-
Die Erfindung betrifft ein Verfahren zum Testen eines Bremsassistenzsystems für ein Fahrzeug nach den Merkmalen des Oberbegriffs des Anspruchs 1.
-
Aus dem Stand der Technik sind Bremsassistenzsysteme für Fahrzeuge allgemein bekannt. Ebenso ist es allgemein bekannt, derartige Bremsassistenzsysteme, insbesondere in einer Entwicklungsphase, zu testen.
-
In der noch nicht veröffentlichten
DE 10 2017 009 971.5 werden ein Verfahren und eine Vorrichtung zum Testen eines Spurhalteassistenzsystems für ein Fahrzeug, insbesondere für einen Lastkraftwagen, beschrieben.
-
Der Erfindung liegt die Aufgabe zu Grunde, ein gegenüber dem Stand der Technik verbessertes Verfahren zum Testen eines Bremsassistenzsystems für ein Fahrzeug anzugeben, wobei insbesondere eine Erfassung eines Fahrzeugumfeldes für das Bremsassistenzsystem notwendig ist.
-
Die Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren zum Testen eines Bremsassistenzsystems für ein Fahrzeug mit den Merkmalen des Anspruchs 1.
-
Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche.
-
In einem erfindungsgemäßen Verfahren zum Testen eines Bremsassistenzsystems für ein Fahrzeug, insbesondere für einen Lastkraftwagen, wird eine clusteranalytische Charakterisierung von Fahrsituationen basierend auf erfassten Sensorsignalen zur Umfelderfassung und deren Systemreaktionen im Fahrbetrieb des Fahrzeugs ermittelt.
-
Das erfindungsgemäße Verfahren ermöglicht es, Open-Loop-Erfassungsdaten aus den verschiedenen Informationsquellen in den clusteranalytisch charakterisierten Fahrsituationen mithilfe einer Datenbank in Closed-Loop Steuerungsdaten für die zu testenden Szenarien zu transformieren. Das Verfahren und eine entsprechende Vorrichtung zur Durchführung des Verfahrens ermöglichen ein aussagekräftiges Abbruchkriterium für das Testen eines Bremsassistenzsystems, wobei das Abbruchkriterium anhand der Bewertung des Verhaltens von einzelnen Komponenten sowie vom Gesamtsystem definiert ist.
-
Im Verfahren werden als obligatorische Verfahrensschritte beispielsweise folgende Schritte durchgeführt, wobei deren Reihenfolge veränderbar ist:
- I. Definition von Erfassungsdaten zur Ermittlung von Fahrsituationsclustern
- II. Auswahl von Distanz- und Ähnlichkeitsmaßen basierend auf Warnereignissen sowie Bremsereignissen des Bremsassistenzsystems
- III. Auswahl eines geeigneten Clusterverfahrens zur clusteranalytischen Charakterisierung von Fahrsituationen
- IV. Bestimmung einer optimalen Clusteranzahl
- V. Identifikation eines zu charakteristischen Verläufen zugehörigen Szenarios
- VI. Training eines Klassifikators mit markierten Clusterdaten
- VII. Anwendung des Klassifkators mit naturalistischen Fahrdaten
- VIII. Nutzung der klassifizierten Clusterdaten zur Ermittlung von charakteristischen Signalverläufen von Systemeingangsgrößen für eine jeweilige Gruppierung
- IX. Anwendung einer adaptiven Transformationsvorschrift auf die Open-Loop-Erfassungsdaten zur Generierung von den Closed-Loop-Steuerungsdaten
- X. Ermittlung eines charakteristischen Signalverlaufs mittels Parameter- und Signalschätzung aus einer Zeitreihenanalyse
- XI. Ableitung von zu testenden Szenarien durch eine zeitliche Abfolge von unterschiedlich parametrisierten charakteristischen Signalverläufen
- XII. Kombination von einzelnen zu testenden Szenarien zu einem Testablauf
- XIII. Beschreiben des Testablaufs in einem De-facto-Standardformat
- XIV. Testausführung auf einer so genannten Cluster-in-the-Loop-Plattform
- XV. Auswertung von Testfällen mittels Grenzwerten als Bestanden- und Durchgefallen-Kriterien
- XVI. Definition und Anwendung von Testabbruchkriterien
-
Eine weitere Vorgehensweise zur Berücksichtigung zusätzlicher Felddaten bei bereits ermittelten charakteristischen Verläufen der Systemeingangsgrößen sieht beispielsweise als optionale Verfahrensschritte vor:
- XVII. Vergleich zusätzlicher Felddaten mit charakteristischen Signalverläufen
- XVIII. Gegebenenfalls Erweiterung der Anzahl der Cluster für die Gruppierung
- XIX. Wiederholung und Anwendung der Schritte von II bis XVI.
