb des Fahrzeugs 101 bestimmt werden, wie vorstehend beschrieben. Die Faktoren AL, RE können mit verschiedenen vorbestimmten Schwellwerten verglichen werden, die verschiedene Grade oder Level von autonomen Betrieben definieren.
Als nächstes implementiert das Computergerät 105 in einem Block 335 eine Kontrollentscheidung basierend auf den Faktoren und den Schwellwerten. D.h., der Computer 105 ist programmiert zur Aktuierung einer oder mehrerer Komponenten des Fahrzeugs 101 wie vorstehend beschrieben, und auf die Kontrollentscheidung des Computergeräts 105 hin werden Operationen des Fahrzeugs 101 entsprechend einem angegebenen Grad oder Level an autonomer Kontrolle durchgeführt. Beispielsweise kann, wenn der Aufmerksamkeitsfaktor oberhalb des höchsten Aufmerksamkeitsschwellwertes liegt, das Computergerät eine Kontrollentscheidung implementieren, mit der eine vollständige manuelle Kontrolle des Fahrzeugs 101 erlaubt wird.
Als nächstes bestimmt der Computer 105 in einem Block 340, ob der Prozess 300 fortgesetzt werden soll. Beispielsweise kann der Prozess 300 enden, wenn ein autonomer Betrieb, beispielsweise durch Abschalten des Fahrzeuges 101 durch Wählen einer Parkstellung bei dem Getriebewahlschalter, etc. beendet wurde. Wenn der Prozess 300 nicht fortgesetzt werden soll, endet der Prozess 300 in dem darauffolgenden Block 340. Andernfalls wird der Prozess 300 mit Block 305 fortgesetzt.
16 illustriert einen Prozess 400 zur Implementierung einer Kontrolle eines Fahrzeugs 101 basierend auf einem Aktionswahrscheinlichkeitsfaktor PR.
Der Prozess startet mit einem Block 405, in dem der Computer 105 Daten 115 von Operationen des Fahrzeugs 101 und/oder betreffend einen Nutzer eines Fahrzeugs 101 und/oder betreffend ein Zielobjekt erhält. Die Daten 115 können Daten von Quellen wie beispielsweise einem optischen Kamerasubsystem, einem Infrarot-Subsystem, einem Lidar, einem Radar, einem Telematik-Subsystem, einem Routenerkennungs-Subsystem, etc. einschließen.
Als nächstes bestimmt der Computer 105 in einem Block 410 ein Richtungswahrscheinlichkeitsfeld basierend auf den Daten 115. Das Richtungswahrscheinlichkeitsfeld, wie vorstehend beschrieben, zeigt die Wahrscheinlichkeit für das Fahrzeug 110 an, sich ausgehend von der aktuellen Trajektorie um einen Winkel θ zu bewegen. Das Richtungswahrscheinlichkeitsfeld kann Richtungswahrscheinlichkeitsfelder in Komponenten enthalten, wie in 12 dargestellt, einschließlich objektbasierter Wahrscheinlichkeitsfelder, routenbasierter Richtungswahrscheinlichkeitsfelder, fahrzeugbasierter Richtungswahrscheinlichkeitsfelder und historischer Daten. Die Richtungswahrscheinlichkeitsfelder in Komponentenform können zu einem Gesamt-Richtungswahrscheinlichkeitsfeld kombiniert werden, wie vorstehend beschrieben.
Als nächstes bestimmt der Computer in einem Block 415 Wahrscheinlichkeitsfelder für die Beschleunigung des Fahrzeuges 101, die Geschwindigkeit und die Position wie vorstehend beschrieben. Die verschiedenen Wahrscheinlichkeitsfelder sagen den Zustand des Fahrzeuges 101 voraus und können zur Bestimmung eines globalen Wahrscheinlichkeitsfeldes kombiniert werden.
Als nächstes kombiniert der Computer 105 in einem Block 420 die Wahrscheinlichkeitsfelder und bestimmt einen Aktionswahrscheinlicheitsfaktor PR. Der Computer 105 kann das eine oder mehrere Wahrscheinlichkeitsfelder mit wenigstens einem Wahrscheinlichkeitsfeld in einem vorgegebenen "sicheren" Zustand vergleichen und mit Daten, die mit dem Risikofaktor in Beziehung stehen, zur Bestimmung eines Aktionswahrscheinlichkeitsfaktors.
