DE102017206343A1 - Verfahren zum Ermitteln von Daten eines Verkehrsszenarios - Google Patents

Verfahren zum Ermitteln von Daten eines Verkehrsszenarios Download PDF

Info

Publication number
DE102017206343A1
DE102017206343A1 DE102017206343.2A DE102017206343A DE102017206343A1 DE 102017206343 A1 DE102017206343 A1 DE 102017206343A1 DE 102017206343 A DE102017206343 A DE 102017206343A DE 102017206343 A1 DE102017206343 A1 DE 102017206343A1
Authority
DE
Germany
Prior art keywords
data
vehicle
traffic
behavior
road
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102017206343.2A
Other languages
English (en)
Inventor
Fabian Gigengack
Holger Janssen
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE102017206343.2A priority Critical patent/DE102017206343A1/de
Priority to PCT/EP2018/057743 priority patent/WO2018188940A1/de
Priority to EP18713903.5A priority patent/EP3610472A1/de
Priority to US16/476,987 priority patent/US20190355245A1/en
Priority to CN201880024497.7A priority patent/CN110506303B/zh
Publication of DE102017206343A1 publication Critical patent/DE102017206343A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

Verfahren zum Ermitteln von Daten eines Verkehrsszenarios (100), aufweisend die Schritte:- Erfassen eines Umfelds eines Fahrzeugs (30, 40, 41, 42) mittels einer Sensoreinrichtung;- Erfassen von Verhaltensweisen von Verkehrsteilnehmern mittels der Sensoreinrichtung;- Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen der Verkehrsteilnehmer; und- Speichern der kombinierten und bewerteten Daten.