-
Ausführungsbeispiele der Erfindung werden im Folgenden anhand von Zeichnungen näher erläutert.
-
Dabei zeigen:
- 1 schematisch eine Einbindung einer adaptiven Transformationsvorschrift von Open-Loop-Erfassungsdaten zu Closed-Loop-Steuerungsdaten am Beispiel eines Bremsassistenzsystems,
- 2 schematisch ein Verfahren und eine Vorrichtung zum Testen eines Bremsassistenzsystems mittels eines Testabbruchkriteriums und adaptiver Testabdeckung,
- 3 schematisch eine Darstellung eines Szenarios mit gerader Straße zur Bestimmung einer Zeit bis zu einer Kollision mit einem sich vor einem Fahrzeug befindlichen stationären Objekt in mehreren Eskalationsstufen,
- 4 schematisch eine Zeit bis zur Kollision mit einem sich vor dem Fahrzeug befindlichen stationären Objekt mit unterschiedlichen initialen Relativgeschwindigkeiten für die unterschiedlichen Eskalationsstufen bei einem Szenario mit gerader Straße, das auf einer Cluster-in-the-Loop-Plattform angewendet wird,
- 5 schematisch eine Identifizierung von Parametern, zum Beispiel einer Zeit bis zur Kollision mit einem sich vor dem Fahrzeug befindlichen stationären Objekt mit unterschiedlichen initialen Längsgeschwindigkeiten für die unterschiedlichen Eskalationsstufen, die auf der Cluster-in-the-Loop-Plattform angewendet wird,
- 6 schematisch ein Wärmebild für ein Minimum der Zeit bis zur Kollision mit einem sich vor dem Fahrzeug befindlichen stationären Objekt mit unterschiedlichen initialen Längsgeschwindigkeiten,
- 7 schematisch ein Szenario mit einem sich vor dem Fahrzeug befindlichen, stationären Objekt in einer linken Kurveneingangssituation,
- 8 schematisch ein Szenario mit einem sich vor dem Fahrzeug befindlichen, stationären Objekt an einem linken Fahrbahnrand,
- 9 schematisch ein Szenario mit einem sich vor dem Fahrzeug befindlichen, stationären Objekt an einem rechten Fahrbahnrand,
- 10 schematisch ein Szenario mit einem sich vor dem Fahrzeug befindlichen, stationären Objekt in einer rechten Kurveneingangssituation,
- 11 schematisch eine ereignisbasierte Datenerfassung einer Kurvenkrümmung des gefahrenen Fahrzeugs zur Relevanzbestimmung stationärer Objekte,
- 12 schematisch eine ereignisbasierte Datenerfassung einer Querablage des sich vor dem Fahrzeug befindenden stationären Objekts zur Relevanzbestimmung stationärer Objekte,
- 13 schematisch ein hierarchisches Clustern einer ereignisbasierten Analyse,
- 14 A bis D schematisch eine Anwendung des Clustering auf eine ereignisbasierte Analyse der Kurvenkrümmung des gefahrenen Fahrzeugs zur Relevanzbestimmung stationärer Objekte sowie daraus abgeleitete charakteristische Verläufe der Kurvenkrümmung als eine Systemeingangsgröße für den jeweiligen Cluster, und
- 15 A bis D schematisch eine Anwendung des Clustering auf eine ereignisbasierte Analyse der Querablage des sich vor dem Fahrzeug befindlichen, stationären Objekts zur Relevanzbestimmung stationärer Objekte sowie die daraus abgeleiteten charakteristischen Verläufe der Querablage des sich vor dem Fahrzeug befindenden, stationären Objekt als eine Systemeingangsgröße für den jeweiligen Cluster.