Als nächstes vergleicht der Computer 105 in einem Block 425 den Wahrscheinlichkeitsfaktor PR mit einem vorgegebenen Schwellwert. Abhängig davon, ob der Wahrscheinlichkeitsfaktor PR den Schwellwert überschreitet, kann der Computer 105 eine autonome Kontrolle von Subsystemen des Fahrzeugs 101 erlauben oder erzwingen.
Als nächstes implementiert der Computer 105 in einem Block 430 eine Kontrollentscheidung basierend auf dem Aktionswahrscheinlichkeitsfaktor und dem Schwellwert. D.h., der Computer 105 ist zur Aktuierung einer oder mehrerer Komponenten des Fahrzeugs 101 wie vorstehend beschrieben programmiert, und auf die Kontrollentscheidung des Computergeräts 105 hin, werden Operationen des Fahrzeugs 101 gemäß einem angegebenen Grad oder Level an autonomer Kontrolle durchgeführt. Wenn z.B. der Aktionswahrscheinlichkeitsfaktor unterhalb des Wahrscheinlichkeitsfaktorschwellwertes liegt, kann das Computergerät eine Kontrollentscheidung implementieren, mit der eine vollständige manuell Kontrolle des Fahrzeugs 101 erlaubt wird.
Als nächstes bestimmt der Computer 105 in einem Block 435, ob der Prozess 400 fortgesetzt werden soll. Beispielsweise kann der Prozess 400 enden, wenn die autonomen Fahrzeugoperationen beispielsweise durch Abschalten des Fahrzeugs 101 oder durch Einlegen einer "Parkposition" durch den Getriebewahlhebel etc. beendet werden. Wenn der Prozess nicht fortgesetzt werden soll, dann endet der Prozess 400 in dem auf Block 435 folgenden Block. Andernfalls wird der Prozess 400 mit Block 405 fortgesetzt.
17 illustriert den Prozess zur Kontrollimplementierung für ein Fahrzeug 101 basierend auf dem autonomen Vertrauensfaktor AC.
Der Prozess 500 beginnt mit einem Block 505, bei dem der Computer 105 Daten 115 von einer Mehrzahl von Quellen, beispielsweise von einem optischen Kamera-Subsystem, einem Infrarotkamera-Subsystem, etc. sammelt.
Als nächstes bestimmt der Computer 105 in einem Block 510 Komponenten-Vertrauensfaktoren für eine Mehrzahl von Komponenten des Fahrzeuges 101 basierend auf den Daten 115. Wie vorstehend beschrieben, kann der Computer einen Vertrauensfaktor für jeden der mehreren Komponenten des Fahrzeugs 101 bestimmen, der das Vertrauen darin anzeigt, dass die entsprechende Komponente in einem autonomen Modus betrieben werden kann.
Als nächstes wendet der Computer in einem Block 515 eine Gewichtung auf die Komponentenfaktoren an. Die Gewichtung kann in bekannter Weise durch einen Fuzzylogik-Prozessor bestimmt werden. Die Gewichtung erlaubt dem Computer, bestimmte Komponenten des Fahrzeugs 101 mit größerem Gewicht als die Vertrauensfaktoren von anderen Komponenten des Fahrzeugs 101 zu berücksichtigen. Beispielsweise kann ein Lidar-Subsystem eine höhere Gewichtung als ein Höhenmesser-Subsystem aufweisen, wenn der Computer 105 bestimmt, dass das Vertrauen in das Lidar-Subsystem entscheidender für die autonome Operation des Fahrzeugs 101 ist als das Vertrauen in das Höhenmesser-Subsystem.
Als nächstes summiert der Computer 105 in einem Block 520 die Komponenten des autonomen Vertrauensfaktors in einen globalen autonomen Vertrauensfaktor AC auf.
Als nächstes vergleicht der Computer 105 in einem Block 525 den globalen autonomen Vertrauensfaktor AC mit einem vorbestimmten Schwellwert. Der vorbestimmte Schwellwert wird so bestimmt, dass ein Vertrauen dafür besteht, dass das Fahrzeug 101 mit wenigstens einem Subsystem in einem autonomen Modus betrieben werden kann. Der Computer 105 kann den globalen autonomen Vertrauensfaktor auch mit mehreren vordefinierten Schwellwerten vergleichen.