Description

  • Die Erfindung betrifft ein Verfahren zum Ermitteln von Daten eines Verkehrsszenarios. Die Erfindung betrifft weiterhin eine Vorrichtung zum Ermitteln von Daten eines Verkehrsszenarios. Die Erfindung betrifft weiterhin ein Computerprogrammprodukt.
  • Stand der Technik
  • Für automatisiert oder automatisch fahrende Fahrzeuge werden Sensoren und Verfahren zur Erfassung des Umfelds benötigt. Diese Umfelderfassung wird so weit durch geeignete Methoden etabliert, dass die Fahraufgabe durchgeführt werden kann.
  • Bestehende Verfahren zur Szeneninterpretation nutzen dazu direkt die im Fahrzeug verbauten Sensoren zum jeweils aktuellen Zeitpunkt.
  • Zwei bereits bekannte Ansätze zur Szeneninterpretation sind:
    • - In digitalen Karten werden zunehmend Elemente eingetragen, die die Interpretation von Straßenszenen vereinfachen. Als Beispiele seien Geschwindigkeitsbegrenzungen genannt, die in der Regel durch Verkehrszeichen als Teil der Verkehrsinfrastruktur dem Fahrer bekannt gemacht werden. Diese Zeichen sind Teil von modernen digitalen Karten. Ein anderes Beispiel sind detaillierte Informationen zu Anzahl und Art von Fahrstreifen in digitalen Karten, die das Einordnen des Fahrers in eine explizite Fahrspur, zum Beispiel bei Abbiegevorgängen erleichtern sollen.
    • - Bekannt ist, dass Informationen aus der Verkehrsinfrastruktur (beispielsweise Fahrbahnlinien, Ampeln, Verkehrszeichen, Haltelinien, weitere Markierungen auf der Straße, wie z.B. Laternenpfosten, usw.) online über Kameras erfasst und über Crowd Sourcing Methoden zu einem sogenannten Roadbook aggregiert werden. Dieses Roadbook wird beteiligten Fahrzeugen zur Verfügung gestellt.
  • Offenbarung der Erfindung
  • Eine Aufgabe der vorliegenden Erfindung ist es, eine verbesserte Erfassung eines Verkehrsszenarios bereitzustellen.
  • Die Aufgabe wird gemäß einem ersten Aspekt gelöst mit einem Verfahren zum Ermitteln von Daten eines Verkehrsszenarios, aufweisend die Schritte:
    • - Erfassen eines Umfelds eines Fahrzeugs mittels einer Sensoreinrichtung;
    • - Erfassen von Verhaltensweisen von Verkehrsteilnehmern mittels der Sensoreinrichtung;
    • - Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen der Verkehrsteilnehmer; und
    • - Speichern der kombinierten und bewerteten Daten.
  • Auf diese Weise können Fahrzeuge aus einem Erfahrungsschatz von Verkehrsteilnehmern profitieren. Vorteilhaft lässt sie auf diese Weise eine Sicherheit im Fahrbetrieb des Fahrzeugs erhöhen. Im Ergebnis wird dadurch eine Art Best-Practice Aggregation bereitgestellt, welche Verhaltensweisen von Verkehrsteilnehmern berücksichtigt, die richtig sind („Best Practice“) und daher einen sicheren Fahrbetrieb von Fahrzeugen unterstützt. Vorteilhaft kann dadurch ein sensorischer Aufwand für das Fahrzeug verringert werden.
  • Gemäß einem zweiten Aspekt wird die Aufgabe gelöst mit einer Vorrichtung zum Erfassen eines Verkehrsszenarios, aufweisend:
    • - eine Sensoreinrichtung zum Erfassen eines Umfelds des Fahrzeugs, wobei mittels der Sensoreinrichtung Verhaltensweisen wenigstens eines Verkehrsteilnehmers erfasst wird;
    • - eine Verarbeitungseinrichtung zum Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen des wenigstens einen Verkehrsteilnehmers; und
    • - einen Speicher zu Speichern der kombinierten und bewerteten Daten.
  • Vorteilhafte Weiterbildungen des Verfahrens sind Gegenstand von abhängigen Ansprüchen.
  • Eine vorteilhafte Weiterbildung des Verfahrens sieht vor, dass das Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen der Verkehrsteilnehmer innerhalb oder außerhalb des Fahrzeugs durchgeführt wird. Auf diese Weise werden unterschiedliche Optionen zum Kombinieren und Bewerten der erfassten Daten bereitgestellt.
  • Eine weitere vorteilhafte Weiterbildung des Verfahrens zeichnet sich dadurch aus, dass die kombinierten und bewerteten Daten in einer internen oder in einer externen digitalen Karte des Fahrzeugs gespeichert werden. Dadurch ist unterstützt, dass sowohl externe und auch interne digitale Karten für das Verfahren benutzt werden können.
  • Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass das Kombinieren und Bewerten der erfassten Daten ein Mitteln umfasst. Dadurch wird eine spezifische Art eines Auswertens der erfassten Daten durchgeführt.
  • Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass das Kombinieren und Bewerten der erfassten Daten ein Anwenden von Ausschlusskriterien umfasst. Auf diese Weise wird eine weitere spezifische Art eines Auswertens der erfassten Daten bereitgestellt.
  • Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass beim Kombinieren und Bewerten der erfassten Daten wenigstens eines aus folgendem berücksichtigt wird: örtlicher Aspekt, zeitlicher Aspekt, Aspekte betreffend Verhaltensmuster, Nutzung von externen Informationen. Auf diese Weise werden verschiedene Aspekte beim Kombinieren und Bewerten erfassten Daten berücksichtigt.
  • Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass die externen Informationen wenigstens eines aus Folgendem umfassen: Daten betreffend Witterung, Unfallstatistiken, Polizeidaten. Dadurch werden vorteilhaft verschiedene externe Informationen für das Verfahren genutzt.
  • Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass die kombinierten und bewerteten Daten für ein Informationssystem und/oder für ein Fahrerassistenzsystem des Fahrzeugs genutzt werden. Auf diese Weise werden vorteilhafte Anwendungsfälle des Verfahrens bereitgestellt. Zum Beispiel können die kombinierten und bewerteten Daten eine hohe Verfügbarkeit einer Längs- und/oder Querführung des Fahrzeugs unterstützen.
  • Die Erfindung wird im Folgenden mit weiteren Merkmalen und Vorteilen anhand von mehreren Figuren detailliert beschrieben. Die Figuren sind vor allem dazu gedacht, die erfindungswesentlichen Prinzipien zu verdeutlichen und sind nicht unbedingt maßstabgetreu ausgeführt.
  • Offenbarte Verfahrensmerkmale ergeben sich analog aus entsprechenden offenbarten Vorrichtungsmerkmalen und umgekehrt. Dies bedeutet insbesondere, dass sich Merkmale, technische Vorteile und Ausführungen betreffend das Verfahren in analoger Weise aus entsprechenden Ausführungen, Merkmalen und Vorteilen betreffend die Vorrichtung ergeben und umgekehrt.
  • In den Figuren zeigt:
    • 1 eine prinzipielle Darstellung einer Funktionsweise des erfindungsgemäßen Verfahrens;
    • 2-5 beispielhafte Verkehrsszenarios, für die das Verfahren verwendet werden kann; und
    • 6 einen schematischen Ablauf einer Ausführungsform des erfindungsgemäßen Verfahrens.
  • Beschreibung von Ausführungsformen
  • Im Folgenden wird der Begriff „automatisiertes Fahrzeug“ synonym in den Bedeutungen vollautomatisiertes Fahrzeug, teilautomatisiertes Fahrzeug, vollautonomes Fahrzeug und teilautonomes Fahrzeug verwendet.
  • Ein Kerngedanke der vorliegenden Erfindung liegt insbesondere darin, eine Informationsbasis zu schaffen, die ein Verhalten von anderen Verkehrsteilnehmern berücksichtigt und dadurch zu einer verbesserten Qualität einer digitalen Karte beiträgt. Dabei werden Szenenelemente genutzt und Verhaltensmuster zum aktuellen oder und/oder zu anderen Zeitpunkten durch das eigene und/andere Fahrzeuge genutzt. Vorgeschlagen wird, die Ablage und Aggregation von Verhaltensmustern von Fahrzeugen und/oder die Interpretation von deren Verhalten in der Interaktion mit der Infrastruktur bereitzustellen. Diese Kernaspekte werden im Folgenden näher beschrieben.
  • Aufgrund der hohen Komplexität einer vollständigen Szeneinterpretation, ermöglichen bekannte Verfahren nur ein eingeschränktes Verständnis der Szene und damit nur eingeschränkte Fahrfunktionen. Vorgeschlagen wird daher eine umfassendere Szeneinterpretation von automotiven Verkehrssituationen, die insbesondere zum autonomen Fahren zukünftig erforderlich sein wird.
  • Das vorgeschlagene Verfahren nutzt einen wechselseitigen Kontext zwischen der Verkehrsinfrastruktur und dem Verhalten von Verkehrsteilnehmern (jegliche Fahrzeuge, Fußgänger). Zum einen bewirkt die Verkehrsinfrastruktur (beispielsweise der Verlauf einer Straße) ein spezifisches Verhalten der Verkehrsteilnehmer. Zum anderen kann bei Beobachtung des Verhaltens von Verkehrsteilnehmern mithilfe des Kontextes (z.B. „die Autos fahren auf der Straße“) auf eine konkrete Ausgestaltung der Infrastruktur geschlossen werden. Der Erfassungsbereich oder die Vorausschau auf den Verlauf der aktuellen Straße kann durch die Beobachtung von Fahrzeugen auf der Straße stark erweitert werden.
  • Das aktuelle Verhalten eines Verkehrsteilnehmers kann als „beste Praxis“ oder „beste Praktik“ (engl. best practice) bezeichnen werden, wodurch ein Verhalten des Verkehrsteilnehmers beschrieben wird, welches sich in der jeweiligen Situation als „richtig“ bzw. „problemlos“ erweist und zu einem reibungslosen Verkehrsgeschehen beiträgt.
  • Eine Strategie zur Befahrung der aktuellen Situation kann es zum Beispiel sein, einem vorausfahrenden Fahrzeug zu folgen. Solange sich dieses Fahrzeug an geltende Verkehrsregeln hält, keinen Unfall verursacht, d.h. das Fahrzeug eine beste Praktik umsetzt, spricht nichts gegen das Folgen des Fahrzeuges (z.B. eine auf rot geschaltete Ampel). Solange das vorausfahrende Fahrzeug auf der eigenen Route fährt, kann dies eine erfolgreiche Fahrstrategie sein.
  • Beobachtet man die besten Praktiken verschiedener Verkehrsteilnehmer in der aktuellen Situation, kann dies die Interpretation der aktuellen Situation sehr stark verbessern. Merkt sich das erfindungsgemäße System die besten Praktiken an einer bestimmten Fahrsituation über einen längeren Zeitraum, so entsteht ein erweitertes Bild dessen, was in dieser Situation an Verhalten und Handlungen möglich und vorteilhaft ist.