-
Einander entsprechende Teile sind in allen Figuren mit den gleichen Bezugszeichen versehen.
-
Im Folgenden werden anhand der 1 bis 15 ein Verfahren zum Testen eines Bremsassistenzsystems 3 für ein Fahrzeug 2, insbesondere für einen Lastkraftwagen, und eine Vorrichtung zur Durchführung des Verfahrens beschrieben. Damit wird eine adaptive Testabdeckung 11 für das Bremsassistenzsystem 3 ermöglicht.
-
Die Erfindung, welche im Folgenden anhand von Ausführungsbeispielen beschrieben wird, betrifft ein Verfahren und eine Vorrichtung zum Testen eines Bremsassistenzsystems 3 für ein Fahrzeug 2, insbesondere für einen Lastkraftwagen, insbesondere zum Testen eines Bremswarnprozesses.
-
Es wird eine clusteranalytische Charakterisierung von Fahrsituationen identifiziert, um eine Kategorie von zu testenden Szenarien für bestehende Feldtests 24, auch als Field Operational Tests (FOT) bezeichnet, zu extrahieren. Das Verfahren erstellt ein Konzept für ein aussagekräftiges Testabbruchkriterium für das Bremsassistenzsystem 3. Die Fahrsituationen sind mittels Data-Mining-Techniken zu extrahieren und systematisch über eine Transformationsvorschrift zwischen Open-Loop-Erfassungsdaten und Closed-Loop-Steuerungsdaten in Anforderungen für eine Testabdeckung umzuwandeln.
-
Das beschriebene Konzept zielt darauf ab, eine Lücke zwischen wissens- und datenbasierten Ansätzen zu schließen, um eine kontinuierliche Erweiterbarkeit des Wissens in einer adaptiven Testabdeckung 11 zu ermöglichen, wie in 1 dargestellt.
-
1 zeigt eine adaptive Transformationsvorschrift 21 zwischen Open-Loop Erfassungsdaten und Closed-Loop Steuerungsdaten am Beispiel des Bremsassistenzsystems 3, wobei eine Funktionalspezifikation 16 aus Spitzenanforderung 17 und Anwendungsfällen 18 erstellt und in natürlicher Sprache formuliert wird. Diese bilden die Basis für das wissensbasierte Testen, welches das zu testende Bremsassistenzsystem 3 mit konkreten Szenarien beaufschlägt. Die Adaption besteht nun in der Erweiterung der mit Hilfe des wissensbasierten Testens erzeugten konkreten Szenarien durch weitere logische Szenarien 22. Dabei kennzeichnet Bezugszeichen 1 ein natürliches Fahrszenario, welches mit dem Fahrzeug 2 mit dem Bremsassistenzsystem 3 in einer realen Testfahrt befahren wird, d. h. ein reales Fahrszenario. Mit Bezugszeichen 4 ist ein synthetisches Fahrszenario gekennzeichnet, welches mit Kamera-Box 5 und Radarsensormodell 7 für das Bremsassistenzsystem 3 erfasst oder in dieser oder mittels dieser für das Bremsassistenzsystem 3 simuliert wird. Das synthetische Fahrszenario 4 ist somit insbesondere eine Simulation. Jeweilige Ereignisse 8, 9 des Bremsassistenzsystems 3 werden einer mit dem Bezugszeichen 10 gekennzeichneten Kritikalitätsanalyse, insbesondere auf Basis einer Zeit bis zur Kollision mit einem Objekt, zugeführt. Das Bezugszeichen 11 kennzeichnet die adaptive Testabdeckung 11, welche aus der Kritikalitätsanalyse 10 resultiert. Bezugszeichen 12 kennzeichnet ein so genanntes Parsing, d. h. eine Konvertierung in eine De-facto Standard-Beschreibungssprache, der zu testenden Szenarien, insbesondere worst-case-Szenarien, auf Basis der adaptiven Testabdeckung 11. Die Testautomation 13 und das Beschreiben der zu testenden Szenarien beeinflussen das synthetische Fahrszenario 4 und/oder die Kamera-Box 5 sowie das Radarsensormodell 7. Des Weiteren beeinflusst eine Fahrzeugdynamik 15 das synthetische Fahrszenario 4. Die Fahrzeugdynamik 15 ist ein Fahrzeugdynamikmodell, insbesondere Lastkraftwagendynamikmodell, inklusive einer Fahrerkabine, in einer virtuellen Umgebung. Bezugszeichen 14 kennzeichnet ein Aktuatormodell und Bezugszeichen 20 kennzeichnet eine ontologiebasierte Szenariosynthese.