Als nächstes implementiert der Computer 105 in einem Block 530 eine Kontrollentscheidung basierend auf einem Vergleich mit den vorbestimmten Schwellwerten. Beispielsweise kann der Computer 105, falls der globale autonome Vertrauensfaktor oberhalb eines ersten Schwellwertes liegt, alle Subsysteme des Fahrzeugs 101 in einem autonomen Modus betreiben. In einem anderen Beispiel, wenn der globale autonome Vertrauensfaktor unterhalb eines ersten Schwellwertes, aber oberhalb eines zweiten Schwellwertes liegt, kann der Computer selektiv bestimmte Subsysteme des Fahrzeugs 101 autonom betreiben.
Als nächstes bestimmt der Computer 105 in einem Block 535, ob der Prozess 500 fortgesetzt werden soll. Beispielsweise kann der Prozess 500 enden, wenn ein autonomer Fahrbetrieb, beispielsweise durch Abschalten des Fahrzeugs 101 oder durch Verbringen eines Gangwahlhebels in eine Stellung "Parken" etc. beendet wird. Wenn der Prozess 500 nicht fortgesetzt werden soll, endet der Prozess 500 mit dem auf Block 535 folgenden Block. Andernfalls wird der Prozess 500 mit Block 505 fortgesetzt.
18 illustriert einen Prozess 600 zur Implementierung der Steuerung eines Fahrzeugs 101 basierend auf dem Risikofaktor PE.
Der Prozess 600 startet mit einem Block 605, in dem der Computer 105 Daten 115 von einer Vielzahl von Quellen sammelt, beispielsweise von Subsystemen des Fahrzeugs 101, von umgebenden Objekten, etc.
Als nächstes identifiziert der Computer 105 in einem Block 610 ein Objekt, das eine Wahrscheinlichkeit zu einer Kollision mit einem Fahrzeug 101 aufweist.
Als nächstes bestimmt der Computer 105 in einem Block 615 einen Dynamikfaktor für das Objekt. Wie vorstehend beschrieben, stellt der Dynamikfaktor die Wahrscheinlichkeit dafür dar, dass das Objekt mit dem Fahrzeug 101 kollidieren wird.
Als nächstes bestimmt der Computer 105 in einem Block 620 den Risikofaktor PE basierend auf dem Dynamikfaktor und dem Objekt. Beispielsweise hat, wie in der vorstehenden Tabelle 5 gezeigt, jedes Objekt aus einer Mehrzahl von Objekten einen eigenen Risikofaktor für einen bestimmten Dynamikfaktor. Der Computer 105 kann eine Nachschlagetabelle wie in Tabelle 5 zur Bestimmung des Risikofaktors PE heranziehen. Der Risikofaktor berücksichtigt sowohl die Wahrscheinlichkeit einer Kollision mit dem Objekt als auch den Schaden, den das Objekt bei einer Kollision verursachen würde; d.h., der Risikofaktor für einen Busch kann geringer sein als der Risikofaktor für eine Leitplanke, auch wenn beide denselben Dynamikfaktor aufweisen.
Als nächstes vergleicht der Computer 105 in einem Block 625 den Risikofaktor PE mit einem Schwellwert. Der Schwellwert kann bestimmen, ob das Fahrzeug 101 und/oder spezifische Subsysteme des Fahrzeugs 101 in einem autonomen Modus basierend auf dem Risiko einer Kollision mit dem Objekt und dem bei einer derartigen Kollision potenziell verursachten Schaden betrieben werden soll.
Als nächstes implementiert der Computer 105 in einem Block 630 eine Kontrollentscheidung basierend auf dem Risikofaktor und dem Schwellwert. Der Computer 105 kann eine Nachschlagetabelle wie Tabelle 6 zur Bestimmung benutzen, ob das Fahrzeug 101 autonom betrieben werden soll. Beispielsweise kann ein Risikofaktor von 0.5 eine autonome Kontrolle eines Fahrzeugs 101 anzeigen, wenn das Objekt einen Radfahrer darstellt, jedoch eine manuelle Kontrolle eines Fahrzeuges 101, falls das Objekt ein anderes Fahrzeug 101 ist.