  • Erweitert man den Gedanken auf mehrere Orte und verschiedene Zeitpunkte auf einer Route, die ein Fahrzeug fährt, kann dies vorteilhaft für das Abfahren der Route verwendet werden. Eine zusätzliche Erweiterung wird durch eine Anbindung anderer Fahrzeuge erreicht, die gemeinsam in einer Menge zusammenarbeiten (sogenanntes „Crowd Sourcing“). Dabei wird auf diese Weise eine gesammelte Sicht auf Verkehrssituationen erzeugt bzw. aggregiert.
  • Unter „Aggregieren“ bzw. „Aggregation“ versteht man im Folgenden ein Sammeln, Kombinieren und Bewerten von verschiedenen Informationen und Inhalten und deren Ablage an einem oder an mehreren geeigneten Orten. Geeignete Orte können dabei z.B. als digitale Karten ausgebildet sein, die innerhalb und/oder außerhalb des Fahrzeugs auf einer Servereinrichtung angeordnet sind. Im Falle einer externen Servereinrichtung ist im Fahrzeug eine Kommunikationseinrichtung erforderlich, mit der das Fahrzeug mit der externen Servereinrichtung kommunizieren kann und Daten zu der/von der externen Servereinrichtung übertragen kann.
  • Die Informationen können dabei beispielsweise folgendes betreffen:
    • - örtliche Informationen
    • - zeitliche Informationen
    • - Verhaltensweisen (beste Praktiken von Verkehrsteilnehmern
    • - externe Randbedingungen
    • - sonstige Informationen
  • Die örtlichen Informationen können beispielsweise folgendes betreffen:
    • - Positionsinformationen, die z.B. durch GPS-Koordinaten abgelegt oder als relative Koordinaten innerhalb der jeweiligen Situation ausgebildet sind
    • - statische Positionsinformationen (sich langsam ändernde Infrastruktur, zu Beispiel Ampeln, Verkehrszeichen usw.)
    • - Positionen von Fahrzeugen
  • Zeitliche Funktionen können beispielsweise folgendes betreffen:
    • - Zeitpunkte
    • - Wochentage/Monate
    • - Tag/Nacht-Informationen
  • Verhaltensmuster bzw. beste Praktiken können z.B. folgendes betreffen:
    • - Fahrzeug fährt auf der Spur über eine Kreuzung
    • - Fußgänger quert die Straße
  • Externe Randbedingungen können z.B. folgendes betreffen:
    • - Witterung
    • - Straßenzustand
    • - Tageslicht
  • Unter den sonstigen Informationen kann zum Beispiel folgendes verstanden werden:
    • - Unfallschwerpunkte (z.B. aus Polizeistatistiken)
    • - Baustellen (z.B. in Form von Daten von Straßenverkehrsämtern)
  • Bei der genannten Sammlung werden alle genannten Informationen von einem oder von mehreren Fahrzeugen durch Fahrzeugsensoren (z.B. Kameras und/oder Fahrdynamiksensoren) und/oder Radarsensoren und/oder Navigationsgeräten und/oder weiteren Sensoren erfasst und werden an eine Kombinationseinrichtung übertragen.
  • Bei der genannten Kombination mittels der Kombinationseinrichtung werden alle Informationen miteinander verglichen, um zu einem möglichst einheitlichen und richtigen Bild der Situation zu kommen. Die kombinierten Informationen werden dabei basierend auf ihrer Ortsinformation in einer digitalen Karte hinterlegt. Dazu wird eine Bewertung durchgeführt, um zu richtigen Informationen zu gelangen.
  • Die genannten Schritte können in sehr vielen Situationen, von denen einige nachfolgend beschrieben sind, angewendet werden und können in vielen Fahrerassistenz- und automatischen Fahrfunktionssystemen eingesetzt werden.
  • Vorteilhaft lässt sich dies insbesondere für automatisiert oder automatisch oder autonom fahrende Fahrzeuge einsetzen, die so neben ihrer sensorischen Umfelderfassung weitere Informationen in Form von aggregierten Daten betreffend beste Praktiken anderer Verkehrsteilnehmer nutzen können. Auf diese Weise können Mängel im Bereich der Zuverlässigkeit und Verfügbarkeit des Situationsverstehens von Verkehrsszenarien behoben werden.
  • 1 zeigt ein prinzipielles Systembild des vorgeschlagenen Verfahrens 100. Dabei erfassen Sensoren 1 (z.B. Kamera, Radar, Lidar, Ultraschall, usw.) des Fahrzeugs ein Fahrzeugumfeld, wobei eine Informationserfassung 2 durchgeführt wird. Die aktuelle Information kann optional mit aggregierten Situationsinformationen 4 in einem ersten Modul 3 kombiniert werden. Aggregierte Situationsinformationen enthalten dabei sowohl:
    1. a) örtliche Informationen (dies ist aus digitalen Karten bekannt)
    2. b) zeitliche Informationen, wodurch z.B. örtliche mit zeitlichen Informationen verknüpft werden können, und
    3. c) Verhalten von Verkehrsteilnehmern im Kontext einer Infrastruktur.
  • Die zeitliche und/oder örtliche Aggregation wird mittels eines zweiten Moduls 5 durchgeführt.
  • Das Ergebnis dieser Aggregation kann in neuen aggregierten Informationen 7 abgelegt werden. Diese werden mithilfe eines Synchronisationsprozesses 9 synchronisiert, woraus wieder eine aggregierende Situationserfassung 4 durchgeführt werden kann. Die aggregierende Situationserfassung 4, die aggregierten Informationen 7 und der Synchronisationsprozess 9 können im Fahrzeug und/oder außerhalb eines Fahrzeugs bearbeitet bzw. ausgeführt werden, beispielsweise in einem sogenannten Backend.
  • Im Fahrzeug werden die Ergebnisse des zweiten Moduls 5 und optional die aggregierten Informationen 7 zu einer Situationsinterpretation 6 kombiniert. Diese wird genutzt, um ein geeignetes situationsgerechtes Verhalten 8 für das Fahrzeug abzuleiten.
  • Im Ergebnis wird dadurch eine Betrachtung des Verhaltens von Verkehrsteilnehmern im Kontext der Infrastruktur, externer Einflüsse bei zeitlichen und/oder örtlichen Abhängigkeiten durchgeführt.
  • Das Verfahren zur Situationsinterpretation der Fahrsituation bzw. des Verkehrsszenarios nutzt wenigstens eine Sensoreinrichtung zur Umfelderfassung, wie beispielsweise Videokameras und/oder Radarsensoren und/oder digitale Karten und/oder Ortungsinformationen (z.B. GPS-Daten) und/oder weitere Umfeldsensoren und aggregierte Information aus den erwähnten Sensoreinrichtungen zur Beschreibung der Situation.
  • Ziel ist eine Verbesserung des orts- und/oder zeitspezifischen Fahrverhaltens für automatisiertes und/oder automatisches und/oder manuelles Fahren. Folgende Aspekte werden dabei berücksichtigt:
    • - Wie hat sich ein Fahrzeug, dessen Verhalten erfasst wurde, in der aktuellen Situation verhalten?
    • - Gibt es eine beste Praktik unter den aktuellen Randbedingungen?
    • - Was ist in Abhängigkeit vom aktuellen Ort und der aktuellen Zeit zu erwarten?
    • - Sind Abweichungen der aktuellen Situation von der erwarteten aggregierten Situation wahrscheinlich? (Beispiel: Aktuell ist die Straße vereist und die Verkehrsteilnehmer fahren sehr langsam im Verkehrsszenario. In den aggregierten Informationen gibt es noch keine Daten zu einem Verkehrsszenario, die unter vereisten Bedingungen abgespeichert wurden.)
    • - Gibt es ein unerwartetes Verhalten von Verkehrsteilnehmern? (Beispiel: Ein vorausfahrendes Fahrzeug weicht vom normalen Kurs ab, was ein Zeichen einer Abnormalität ist. Als Konsequenz können mit dem vorgeschlagenen Verfahren gewisse Funktionen, wie z.B. in Notbremssystem, in erhöhte Betriebsbereitschaft versetzt werden)
    • - Gibt es vorausfahrende Fahrzeuge, deren beste Praktiken genutzt werden können?
    • - Können aus dem Verhalten, der Bewegung und/oder der Absichten der Verkehrsteilnehmer Rückschlüsse auf die aktuelle Situation gezogen werden?
  • Die Beantwortung der obigen Fragen kann durch das vorgeschlagene Verfahren erleichtert werden, dient auf diese Weise einer Verbesserung der Situationsinterpretation eines Verkehrsszenarios und kann dadurch vorteilhaft zu einer erhöhten Fahrsicherheit beitragen, indem die Situationsinterpretation des Verkehrsszenarios spezifisch genutzt wird (z.B. für ein Fahrinformationssystem, Fahrerassistenzsystem, Regelungssystem, usw. des Fahrzeugs).
  • Im Folgenden werden Beispiele von ortsabhängigen Verkehrsszenarien beispielhaft aufgelistet, die vom erfindungsgemäßen Verfahren erfasst und verarbeitet werden können:
  • Fahrsituationen unterscheiden sich stark von den jeweiligen Straßenformen, wobei z.B. auf Autobahnen in der Regel ein gleichmäßig fließender Verkehr im erhöhten Geschwindigkeitsbereich realisiert ist. Ausnahmen sind hierbei folgende Ereignisse, die beispielsweise durch das vorgeschlagene aggregierende Verfahren behandelt werden können. Die folgenden Listen sind nicht als vollständig anzusehen, sondern nennen lediglich beispielhaft einige Anwendungsfälle:
    • - Aggregation von Stauschwerpunkten (inklusive Zeitpunkt)
    • - Auf- und Abfahrten
    • - Unfallschwerpunkte
    • - Bildung von Rettungsgassen
    • - Langfristige Baustellen
    • - Langsam fahrende Fahrzeuge (z.B. LKWs auf Steigungen)
    • - Eingliederung von langsamen Fahrzeugen (z.B. Ende von Kriechspuren)
    • - Witterungseinflüsse (z.B. Häufung von Nebel in bestimmten Streckenabschnitten)
    • - Sichteinschränkungen (z.B. Möglichkeit von Gegenlicht/Blendung an bestimmten Streckenabschnitten zu bestimmten Zeiten)
    • - Möglichkeit von Aquaplaning
    • - Schlechte Straßendecke, reduzierte Haftung der Fahrzeugreifen (Reibwertreduktion)
  • Neben den langfristigen, eher an der Infrastruktur orientierten Themen gibt es auch folgende, aktuelle Informationen, die relevant sein können:
    • - Aktuelle Verkehrskontrollen
    • - Aktuelle Geschwindigkeitsbeschränkungen
    • - Aktuelle weitere Verbote (z.B. Überholverbot)
    • - Aktuelle Baustellen (Tagesbaustellen, auch bewegte)
  • Auf Landstraßen gibt es neben den Autobahnsituationen folgende weitere Situationen und Ereignisse, die durch das aggregierende Verfahren erfasst und verarbeitet werden können:
    • - Kreuzungen jeglicher Art (z.B. Kreuzung mit mehreren abgehenden Straßen (Vorfahrt nicht gut ersichtlich, Verdeckungen durch Infrastruktur, Abbiegespuren, Aufbiegespuren, Kreuzungen mit drei abgehenden Straßen)