-
2 zeigt eine schematische Darstellung des Verfahrens und der Vorrichtung zur Evaluierung des Bremsassistenzsystems 3 mittels Data-Mining von Felddaten und ein Entscheidungsprozesskonzept mit den Testabbruchkriterien für ein Bremsassistenzsystem 3.
-
Bezugszeichen 23 kennzeichnet ein Black-Box Testing.
Bezugszeichen 25 kennzeichnet ein Gray-Box Testing.
Bezugszeichen 26 kennzeichnet eine funktionale Spezifikation.
Bezugszeichen 27 kennzeichnet ein White-Box Testing.
Bezugszeichen 28 kennzeichnet eine Code-Analyse.
Bezugszeichen 29 kennzeichnet einen Entscheidungsprozess.
Bezugszeichen 30 kennzeichnet eine Datenbank.
Bezugszeichen 31 kennzeichnet ein Open-Loop Testing.
Bezugszeichen 32 kennzeichnet ein Closed-Loop Testing.
Bezugszeichen 33 kennzeichnet eine Hüllkomponente zu Bestanden- und Durchgefallen-Kriterien.
Bezugszeichen 34 kennzeichnet eine Software-Fehlersuche.
Bezugszeichen 35 kennzeichnet eine Software Fehlerbehebung.
Bezugszeichen 36 kennzeichnet eine Re-Simulation.
Bezugszeichen 37 kennzeichnet eine funktionale Verifikation.
Bezugszeichen 38 kennzeichnet eine funktionale Unzulänglichkeit.
Bezugszeichen 39 kennzeichnet eine Steuereinheit, insbesondere eine Steuergerätplattform für automatische Fahrfunktionen.
-
Aus der
DE 10 2010 049 351 A1 der Anmelderin, deren vollständiger Inhalt hiermit durch Referenz aufgenommen wird, sind eine Vorrichtung und ein Verfahren zur Auslösung eines selbsttätigen Notbremsvorgangs eines Fahrzeugs
2 zur Vermeidung eines Auffahrens des Fahrzeugs
2 auf ein vorausfahrendes oder stehendes Fahrzeug bzw. zur Verminderung der Auffahrfolgen bekannt.
-
Das Bremsassistenzsystem 3 umfasst eine Erfassungseinheit zur Erfassung eines Abstandes des Fahrzeugs 2 zu einem vor dem Fahrzeug 2 befindlichen Objekt. Die Erfassungseinheit umfasst einen Radarsensor 6, mittels welchem eine redundante Messung des Abstands anhand einer Radarsignal-Laufzeit und einer Differenzgeschwindigkeit bzw. Relativgeschwindigkeit zwischen dem vorausfahrenden oder stehenden Objekt und dem Fahrzeug 2 anhand einer Frequenzverschiebung durchgeführt wird. Zusätzlich ist eine Bilderfassungseinheit, insbesondere eine Kamera, vorgesehen, mittels welcher die Umgebung des Fahrzeugs 2 erfasst wird. Aus den erfassten Bildern werden Objekte, Straßen, Randbebauungen, Spurmarkierungslinien und Straßenbegrenzungen, wie z. B. Leitpfosten und Leitplanken, sowie Verkehrsschilder ermittelt und entsprechende Umgebungsdaten und Umgebungsparameter generiert und an eine Steuereinheit weitergeleitet.