Als nächstes bestimmt der Computer 105 in einem Block 635, ob der Prozess 600 fortgesetzt werden soll. Beispielsweise kann der Prozess 600 beendet werden, wenn ein autonomer Fahrzeugbetrieb, beispielsweise durch Abschalten des Fahrzeugs 101 oder Verbringung eines Gangwahlhebels in die Stellung "Parken" etc. beendet wird. Wenn der Prozess 600 nicht fortgesetzt werden soll, dann endet der Prozess 600 mit den auf Block 635 folgenden Block. Andernfalls wird der Prozess 600 mit Block 605 fortgesetzt.
SCHLUSSBEMERKUNG
Sofern hierin benutzt, bedeutet das Adverb "im Wesentlichen", dass die Gestalt, die Struktur, Messungen, Quantitäten, Zeiten, etc. von der exakt beschriebenen Geometrie, von Distanzen, Messungen, Quantitäten, Zeiten, etc. aufgrund von Unperfektheiten hinsichtlich Material, Herstellung, Fertigung, etc. abweichen kann bzw. können.
Computergeräte wie in vorliegender Offenbarung erwähnt, enthalten generell Instruktionen, die durch ein oder mehrere Computergeräte wie vorstehend erwähnt ausgeführt werden können und die Blöcke von Schritten oder Prozessen wie vorstehend erwähnt ausführen können. Beispielsweise können Prozessblöcke wie vorstehend diskutiert, als computerausführbare Instruktionen verkörpert sein.
Computerausführbare Instruktionen können durch Computerprogramme kompiliert oder interpretiert werden, die in einer Vielzahl von Programmiersprachen und/oder Technologien erzeugt sind, einschließlich – ohne Beschränkung – einzeln oder in Kombination mittels Java^TM, C, C++, Visual Basic, Java Script, Perl, HTML, etc. Im Allgemeinen enthält ein Prozessor (beispielsweise ein Mikroprozessor) Instruktionen beispielsweise von einem Speicher, einem computerlesbaren Medium, etc. und führt diese Instruktionen aus, wobei ein oder mehrere Prozesse, einschließlich ein oder mehrere Prozesse wie vorstehend hierin beschrieben, ausgeführt werden. Derartige Instruktionen und andere Daten können unter Verwendung einer Vielzahl computerlesbarer Medien gespeichert und übertragen werden. Eine Datei in einem Computergerät stellt generell eine Sammlung von Daten, gespeichert auf einem computerlesbaren Medium, dar, beispielsweise einem Speichermedium, einem RAM-Speicher, etc.
Ein computerlesbares Medium schließt jedes Medium ein, das an der Bereitstellung von Daten (beispielsweise Instruktionen), die durch den Computer gelesen werden können, mitwirkt. Ein derartiges Medium kann vielfältige Formen annehmen, einschließlich, jedoch nicht darauf beschränkt, nichtflüchtige Medien, flüchtige Medien, etc. Nichtflüchtige Medien können beispielsweise optische oder magnetische Disketten und andere persistente Speicher sein. Flüchtige Speicher schließen dynamische RAM-Speicher (DRAM) ein, aus denen typischerweise ein Hauptspeicher gebildet ist. Gängige Formen computerlesbarer Medien schließen beispielsweise eine Floppy Disk ein, eine flexible Diskette, eine Festplatte, ein Magnetband oder andere magnetische Medien, eine CD-ROM, eine DVD, jedes andere optische Medium, Lochkarten, Papierbänder und jedes andere Medium mit Löchern oder Mustern, ein RAM, ein PROM, ein EPROM, ein FLASH-EEPROM, jeder andere Speicherchip oder -Kassette oder jedes andere Medium, von dem ein Computer lesen kann.
In den Zeichnungen bezieht sich dieselbe Bezugsziffer in der Regel auf dasselbe Element. Weiterhin können bestimmte oder sämtliche Elemente ausgetauscht werden. Es versteht sich in Zusammenhang mit den Medien, Prozessen, Systemen, Methoden, etc., die vorliegend beschrieben wurden, dass obwohl die Schritte eines derartigen Prozesses, etc. als in einer bestimmten Reihenfolge erfolgend beschrieben worden sind, derartige Prozesse mit den beschriebenen Schritten auch in jeder anderen Reihenfolge ausgeführt werden können, sofern möglich. Es versteht sich ferner, dass bestimmte Schritte gleichzeitig ausgeführt werden können, dass andere Schritte hinzugefügt werden können oder dass bestimmte Schritte – wie vorstehend beschrieben – auch ausgelassen werden könnten. Mit anderen Worten erfolgten die Beschreibungen von Prozessen vorliegend nur zu Illustrationszwecken für bestimmte Ausführungsformen und sollten nicht als einschränkend für die beanspruchte Erfindung verstanden werden.