    • - Kreuzung mit drei abgehenden Straßen (T-Kreuzung), bei der die Gefahr besteht, dass der Fahrer einen Halt nicht rechtzeitig erkennt bzw. bei der eine Verwechslungsgefahr mit einer abknickenden Vorfahrt besteht
    • - Einfädelspuren
    • - Ein- und Ausfahrten (z.B. Hofeinfahrten zu landwirtschaftlichen Betrieben, Feldwege, Industriebetriebe, verschmutzte Fahrbahnen bei Baustellen
    • - Kreuzende Sportwege
    • - Starke Kurven (z.B. Serpentinen auf Gebirgspässen)
    • - Motorradstrecken
    • - Strecken, auf denen Fahrzeuge häufig Kurven schneiden
    • - Szenarios, in denen ein Ausweichverhalten angepasst werden muss, weil große Fahrzeuge nicht ausweichen können
    • - starke Steigungen/Gefälle (Gefahr, dass das Fahrzeug aufsetzt)
    • - Staubildung mit daraus resultierender Unfallgefahr, wie es z.B. im Verkehrsszenario von 3 erläutert ist
  • Auf innerstädtischen Straßen gibt es neben den Autobahn- und Landstraßensituationen beispielsweise folgende weitere Situationen:
    • - Ortsstraßen mit Objekten wie z.B. Schulen, Spielplätze, Sportplätze, Hotels, Bushaltestellen, wie z.B. im Verkehrsszenario von 4 erläutert
    • - Wohnstraßen mit Tempo 30-Zonen, Spielstraßen, spielenden Kindern, Personen mit Kinderwagen, Rollator, Rollstuhl, usw.
    • - Engstellen mit engen Straßen, geparkten Fahrzeugen/Lieferfahrzeugen
    • - Kreuzungen mit häufig unübersichtlicher Verkehrsführung, wobei eine Position von Fahrstreifen unklar ist, komplexen Kreuzungen
    • - Kreisel mit stark unterschiedlichem Fahrverhalten von verschiedenen Verkehrsteilnehmern, komplexer Verkehrsführung mit vielfältigen Entscheidungsoptionen, wie es anhand des Verkehrsszenarios 100 von 5 erläutert ist
    • - Hochstraßen mit einer Verkehrsführung auf mehreren Ebenen
    • - Rettungswesen mit ärztlicher Versorgung, Polizei, Feuerwehreinfahrten, Krankenhauseinfahrten, Polizeistationen, Vorrang für Blaulichtfahrzeuge
    • - Soziale Einrichtungen mit z.B. Altersheimen, Kinderheimen, Blindenheimen, Taubblindenheimen
  • Unabhängig vom Ort gibt es häufig Verkehrsereignisse, die für die jeweilige Örtlichkeit wahrscheinlich sein können, wie zum Beispiel:
    • - Stau
    • - zähfließender Verkehr, Stop-and-Go-Verkehr
    • - Unfallschwerpunkt
  • Die örtlichen Situationen werden durch die jeweilige Infrastruktur und die auftretenden Verkehrsteilnehmer beschrieben. Elemente der Infrastruktur können dabei z.B. folgendes umfassen:
    • - Straßenelemente in Form von Fahrbahnen mit Markierungen und seitlichen Begrenzungen oder anderen Begrenzungen der befahrbaren Fläche, wie z.B. Fahrstreifenmarkierungen, Haltelinien, Sperrflächen, Bordsteine, Rinnsteine, (Warn-) Baken, Busspuren, Fußgängerüberwege, Fußgängerfurten, Pfeile (z.B. zur Kennzeichnung der Fahrtrichtung auf dem Fahrstreifen), Verkehrszeichen auf der Fahrbahn, Piktogramme oder sonstige Symbole auf der Fahrbahn, allgemeine Schrift auf der Straße, Grasnarbe
    • - Parkflächen, Parkstreifen
    • - seitliche Wege/Zuwege, z.B. Einmündungen in die Straße (Seitenstraßen, Ein- und Ausfahrten), Fußgänger/Fahrradwege
    • - Verkehrsinseln
    • - Leitpfosten oder andere seitliche Begrenzungszeichen (z.B. Meilensteine)
    • - Leitplanken
    • - Straßenbeleuchtungseinrichtungen
    • - Übergänge zu anderen Verkehrsmitteln, wie z.B. Fähren, Autozüge, Flughäfen, usw.
    • - Signalisierungselemente, wie z.B. Verkehrszeichen (statische und/oder Wechselverkehrszeichen), Regeln zum Verkehrsfluss, Regeln der Geschwindigkeit, Ampeln (Lichtsignalanlagen), Warnlampen (z.B. gelbes Blinklicht), Lärmschutz
  • Die Verkehrsteilnehmer bewegen sich innerhalb der oben beispielhaft genannten Infrastruktur. Eine Beschreibung der Verkehrsteilnehmer kann folgende Merkmale enthalten, wobei auch Erweiterungen möglich sind:
  • Die Verkehrsteilnehmer stehen als Ganzes in Wechselwirkung mit der Infrastruktur:
    • - Verkehrsfluss, z.B. flüssig, normal, zähfließend, Stop-and-Go, Stau
  • Der aktuelle Verkehrsfluss kann einzelnen Infrastrukturen zugeordnet werden, wie zum Beispiel:
    • - Verkehrsflussbeeinflussung durch Kreuzungen, Ampelanlagen, usw.
    • - Zuordnung von Verkehrsfluss zu individuellen Fahrstreifen (z.B. Stau auf Rechtsabbiegerspuren an individuellen Kreuzungen)
    • - Stau an Kreuzung, weil der niedrig priorisierte Verkehr („Stop“/„Vorfahrt gewähren“) wegen der hohen Verkehrsdichte auf der Vorfahrtsstraße nicht abfließen kann, wie anhand des Verkehrsszenarios von 3 erläutert
    • - Überlastung von Einfädel- und Ausfädelspuren
  • Die Verkehrsteilnehmer haben dabei folgende Eigenschaften:
    • - Art des Verkehrsteilnehmers: Personen (Fußgänger, Kinder, beeinträchtigte Personen (z.B. behindert, blind, usw.)
    • - Tiere, wie z.B. Nutztiere (Kühe, Pferde, usw.), Wildtiere (Rehe, Wildschweine, usw.)
    • - Fahrzeuge, wie z.B. PKW, LKW, Motorrad, Motorroller, Fahrrad, Busse (im fließenden Verkehr und an Bushaltestellen)
    • - Schienenfahrzeuge (z.B. S-Bahn, U-Bahn, Fernzug, Straßenbahn, usw.)
    • - Einsatzfahrzeuge (z.B. Feuerwehr, Krankenwagen, usw.)
    • - Landwirtschaftliche Fahrzeuge, z.B. Trecker/Zugmaschinen gegebenenfalls mit Anhänger, Mähdrescher, Häxelmaschinen, Rodungsmaschinen, usw.
    • - Sonderfahrzeuge, wie z.B. Schneepflüge, Schneefräsen, Mähfahrzeuge
    • - Art der Bewegung des Teilnehmers, wie z.B. gleichförmig bewegt (konstante Geschwindigkeit), beschleunigt bewegt (Bewegung mit Geschwindigkeitsänderung), anhaltend, anfahrend, stehend im Verkehr, stehend auf einer Parkfläche, parkend in der zweiten Reihe (z.B. Lieferfahrzeug), in einen Unfall verwickelt
    • - Richtung: z.B. gleichbleibende Richtung, sich ändernde Richtung
    • - Falls sich das Fahrzeug ruhig bewegt, ist dies ein Hinweis auf eine glatte Straße/Fläche
    • - Macht das Fahrzeug starke zyklische Wank- und Kippbewegungen, ist dies ein Hinweis auf eine unebene Straße/Fläche
    • - Ort des Verkehrsteilnehmers, z.B. definiert durch eine Geokoordinate (zum Beispiel GPS-Koordinate, usw.), relative Abstände zu Verkehrsteilnehmern und/oder zu Fahrbahnbegrenzungen
  • Aus den oben genannten Beobachtungen lässt sich das aktuelle Verhalten (engl. action recognition) der Verkehrsteilnehmer und durch eine Änderung des Verhalten eine Absicht der Teilnehmer (engl. intention recognition) erkennen. Es gibt beobachtbare Indikatoren, die die Absichten ankündigen, wie z.B.:
    • - Betätigen des Blinkers (Fahrtrichtungsanzeiger)
    • - Bremslicht
    • - Blaulicht/Gelblicht
    • - Blickrichtung (von Fußgängern und Fahrzeuglenkern)
  • Eine Beobachtung der Präsenz, des Verhaltens und der Absichten der Verkehrsteilnehmer lässt indirekt in folgender Weise Rückschlüsse auf die Infrastruktur zu:
    • - Wo die Fahrzeuge fahren, gibt es in der Regel eine befahrbare Fläche (z.B. eine Straße)
    • - Wo die Fahrzeuge hinfahren (meist durch das Fahrzeug selbst verdeckt und daher nicht direkt von Sensoren erfassbar) kann, abhängig von Geschwindigkeit und Orientierung des Fahrzeugs, mit hoher Wahrscheinlichkeit von einer befahrbaren Fläche (z.B. Straße) ausgegangen werden (erhöhte longitudinale Vorausschau)
    • - Fahrzeuge fahren in der Regel mit einem bestimmten Abstand zu seitlichen Begrenzungen der befahrbaren Fläche
    • - Fahrzeuge wählen beim Durchfahren von komplexen Kreuzungen bestimmte Fahrkorridore oder fahren andere übliche Fahrwege (auch ohne Markierungen auf der Straße)
    • - Fahrzeuge halten vor bestimmten Infrastruktureinrichtungen an: z.B. vor Ampeln, Stop-Zeichen, usw.
    • - Fahrzeuge machen Spurwechsel vor bestimmten Infrastruktureinrichtungen, z.B. Abbiegespuren
    • - Fahrzeuge reihen sich bei Fahrbahnverengungen ein („Reißverschlussverfahren“)
    • - Vorfahrt geben an bestimmten Kreuzungen
    • - Warten von Fahrzeugen vor bestimmten Situationen (z.B. Engstellen, Stau, Einfahrten, Bussen, Straßenbahnen, usw.)
    • - Vorsichtige Fahrweise von Fahrzeugen bei wahrscheinlichem Wildwechsel zu einer bestimmten Tageszeit
    • - Vorsichtige Fahrweise an Bushaltestellen, an denen gerade Personen aus einem Bus ein- oder aussteigen, wie anhand des Verkehrsszenarios von 4 erläutert
    • - Sehr viele weitere Beispiele ergeben sich durch die Kombinationen und den Kontext von Infrastruktur und Verkehrsteilnehmern
  • Folgende zeitliche Informationen können bei der Erfassung und Verarbeitung des jeweiligen Verkehrsszenarios betrachtet werden:
    • - Datum
    • - Tageszeit: Uhrzeit, Tag/Nacht, Informationen zu zeitlichen Einflüssen (z.B. Berufsverkehr), allgemeine Statistik zur Verkehrsfrequenz in Abhängigkeit von der Tageszeit
    • - Wochenzeit: z.B. Status Wochenende, Anfang/Ende der Woche (z.B. erhöhter Reiseverkehr am Wochenende)
    • - Jahreszeit: Frühling/Sommer/Herbst/Winter, Ferien (Schulferien, Werksferien, Semesterferien an Universitäten, usw.)
  • Folgende externe Einflüsse können für das erfasste und verarbeitete Verkehrsszenario betrachtet werden:
    • - Sichtverhältnisse wie z.B. Lichtstärke, Dunkelheit, Gegenlicht
    • - Wetter- und Witterungsverhältnisse, wie z.B. Trockenheit (allgemein und Trockenheit der Straße), Nässe, Schnee, Eis
    • - Temperatur: z.B. der Luft, der Straße, große Hitze (resultierend in hektischer Fahrweise), Kälte (resultierend in aufmerksamer Fahrweise)
  • Die Erfassung der jeweiligen Information zur Situation, zur Infrastruktur und zum Verhalten von Verkehrsteilnehmern und des eigenen Verhaltens wird mittels geeigneter Umfeldsensorik durchgeführt, wobei beispielhaft folgende Sensoreinrichtungen verwendet werden können:
    • - Lichtsensor
    • - Temperatursensor