-
Weiterhin wird die Assistenzfunktion des Bremsassistenzsystems 3 in mehreren Eskalationsstufen E1 bis E3 ausgeführt. In dieser Assistenzfunktion wird in einer ersten Eskalationsstufe E1 eine optische und/oder akustische Warnung als Warnhinweis ausgegeben, in einer zweiten Eskalationsstufe E2 wird eine automatische Teilbremsung als haptische Warnung ausgeführt und in einer dritten Eskalationsstufe E3 wird eine Vollbremsung als Bremsvorgang ausgeführt. Ein selbsttätiger Notbremsvorgang zur Vermeidung eines Auffahrens des Fahrzeugs 2 auf das sich vor dem Fahrzeug 2 befindende Objekt ist auszulösen, wenn der Abstand, die Relativgeschwindigkeit, die Beschleunigung des Fahrzeugs 2 und die Beschleunigung des vorausfahrenden Fahrzeugs in einem bestimmten Zusammenhang zueinander stehen.
-
Fehlauslösungen des Bremsassistenzsystems 3 werden durch die Erfassung von Randbebauungen oder Randobjekten der Straße, wie beispielsweise Leitpfosten, Leitplanken und Verkehrsschilder, vermieden oder zumindest signifikant verringert. Derartige Randbebauungen und Randobjekte sind üblicherweise vom Straßentyp abhängig und werden über die Anpassung der Auslösefreigabebedingung an die Klassifizierung der Straße bei Auslösung der Assistenzfunktion mitberücksichtigt.
-
3 zeigt eine schematische Darstellung eines Fahrszenarios mit gerader Straße, welches zur Bestimmung der Zeit
tTC bis zur Kollision mit einem sich vor dem Fahrzeug
2 befindlichen stationären Objekt in mehreren Eskalationsstufen
E1 bis
E3 ausgeführt wird. Das Fahrzeug
2 bewegt sich mit einer Längsgeschwindigkeit
-
Im Folgenden wird die Ermittlung der Zeit bis zum Auffahren des Fahrzeugs
2 auf das sich vor dem Fahrzeug
2 befindende Objekt d. h. der Zeit
tTC bis zur Kollision, für die jeweilige Eskalationsstufe
E1,
E2,
E3 näher beschrieben.
3 zeigt für die jeweilige Eskalationsstufe
E1,
E2,
E3 eine jeweilige Distanz
bis zur Kollision und eine jeweilige Auslösezeit
bis zur Kollision.
-
Eine mathematische Beschreibung der Zeit
tTC [s] bis zur Kollision für die jeweilige Eskalationsstufe
E1,
E2,
E3, wenn die Beschleunigungen von Fahrzeug
2 und vorausfahrendem oder stehendem Fahrzeug zeitlich konstant sind, ist wie folgt:
-
Dabei ist d
TC [m] die Distanz bis zum Auffahren des Fahrzeugs
2 auf das sich vor dem Fahrzeug
2 befindenden Objekts,
[km/h] ist eine Relativgeschwindigkeit zwischen dem vorausfahrenden oder stehenden Objekt und dem Fahrzeug
2, k
ego[1/km] ist eine Krümmung des befahrenden Fahrwegs, und
[m] ist eine Querablage des stationären Objekts von der Längsachse des Fahrzeugs
2 (Die jeweilige Angabe in eckigen Klammern gibt die Dimension des jeweiligen Parameters an).