Dementsprechend versteht es sich, dass die vorstehende Beschreibung als Illustration und nicht restriktiv gemeint ist. Vielfältige Ausführungsformen und Anwendungen jenseits der dargestellten Beispiele ergeben sich für den Fachmann bei Studium der vorliegenden Beschreibung als offensichtlich. Der Schutzbereich der vorliegenden Erfindung sollte nicht unter Bezugnahme auf die vorstehende Beschreibung, sondern unter Bezugnahme auf die beigefügten Ansprüche bestimmt werden, zusammen mit dem vollen Bereich von Äquivalenten, die in die entsprechenden Bereiche eingeschlossen sind. Es ist vorweggenommen und gewünscht, dass hinsichtlich der vorliegend diskutierten Techniken künftige Entwicklungen auftreten, und dass die vorliegend offenbarten Systeme und Verfahren in derartige künftige Ausführungsformen mit eingeschlossen werden können. Insgesamt versteht es sich, dass die Erfindung Modifikation und Variationen unterliegen kann und lediglich durch die nachfolgenden Patentansprüche beschränkt werden soll.
Alle Begriffe in den Patentansprüchen sollen ihre übliche Bedeutung, wie von Fachleuten auf dem entsprechenden Gebiet verstanden, haben, außer, wenn eine explizite gegenteilige Angabe vorliegend gemacht wird. Insbesondere soll die Benutzung des Singulars für die Artikel "ein(e)", "der/die/das", "genannte(r)", etc. auch als Erwähnung von einem oder mehreren der angegebenen Elemente aufgefasst werden, außer, der Anspruch erwähnt eine explizite gegenteilige Beschränkung.

Claims

Verfahren, mit den Schritten: Empfangen von Signalen von einer Mehrzahl von Quellen, die Betriebscharakteristiken eines Fahrzeugs (101) und eine Umgebung des Fahrzeugs (101) repräsentieren; Bestimmung einer Mehrzahl von Betriebsfaktoren basierend auf den Signalen; und Wechseln der Steuerung des Fahrzeugs (101) zwischen autonomen Steuerungsleveln, wenigstens teilweise basierend auf den Betriebsfaktoren.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Levels autonomer Steuerung einen autonomen, einen halbautonomen und einen manuellen Steuerungslevel einschließen.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Betriebsfaktoren wenigstens zwei aus der Gruppe Fahrerbereitschaftsfaktor, Fahreraufmerksamkeitsfaktor, autonomer Vertrauensfaktor, Fahreraktionswahrscheinlichkeitsfaktor und Risikofaktor einschließen.
Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass wenigstens einer der Betriebsfaktoren entsprechend Komponentenwerten von jeder einer Mehrzahl von Fahrzeugdatenquellen bestimmt wird.
Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass die Bestimmung der Betriebsfaktoren ein Gewichten der Komponentenwerte einschließt.
Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass die autonome Steuerung eine Kontrolle jeweils über die Lenkung, die Bremsung und den Antrieb durch einen Fahrzeugcomputer (105) umfasst, die halbautonome Steuerung eine Kontrolle wenigstens über die Lenkung oder über die Bremsung oder über den Antrieb des Fahrzeugs (101) durch den Fahrzeugcomputer (105) umfasst, und die manuelle Steuerung weder eine Kontrolle über die Lenkung, noch über die Bremsung noch über den Antrieb durch den Fahrzeugcomputer (105) umfasst.
Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass ein Wechsel zwischen einem ersten Level autonomer Steuerung zu einem zweiten Level autonomer Steuerung vorgesehen ist, falls wenigstens einer der Betriebsfaktoren einen Schwellwert überschreitet.
Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass Lenkung und/oder Bremsung und/oder Antrieb des Fahrzeugs (101) nach der Bestimmung des Steuerungslevels aktuiert werden.
Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass die Betriebsfaktoren wenigstens teilweise auf historischen Daten basiert werden.
Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass wenigstens eines der Signale Daten bezüglich eines Fahrzeuginsassen einschließt.