    • - Fahrdynamiksensoren, z.B. zur Erfassung der Geschwindigkeit und der Beschleunigung des eigenen Fahrzeugs, gegebenenfalls auch des Reibwerts der Straße
    • - Ortungssensoren (zur Ermittlung der Geoposition)
    • - Digitale Karten
    • - Fahrzeugumfeld-Erfassungssensor, z.B. Videokamera, Radarsensor, Lidarsensor, Ultraschallsensor, weitere Sensoren
    • - Kommunikation mit anderen Verkehrsteilnehmern, z.B. über C2C-Kommunikation
    • - Kommunikation mit der Verkehrsinfrastruktur, z.B. über C2X-Kommunikation
    • - Zugriff auf weitere Daten, z.B. aggregierte Informationen
    • - Mikrofon (z.B. zum Erfassen bei Martinshorn, Hupe, usw.)
  • Die genannte Aggregation nutzt externe Informationen (z.B. Unfallstatistiken, Polizeidaten) und führt eine Aggregation auf Basis einer Beobachtung anderer Verkehrsteilnehmer („Crowd Sourcing“), Polizei und Straßenverkehrsämter durch.
  • Aggregiert werden dabei alle oder eine Auswahl:
    • - von Eigenschaften und/oder Verhaltensweisen von Verkehrsteilnehmern
    • - Informationen über die Verkehrsinfrastruktur
    • - Informationen über externe Einflüsse, wie zum Beispiel Witterung und Lichteinflüsse
    • - Ortsinformationen (absolute oder relative Positionen der jeweiligen Situationselemente)
    • - Zeitinformationen (wann wurde das jeweilige Verkehrsszenario durchfahren)
  • Die genannte Aggregation, d.h. das Erfassen der Verhaltensweisen der Verkehrsteilnehmer mittels der Sensoreinrichtung und das Kombinieren und Bewerten der erfassten Daten des Umfelds kann im eigenen Fahrzeug und/oder auf einem externen System stattfinden und entsprechend intern und/oder extern in einem oder mehreren Speichern abgelegt werden. All dies kann dazu verwendet werden, dass das Ego-Fahrzeug durch situationsspezifische Aggregation von Verhaltensmustern sehr viele von Unwägbarkeiten einer Strecke kennt und spezifisch nutzen kann. Dadurch kann auf vorteilhafte die Sicherheit beim Fahren bedeutend erhöht werden.
  • 2 zeigt ein beispielhaftes Verkehrsszenario 100, bei dem das vorgeschlagene Verfahren verwendet werden kann. Man erkennt eine Kreuzungssituation mit einer Vorfahrtsstraße 10 und einem Gefahrenpotential aufgrund von kreuzendem Verkehr, der für ein sich an die Kreuzung mit hoher Geschwindigkeit annäherndes Fahrzeug 40 durch Gebäude 20 verdeckt wird. Es besteht dadurch eine Gefahr eines Übersehens eines Verkehrszeichens 50 (Geschwindigkeitsbeschränkung auf Ortsgeschwindigkeit) und eines vorfahrtsregelnden Verkehrszeichens 51 (Stop-Zeichen). Die auf der Vorfahrtsstraße 10 fahrenden Fahrzeuge 30 können durch die Verdeckung durch die Gebäude 20 übersehen werden.
  • Mit dem vorgeschlagenen Verfahren ist vorgesehen, das dargestellte Verkehrsszenario 100 sensorisch und erfassen, wobei die erfassten Daten miteinander kombiniert und bewertet werden, sodass die derart ermittelten Daten spezifisch genutzt werden können. Dadurch ist beispielsweise ermöglicht, dass ein Fahrerassistenzsystem eines Fahrzeugs bei einer Näherung an die Kreuzungssituation von 2 um das Gefahrenpotential weiß und eine entsprechende Information oder Warnmeldung an den Fahrer abgibt, z.B. in Form einer akustischen und/oder optischen Warnanzeige, einer erhöhten Bereitschaft eines Bremssystems, usw.
  • 3 zeigt ein weiteres Verkehrsszenario 100, für das das vorgeschlagene Verfahren verwendet werden kann. Man erkennt eine Kreuzungssituation mit einer Vorfahrtsstraße 10 und einem Gefahrenpotential aufgrund von Staubildung. Ein Fahrzeug 40 nähert sich dem Staubereich mit erhöhter Geschwindigkeit an. Auf der Vorfahrtsstraße 10 fahrende Fahrzeuge 30 verhindern das zügige Abfließen der im Stau befindlichen Fahrzeuge. Das Verkehrszeichen 50 (Geschwindigkeitsbeschränkung auf Ortsgeschwindigkeit) kommt in dieser Situation örtlich zu spät, da der Staubereich über die Position des Verkehrszeichens 50 hinausgeht. Gebäude 20 verdecken zusätzlich die Sicht auf die Vorfahrtsstraße 10.
  • Auch in diesem Fall kann auch wiederum ein sensorisches Erfassen, Kombinieren und Bewerten des Verkehrsszenarios inklusive dem Verhalten der Verkehrsteilnehmer durchgeführt werden. Die entsprechenden Daten können an andere Verkehrsteilnehmer verteilt werden, sodass zukünftige Fahrzeuge bei einem Annähern an das Verkehrsszenario 100 von 3 vorteilhaft vom „Erfahrungsschatz“ von bereits durchgefahrenen Fahrzeugen profitieren können.
  • 4 zeigt ein weiteres Verkehrsszenario 100, für das das vorgeschlagene Verfahren verwendet werden kann. In diesem Fall das Verkehrsszenario 100 als eine Bushaltestelle ausgebildet, bei der eine Person 60 in einen Bus 70 einsteigt. Gleichzeitig quert hinter dem Bus 70 eine weitere Person 61 die Fahrbahn 10, um auf die gegenüberliegende Straßenseite zu wechseln (angedeutet mit einem Pfeil). Ein Fahrzeug 40 nähert sich diesem Verkehrsszenario 100 an. Es besteht die Gefahr, dass dessen Fahrer den Fußgänger 61 zu spät bemerkt. Das genannte Verkehrsszenario 100 findet zu einem Zeitpunkt 80 statt und es ist wahrscheinlich, dass es sich an einem der folgenden Tage zum selben Zeitpunkt 80 wiederholen kann.
  • Auch in diesem Fall wird mittels des vorgeschlagenen Verfahrens ein sensorisches Erfassen der Verkehrssituation inklusive dem Verhaltensmuster der Verkehrsteilnehmer Bus 70, Fußgänger 60, 61 und ein Kombinieren und Bewerten dieser Information zu aggregierten Daten durchgeführt, die verwendet werden können, damit sich zukünftige Verkehrsteilnehmer bei einem Annähern an das Verkehrsszenario 100 von 4 zum gegebenen Zeitpunkt 80 mit einem erhöhten Wachsamkeitspegel verhalten. Vorteilhaft kann dadurch ein Übersehen von die Fahrbahn 10 hinter dem Bus 70 querenden Personen 61 vermieden werden.
  • 5 zeigt ein weiteres Verkehrsszenario 100, für das das vorgeschlagene Verfahren verwendet werden kann. In diesem Fall umfasst das Verkehrsszenario 100 ein Durchfahren eines dreispurigen Kreisverkehrs. Es gibt dabei mehrere Verhaltensweisen von Fahrern:
  • Eine kooperative Fahrweise der Fahrzeuge 30, 40 und 41: Das Fahrzeug 40 fährt auf der rechten/äußeren Spur in den Kreisverkehr ein und verlässt den Kreisverkehr an der ersten Ausfahrt, führt also ein Rechtsabbiegemanöver durch. Ein weiteres Fahrzeug 30 fährt in der mittleren Spur in den Kreisverkehr ein und verlässt den Kreisverkehr an der zweiten Ausfahrt und realisiert damit ein Geradeausfahren. Ein weiteres Fahrzeug 41 fährt in der linken/inneren Spur in den Kreisverkehr ein und verlässt den Kreisverkehr an der dritten Ausfahrt und realisiert damit ein Linksabbiegemanöver.
  • Ferner gibt es aber auch eine unkooperative Fahrweise eines weiteren Fahrzeugs 42, welches auf der rechten/äußeren Spur in den Kreisverkehr einfährt und dauerhaft in der rechten/äußeren Spur verbleibt und den Kreisverkehr an der dritten Ausfahrt verlässt. Auf diese Weise realisiert das Fahrzeug 42 ein unkooperatives Abbiegen, da es viele Kreuzungsfahrten und Überschneidungsfahrten von Fahrspuren vornimmt.
  • Dieses Beispiel soll zeigen, wie viele mögliche Fahrweisen es in bestimmten Fahrsituationen geben kann und alle zu einer üblichen Praxis in Verkehrssituationen gehören. Die besten Praktiken sind im Falle des Verkehrsszenarios 100 von 5 die erstgenannten drei Praktiken, jedoch ist letztgenannte Praxis betreffend das Fahrzeug 42 auch üblich.
  • Vorteilhaft sollten alle Varianten bekannt sein, weil sich das automatisiert oder automatisch fahrende Fahrzeug auf alle Varianten einstellen kann und diese entsprechend berücksichtigen kann.
  • Das Kombinieren und Bewerten der erfassten Daten kann in Form eines Mittelns erfolgen und oder in Form eines Definierens von Ausschlusskriterien, wobei aber noch viele andere Arten des Kombinierens und Bewertens der erfassten Daten möglich sind.
  • Das vorgeschlagene Verfahren kann vorteilhaft für hochleistungsfähige automatische und/oder (teil-)automatisierte Fahrfunktionen verwendet werden. Hierbei ist das (teil-) automatisierte Fahren im urbanen Umfeld, auf Landstraßen und auf Autobahnen relevant. Vorteilhaft kann das Verfahren aber auch für manuelles Fahren benutzt wird, wobei dem Fahrer des Fahrzeugs dann z.B. optische und/oder akustische Warnsignale abgegeben werden.
  • Vorteilhaft ist es mit dem vorgeschlagenen Verfahren möglich, dass Fahrzeuge von sensorisch erfassten Daten anderer Fahrzeuge profitieren. Im Ergebnis ist dadurch für Fahrzeuge ein verringerter sensorischer Aufwand erforderlich, weil sie von einer sensorischen Infrastruktur anderer Fahrzeuge profitieren.
  • Vorteilhaft kann das erfindungsgemäße Verfahren z.B. dazu verwendet werden, eine hohe Verfügbarkeit einer Längs- und Querführung von Fahrzeugen bereitzustellen.
  • 6 zeigt einen prinzipiellen Ablauf einer Ausführungsform des vorgeschlagenen Verfahrens.
  • In einem Schritt 200 wird ein Erfassen eines Umfelds eines Fahrzeugs 30, 40, 41, 42 mittels einer Sensoreinrichtung durchgeführt.
  • In einem Schritt 210 wird ein Erfassen von Verhaltensweisen von Verkehrsteilnehmern mittels der Sensoreinrichtung durchgeführt.
  • In einem Schritt 220 wird ein Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen der Verkehrsteilnehmer durchgeführt.
  • In einem Schritt 230 wird ein Speichern der kombinierten und bewerteten Daten durchgeführt.
  • Es versteht sich von selbst, dass die Reihenfolge der Schritte 200 und 210 beliebig ist.
  • Vorteilhaft kann das vorgeschlagene Verfahren mittels eines Softwareprogramms mit geeigneten Programmcodemitteln realisiert werden, die auf einer Vorrichtung zum Ermitteln von Daten eines Verkehrsszenarios abläuft. Auf einfache Weise ist dadurch eine Adaptierung des Verfahrens möglich.
  • Der Fachmann wird die Merkmale der Erfindung in geeigneter Weise abändern und/oder miteinander kombinieren, ohne vom Kern der Erfindung abzuweichen.