-
Für veränderliche Relativbeschleunigungen
zwischen dem Fahrzeug
2 und dem vorausfahrenden oder stehenden Objekt ist die mathematische Beschreibung der Zeit
tTC bis zur Kollision, wie folgt:
wobei der Radius r
ego des befahrenen Fahrwegs des Fahrzeugs
2 berechnet wird als
mit φ[rad/s] als Gierrate des Fahrzeugs
2, wie in der
3 dargestellt, welche die Distanz d
TC[m] bis zum Auffahren auf das stehende Fahrzeug entlang eines Fahrwegs des Fahrzeugs
2 bei einem Szenario mit gerader Straße zeigt, wobei hier die Gierrate mit Φ
egο bezeichnet ist.
-
Im Folgenden wird ein ereignisbasiertes Data-Mining 19 für die Ermittlung der Zeit bis zur Kollision beschrieben.
-
Zunächst erfolgt eine Extraktion von Parametern für Systemeigenschaften anhand neu entwickelter Kritikalitätsmetriken, zum Beispiel die Zeit
tTC bis zur Kollision, wie in
4 und
5 gezeigt.
4 zeigt eine Identifizierung von Parametern anhand synthetischer Fahrdaten im Koordinatensystem der Videokamera sowie des Radarsensormodells
7, welche an der Cluster-in-the-Loop-Plattform angewendet werden. Auf der Abszissenachse ist die Relativgeschwindigkeit
zwischen dem stehenden Objekt und dem Fahrzeug
2 und auf der Ordinatenachse die Zeit
tTC bis zur Kollision für jeweilige Eskalationsstufe
E1 bis
E3 abgetragen. In
5 ist auf der Abszissenachse ein Relativabstand
zwischen dem Fahrzeug
2 und dem vorausfahrenden oder stationären Objekt und auf der Ordinatenachse die Zeit
tTC bis zur Kollision für jeweilige Eskalationsstufe
E1 bis
E3 abgetragen.
-
6 zeigt ein Wärmebild für das Minimum der Zeit bis zum Auffahren auf das stehende Objekt, d. h. für das Minimum TTC
Min der Zeit bis zur Kollision, mit unterschiedlichen initialen Relativgeschwindigkeiten
und unterschiedlichen Längsgeschwindigkeiten
des Objekts.
-
Anhand der 7 bis 10 werden exemplarisch vier Szenarien dargestellt, welche Fehlauslösungen des Bremsassistenzsystems 3 durch die Erfassung von Randobjekten der Straße als relevante Objekte verursachen und über die Anpassung der Auslösefreigabebedingung vermieden oder zumindest signifikant verringert werden.
-
11 zeigt die berechnete Krümmung des befahrenden Fahrwegs ohne Gruppierung.
-
12 zeigt eine relative Querablage
des sich vor dem Fahrzeug
2 befindenden, stationären Objekts ohne Gruppierung über die Zeit
t.
-
Dann erfolgt eine Plausibilisierung durch Erarbeitung von Kriterien aus synthetischen Fahrdaten.
-
Dann erfolgt eine Erfassung ausgewählter Parameter basierend auf einer hierarchischen Clusteranalyse.
-
Dann erfolgt ein Clustering, d .h. eine Gruppierung, von natürlichen Fahrszenarien 1 basierend auf Bremswarnereignissen des Bremsassistenzsystems 3, wie in 13 gezeigt. 13 zeigt ein Clustering einer ereignisbasierten Analyse mit Signalclustern C0, C1, C2, C3.
-
Auf der Abszissenachse ist eine fusionierende Abweichung zwischen den exemplarisch ausgewählten Signalen (Kurvenkrümmung und Querablage) abgetragen und auf der Ordinatenachse die gleiche fusionierende Abweichung. Dabei werden vier Gruppierungen identifiziert, welche die Fehlauslösungen des Bremsassistenzsystems 3 in den vier o.g. Szenarien abbilden. Dann erfolgt ein Klassifikatortraining mit markierten Clusterdaten, wie im oberen Bereich der 14A bis D und der 15A bis D gezeigt. Dabei wird beispielsweise die Zeitreihenanalyse für die jeweilige Gruppierung nach dem Klassifikatortraining gezeigt.