Autonomes Fahrzeug (101), aufweisend: – eine Mehrzahl von Sensoren und Empfängern (110) zum Empfang von Signalen von einer Mehrzahl von Quellen, Betriebscharakteristiken eines Fahrzeugs (101) und eine Fahrzeugumgebung repräsentierend; – eine Mehrzahl von Fahrzeugsteuerungs-Subsystemen (107); – wenigstens ein Computergerät oder eine Steuereinheit (105), das oder die zur Erzeugung einer Mehrzahl von Betriebsfaktoren basierend auf den Signalen und zu einem Wechseln der Steuerung der Fahrzeugsteuerungs-Subsysteme (107) zwischen Autonomieleveln, wenigstens teilweise basierend auf den Betriebsfaktoren, programmiert ist.
Fahrzeug (101) nach Anspruch 11, dadurch gekennzeichnet, dass die Levels autonomer Steuerung einen autonomen, einen halbautonomen und einen manuellen Steuerungslevel einschließen.
Fahrzeug (101) nach Anspruch 11 oder 12, dadurch gekennzeichnet, dass die Betriebsfaktoren wenigstens zwei aus der Gruppe Fahrerbereitschaftsfaktor, Fahreraufmerksamkeitsfaktor, autonomer Vertrauensfaktor, Fahreraktionswahrscheinlichkeitsfaktor und Risikofaktor einschließen.
Fahrzeug (101) nach einem der Ansprüche 11 bis 13, dadurch gekennzeichnet, dass wenigstens einer der Betriebsfaktoren entsprechend Komponentenwerten von jeder einer Mehrzahl von Fahrzeugdatenquellen bestimmt wird.
Fahrzeug (101) nach einem der Ansprüche 11 bis 14, dadurch gekennzeichnet, dass die autonome Steuerung eine Kontrolle jeweils über die Lenkung, die Bremsung und den Antrieb durch einen Fahrzeugcomputer (105) umfasst, die halbautonome Steuerung eine Kontrolle wenigstens über die Lenkung oder über die Bremsung oder über den Antrieb des Fahrzeugs (101) durch den Fahrzeugcomputer (105) umfasst, und die manuelle Steuerung weder eine Kontrolle über die Lenkung, noch über die Bremsung noch über den Antrieb durch den Fahrzeugcomputer (105) umfasst.
Fahrzeug (101) nach einem der Ansprüche 11 bis 15, dadurch gekennzeichnet, dass die Steuereinheit (105) zu einem Wechsel zwischen einem ersten Level autonomer Steuerung zu einem zweiten Level autonomer Steuerung programmiert ist, falls wenigstens einer der Betriebsfaktoren einen Schwellwert überschreitet.
Fahrzeug (101) nach einem der Ansprüche 11 bis 16, dadurch gekennzeichnet, dass die Steuereinheit (105) zur Aktuierung der Lenkung und/oder der Bremsung und/oder des Antriebs des Fahrzeugs (101) nach der Bestimmung des Steuerungslevels programmiert ist.
Fahrzeug (101) nach einem der Ansprüche 11 bis 17, dadurch gekennzeichnet, dass wenigstens eines der Signale Daten bezüglich eines Fahrzeuginsassen einschließt.
Verfahren, mit den Schritten: Sammeln, in einem Fahrzeugcomputer (105), von Daten einen Fahrzeuginsassen und Daten den Fahrzeugbetrieb betreffend, wobei die Daten Betriebscharakteristiken des Fahrzeugs (101) und eine Fahrzeugumgebung repräsentieren; Bestimmung von wenigstens jeweils zwei Fahrzeug-Betriebsfaktoren, basierend wenigstens teilweise auf den Daten, wobei sich wenigstens einer der Werte auf den Zustand eines Fahrzeuginsassen bezieht; und Auswahl eines aus wenigstens drei Steuerungsleveln, die einen autonomen, eines halbautonomen und einen manuellen Steuerungslevel einschließen, basierend auf den Betriebsfaktoren.
Verfahren nach Anspruch 19, dadurch gekennzeichnet, dass die autonome Steuerung eine Kontrolle jeweils über die Lenkung, die Bremsung und den Antrieb durch einen Fahrzeugcomputer (105) umfasst, die halbautonome Steuerung eine Kontrolle wenigstens über die Lenkung oder über die Bremsung oder über den Antrieb des Fahrzeugs (101) durch den Fahrzeugcomputer (105) umfasst, und die manuelle Steuerung weder eine Kontrolle über die Lenkung, noch über die Bremsung noch über den Antrieb durch den Fahrzeugcomputer (105) umfasst.