Claims (11)

  1. Verfahren zum Ermitteln von Daten eines Verkehrsszenarios (100), aufweisend die Schritte: - Erfassen eines Umfelds eines Fahrzeugs (30, 40, 41, 42) mittels einer Sensoreinrichtung; - Erfassen von Verhaltensweisen von Verkehrsteilnehmern mittels der Sensoreinrichtung; - Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen der Verkehrsteilnehmer; und - Speichern der kombinierten und bewerteten Daten.
  2. Verfahren nach Anspruch 1, wobei das Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen der Verkehrsteilnehmer innerhalb oder außerhalb des Fahrzeugs durchgeführt wird.
  3. Verfahren nach Anspruch 1 oder 2, wobei die kombinierten und bewerteten Daten in einer internen oder in einer externen digitalen Karte des Fahrzeugs gespeichert werden.
  4. Verfahren nach einem der Ansprüche 1 bis 3, wobei das Kombinieren und Bewerten der erfassten Daten ein Mitteln umfasst.
  5. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Kombinieren und Bewerten der erfassten Daten ein Anwenden von Ausschlusskriterien umfasst.
  6. Verfahren nach einem der vorhergehenden Ansprüche, wobei beim Kombinieren und Bewerten der erfassten Daten wenigstens eines aus folgendem berücksichtigt wird: örtlicher Aspekt, zeitlicher Aspekt, Aspekte betreffend Verhaltensmuster, Nutzung von externen Informationen.
  7. Verfahren nach Anspruch 6, wobei die externen Informationen wenigstens eines aus Folgendem umfassen: Daten betreffend Witterung, Unfallstatistiken, Polizeidaten.
  8. Verfahren nach einem der vorhergehenden Ansprüche, wobei die kombinierten und bewerteten Daten für ein Informationssystem und/oder für ein Fahrerassistenzsystem des Fahrzeugs genutzt werden.
  9. Vorrichtung zum Ermitteln von Daten eines Verkehrsszenarios (100), aufweisend: - eine Sensoreinrichtung zum Erfassen eines Umfelds des Fahrzeugs, wobei mittels der Sensoreinrichtung Verhaltensweisen wenigstens eines Verkehrsteilnehmers erfasst wird; - eine Verarbeitungseinrichtung zum Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen des wenigstens einen Verkehrsteilnehmers; und - einen Speicher zu Speichern der kombinierten und bewerteten Daten.
  10. Vorrichtung nach Anspruch 10, ferner aufweisend eine Kommunikationseinrichtung zum Übermitteln der erfassten und/oder der kombinierten und bewerteten Daten.
  11. Computerprogrammprodukt mit Programmcodemitteln zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 8, wenn es auf einer Vorrichtung zum Ermitteln von Daten eines Verkehrsszenarios (100) abläuft oder auf einem computerlesbaren Datenträger gespeichert ist.
DE102017206343.2A 2017-04-12 2017-04-12 Verfahren zum Ermitteln von Daten eines Verkehrsszenarios Pending DE102017206343A1 (de)