-
Dann erfolgt eine Anwendung des Klassifikators mit naturalistischen Fahrdaten, wie im unteren Bereich der 14A bis D und der 15A bis D gezeigt. S0 bis S3 sind Signalprototypen. Dabei werden Anwendungen des Clustering auf eine ereignisbasierte Analyse einer Distanz bis zum Auffahren des Fahrzeugs 2 auf ein stehendes Fahrzeug angewendet. Dies wird als ein Referenzmodell des charakteristischen Verlaufes der Systemeingangsgrößen für den jeweiligen Cluster gezeigt.
-
Dann erfolgt eine Identifizierung der jeweiligen Gruppe durch eine Parameter- und Signalschätzung der Zeitreihenanalyse.
-
Dann erfolgt eine Umwandlung von Open-Loop Erfassungsdaten zu Closed-Loop Steuerungsdaten in ein für die synthetische Umgebung geeignetes Format.
-
Abschließend erfolgt ein Beschreiben der zu testenden Szenarien in einem De-facto-Standardformat.
-
Bezugszeichenliste
-
- 1
- natürliches Fahrszenario
- 2
- Fahrzeug
- 3
- Bremsassistenzsystem
- 4
- synthetisches Fahrszenario
- 5
- Kamera-Box
- 6
- Radarsensor
- 7
- Radarsensormodell
- 8, 9
- Ereignis
- 10
- Kritikalitätsanalyse
- 11
- adaptive Testabdeckung
- 12
- Parsing
- 13
- Testautomation
- 14
- Aktuatormodell
- 15
- Fahrzeugdynamik
- 16
- Funktionalspezifikation
- 17
- Spitzenanforderung
- 18
- Anwendungsfall
- 19
- ereignisbasiertes Data-Mining
- 20
- ontologiebasierte Szenariosynthese
- 21
- adaptive Transformationsvorschrift
- 22
- logisches Szenario
- 23
- Black-Box Testing
- 24
- Feldtest
- 25
- Gray-Box Testing
- 26
- funktionale Spezifikation
- 27
- White-Box Testing
- 28
- Code-Analyse
- 29
- Entscheidungsprozess
- 30
- Datenbank
- 31
- Open-Loop Testing
- 32
- Closed-Loop Testing
- 33
- Hüllkomponente zu den Bestanden- und Durchgefallen-Kriterien
- 34
- Software-Fehlersuche
- 35
- Software Fehlerbehebung
- 36
- Re-Simulation
- 37
- Funktionale Verifikation
- 38
- Funktionale Unzulänglichkeit
- 39
- Steuereinheit
-
- Relativabstand zwischen dem vorausfahrenden oder stationären Objekts
-
- Relative Querablage des stationären Objekts
-
- Distanz der ersten Eskalationsstufe bis zur Kollision
-
- Distanz der zweiten Eskalationsstufe bis zur Kollision
-
- Distanz der dritten Eskalationsstufe bis zur Kollision
- C0
- Signalcluster
- C1
- Signalcluster
- C2
- Signalcluster
- C3
- Signalcluster
- E1
- Erste Eskalationsstufe
- E2
- Zweite Eskalationsstufe
- E3
- Dritte Eskalationsstufe
- kego
- Krümmung des befahrenden Fahrwegs
- 50
- Signalprototyp
- S1
- Signalprototyp
- S2
- Signalprototyp
- S3
- Signalprototyp
- t
- Zeit
-
- Auslösezeit der ersten Eskalationsstufe bis zur Kollision
-
- Auslösezeit der zweiten Eskalationsstufe bis zur Kollision
-
- Auslösezeit der dritten Eskalationsstufe bis zur Kollision
- tTC
- Zeit bis zur Kollision
- TTCmin
- Minimum der Zeit bis zur Kollision
-
- Längsgeschwindigkeit des Fahrzeugs
-
- initiale Relativgeschwindigkeit
-
- Relativgeschwindigkeit
-
- Längsgeschwindigkeit des Objekts
- Φego
- Gierrate
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- DE 102017009971 [0003]
- DE 102010049351 A1 [0021]