Priority Applications (5)

Application Number Priority Date Filing Date Title
DE102017206343.2A DE102017206343A1 (de) 2017-04-12 2017-04-12 Verfahren zum Ermitteln von Daten eines Verkehrsszenarios
PCT/EP2018/057743 WO2018188940A1 (de) 2017-04-12 2018-03-27 Verfahren zum ermitteln von daten eines verkehrsszenarios
EP18713903.5A EP3610472A1 (de) 2017-04-12 2018-03-27 Verfahren zum ermitteln von daten eines verkehrsszenarios
US16/476,987 US20190355245A1 (en) 2017-04-12 2018-03-27 Method for ascertaining data of a traffic scenario
CN201880024497.7A CN110506303B (zh) 2017-04-12 2018-03-27 用于求取交通场景的数据的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102017206343.2A DE102017206343A1 (de) 2017-04-12 2017-04-12 Verfahren zum Ermitteln von Daten eines Verkehrsszenarios

Publications (1)

Publication Number Publication Date
DE102017206343A1 true DE102017206343A1 (de) 2018-10-18

Family

ID=61801963

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102017206343.2A Pending DE102017206343A1 (de) 2017-04-12 2017-04-12 Verfahren zum Ermitteln von Daten eines Verkehrsszenarios

Country Status (5)

Country Link
US (1) US20190355245A1 (de)
EP (1) EP3610472A1 (de)
CN (1) CN110506303B (de)
DE (1) DE102017206343A1 (de)
WO (1) WO2018188940A1 (de)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110599765A (zh) * 2019-08-16 2019-12-20 华南理工大学 一种基于多源数据融合的公路客货运输量指标统计方法
DE102018214894A1 (de) * 2018-09-03 2020-03-05 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines automatisierten Fahrzeugs
DE102018217932A1 (de) * 2018-10-19 2020-04-23 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines automatisierten Fahrzeugs
DE102018219603A1 (de) * 2018-11-15 2020-05-20 Robert Bosch Gmbh Markieren einer digitalen Karte für ein automatisiertes oder teilautomatisiertes Fahren
DE102019215359A1 (de) * 2019-10-08 2021-04-08 Robert Bosch Gmbh Verfahren zum Ausgeben eines Signals zum Auffahren eines Fahrzeugs auf eine Vorfahrtsstraße
EP3806009A1 (de) * 2019-10-11 2021-04-14 ZF Friedrichshafen AG Verfahren zum bewerten einer ausgewählten route, routenbewertungssystem und computerprogramm
DE102020203122A1 (de) 2020-03-11 2021-09-16 Volkswagen Aktiengesellschaft Vorrichtung und Verfahren zur Unterstützung der Bildung einer Rettungsgasse
DE102020205725A1 (de) 2020-05-06 2021-11-11 Volkswagen Aktiengesellschaft Modellierung eines Verkehrsszenarios
DE102020126679A1 (de) 2020-10-12 2022-04-14 Bayerische Motoren Werke Aktiengesellschaft Fahrzeugführungssystem und Verfahren zum Betreiben einer Fahrfunktion in Abhängigkeit von einem Vorder-Fahrzeug
DE102020213496A1 (de) 2020-10-27 2022-04-28 Volkswagen Aktiengesellschaft Validierung von Modellen für Fahrbahn-Spuren basierend auf Schwarmdaten
AT525387A1 (de) * 2021-08-31 2023-03-15 Tom Robotics Gmbh Verteilungsverfahren für ein vertellen von objektdaten von verkehrsteilnehmern erfasster objekte
CN116129647A (zh) * 2023-02-28 2023-05-16 禾多科技（北京）有限公司 一种基于危险点的全闭环场景重构方法
DE102022002082A1 (de) 2022-06-10 2023-12-21 Mercedes-Benz Group AG Verfahren zur Erkennung von semantischen Beziehungen zwischen Verkehrsobjekten

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017154967A1 (ja) * 2016-03-11 2017-09-14 日本電気株式会社 異常走行検出装置、異常走行検出方法とそのプログラムを格納する記憶媒体、および異常走行検出システム
SE541634C2 (en) * 2018-03-06 2019-11-19 Scania Cv Ab Method and control arrangement for identification of parking areas
DE102018208105B3 (de) * 2018-05-23 2019-03-21 Volkswagen Aktiengesellschaft Verfahren zum Unterstützen eines Führens wenigstens eines Kraftfahrzeugs und Assistenzsystem
US10922966B2 (en) * 2018-10-31 2021-02-16 Mitsubishi Electric Research Laboratories, Inc. System and method for asymmetric traffic control
JP7192709B2 (ja) * 2019-08-09 2022-12-20 トヨタ自動車株式会社 車両遠隔指示訓練装置
US11335100B2 (en) * 2019-12-27 2022-05-17 Industrial Technology Research Institute Traffic light recognition system and method thereof
CN113140107B (zh) * 2020-03-30 2022-09-16 北京高德云图科技有限公司 交通信息处理方法、装置、电子设备及计算机存储介质
CN111439261B (zh) * 2020-05-12 2023-07-21 吉林大学 一种用于智能车群主动换道功能的车流量计算系统
CN111710158B (zh) * 2020-05-28 2022-04-15 深圳市元征科技股份有限公司 一种车辆数据处理方法及相关设备
CN111832179B (zh) * 2020-07-17 2023-08-15 北京赛目科技有限公司 无人车的测试场景创建方法及装置
CN114813157A (zh) * 2021-01-29 2022-07-29 华为技术有限公司 一种测试场景构建方法及装置
CN112991764B (zh) * 2021-04-26 2021-08-06 中汽研（天津）汽车工程研究院有限公司 一种基于摄像头的超车场景数据采集、识别与提取系统
US20220379902A1 (en) * 2021-05-26 2022-12-01 Robert Bosch Gmbh Automated traffic violation warning and prevention system for vehicles
US11904906B2 (en) * 2021-08-05 2024-02-20 Argo AI, LLC Systems and methods for prediction of a jaywalker trajectory through an intersection
US11634133B1 (en) 2022-06-20 2023-04-25 Plusai, Inc. Adaptive automatic preventative braking (APB) distance
US11618460B1 (en) * 2022-06-20 2023-04-04 Plusai, Inc. Predictive planning

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1305573B1 (de) * 2000-07-25 2008-04-30 Deutsche Telekom AG Verfahren zum bereitstellen von verkehrsdaten
WO2007119348A1 (ja) * 2006-03-20 2007-10-25 Pioneer Corporation 情報提供装置、情報提供方法、情報提供プログラムおよび記録媒体
DE102011084264A1 (de) * 2011-10-11 2013-04-11 Robert Bosch Gmbh Verfahren und Vorrichtung zum Kalibrieren eines Umfeldsensors
CN110920609B (zh) * 2013-12-04 2023-08-22 移动眼视力科技有限公司 用于模仿前车的系统和方法
CN105741595B (zh) * 2016-04-27 2018-02-27 常州加美科技有限公司 一种基于云端数据库的无人驾驶车辆导航行车方法
DE102016007475A1 (de) * 2016-06-18 2017-03-02 Daimler Ag Verfahren zur Gefährdungseinschätzung von Verkehrsteilnehmern

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018214894A1 (de) * 2018-09-03 2020-03-05 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines automatisierten Fahrzeugs
DE102018217932A1 (de) * 2018-10-19 2020-04-23 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines automatisierten Fahrzeugs
DE102018219603A1 (de) * 2018-11-15 2020-05-20 Robert Bosch Gmbh Markieren einer digitalen Karte für ein automatisiertes oder teilautomatisiertes Fahren
CN110599765A (zh) * 2019-08-16 2019-12-20 华南理工大学 一种基于多源数据融合的公路客货运输量指标统计方法
DE102019215359A1 (de) * 2019-10-08 2021-04-08 Robert Bosch Gmbh Verfahren zum Ausgeben eines Signals zum Auffahren eines Fahrzeugs auf eine Vorfahrtsstraße
EP3806009A1 (de) * 2019-10-11 2021-04-14 ZF Friedrichshafen AG Verfahren zum bewerten einer ausgewählten route, routenbewertungssystem und computerprogramm
DE102020203122A1 (de) 2020-03-11 2021-09-16 Volkswagen Aktiengesellschaft Vorrichtung und Verfahren zur Unterstützung der Bildung einer Rettungsgasse
DE102020205725A1 (de) 2020-05-06 2021-11-11 Volkswagen Aktiengesellschaft Modellierung eines Verkehrsszenarios
DE102020126679A1 (de) 2020-10-12 2022-04-14 Bayerische Motoren Werke Aktiengesellschaft Fahrzeugführungssystem und Verfahren zum Betreiben einer Fahrfunktion in Abhängigkeit von einem Vorder-Fahrzeug
DE102020213496A1 (de) 2020-10-27 2022-04-28 Volkswagen Aktiengesellschaft Validierung von Modellen für Fahrbahn-Spuren basierend auf Schwarmdaten
AT525387A1 (de) * 2021-08-31 2023-03-15 Tom Robotics Gmbh Verteilungsverfahren für ein vertellen von objektdaten von verkehrsteilnehmern erfasster objekte
DE102022002082A1 (de) 2022-06-10 2023-12-21 Mercedes-Benz Group AG Verfahren zur Erkennung von semantischen Beziehungen zwischen Verkehrsobjekten
CN116129647A (zh) * 2023-02-28 2023-05-16 禾多科技（北京）有限公司 一种基于危险点的全闭环场景重构方法
CN116129647B (zh) * 2023-02-28 2023-09-05 禾多科技（北京）有限公司 一种基于危险点的全闭环场景重构方法

Also Published As

Publication number Publication date
US20190355245A1 (en) 2019-11-21
CN110506303B (zh) 2023-06-02
CN110506303A (zh) 2019-11-26
EP3610472A1 (de) 2020-02-19
WO2018188940A1 (de) 2018-10-18

Similar Documents

Publication Publication Date Title
DE102017206343A1 (de) Verfahren zum Ermitteln von Daten eines Verkehrsszenarios
EP3204927B1 (de) Verfahren zum betreiben eines zentralen servers und verfahren zum handhaben einer regelkarte
DE102005053461B4 (de) Verfahren und Vorrichtung zur Verkehrssteuerung
DE112019004352T5 (de) Kartensystem, fahrzeugseitige vorrichtung, verfahren und speichermedium
DE102016119135A1 (de) Wahrnehmungsbasierte Geschwindigkeitsbegrenzungsschätzung und Lernen
DE102017116212A1 (de) STRAßENANSATZERKENNUNG MIT RÜCKFAHRKAMERA
DE102015216266A1 (de) Technik zum Navigieren eines Fahrzeugs zu einem Parkplatz
DE102014220678A1 (de) Fahrzeug-fernüberwachung
DE112019004287T5 (de) Fahrzeugseitige vorrichtung, server, verfahren und speichermedium
WO2015197353A2 (de) Verfahren zur erstellung eines umfeldmodells eines fahrzeugs
DE102014220681A1 (de) Verkehrssignalvorhersage
DE102017217443A1 (de) Verfahren und System zur Bereitstellung von Trainingsdaten zum maschinellen Lernen für ein Steuerungsmodell einer automatischen Fahrzeugsteuerung
EP1503354A1 (de) Generierung von Verkehrshinweisen durch die Interpretation von Verkehrszeichenszenarien und Navigationsinformation in einem Fahrzeug
DE102005031409A1 (de) Fahrzeugnavigationssystem
DE112016006157T5 (de) Informationsbereitstellungsvorrichtung, Informationsbereitstellungsserver und Informationsbereitstellungsverfahren
DE102015215605A1 (de) Verfahren zum Steuern einer Verkehrssteueranlage
DE102014008151A1 (de) Verfahren zum Betrieb eines Kraftfahrzeugs
EP0915446B1 (de) Verkehrsleit-, Informations- und Positionierungssystem (VIPS)
EP3151213A1 (de) Fahrzeugvorrichtung sowie verfahren zur aufzeichnung eines umgebungsbereichs eines kraftfahrzeugs
DE102017209347A1 (de) Verfahren und Vorrichtung zum Steuern eines Fahrzeugs
DE112017008214T5 (de) Shuttle-Routenplanungssystem
DE102016224576A1 (de) Verhaltensmodell von Verkehrsteilnehmern für ein Fahrerassistenzsystem umfassend Statistiken zu Abweichungen vom Normverhalten
EP1489552A1 (de) Verfahren und Vorrichtung zur Verbesserung der Erkennung und/oder Wiedererkennung von Objekten in der Bildverarbeitung
DE102013217871A1 (de) Verfahren zum Ermitteln eines Bewegungskontexts eines Fahrzeugs
DE102018200937A1 (de) Verfahren zum Steuern von mehreren Kraftfahrzeugen, in einer Kolonne zu fahren

Legal Events

Date Code Title Description
R012 Request for examination validly filed