DE102018211835A1

DE102018211835A1 - Method for determining a setting position of a position-adjustable component

Info

Publication number: DE102018211835A1
Application number: DE102018211835.3A
Authority: DE
Inventors: Michael Beuschel; Stefan Bauer; Norbert Seltner
Original assignee: Conti Temic Microelectronic GmbH
Current assignee: Conti Temic Microelectronic GmbH
Priority date: 2018-07-17
Filing date: 2018-07-17
Publication date: 2019-12-05

Abstract

Es ist ein Verfahren zum Bestimmen einer Einstellposition einer in einer Position verstellbaren Komponente offenbart. Das Verfahren umfasst die folgenden Schritte: Ermitteln eines Fahrzeugmodells (VB) des Fahrzeugs (FZ) anhand von Fahrzeugidentifikationsdaten, Ermitteln eines, einen Nutzer (P4) des Fahrzeugs (FZ) identifizierenden Nutzerparameters (ID4) anhand von Nutzeridentifikationsdaten, Bereitstellen eines künstlichen neuronalen Netzes (NN), das mit einer Komponentenreferenzeinstellposition eines Referenznutzers (P1, P2) in dem ermittelten Fahrzeugmodell (VB), mit einer Komponentenreferenzeinstellposition des Referenznutzers (P1, P2) in einem Referenzfahrzeugmodell (VA) und mit einer Komponentenreferenzeinstellposition des Nutzers (P4) in dem Referenzfahrzeugmodell (VA) trainiert ist, und Bestimmen der Einstellposition der Komponente (SP, S, T) in dem Fahrzeug (FZ) durch Eingabe des Fahrzeugmodells (VB) und des Nutzerparameters (ID4) in das künstliche neuronale Netz (NN).A method of determining a set position of a position adjustable component is disclosed. The method comprises the following steps: Determining a vehicle model (VB) of the vehicle (FZ) on the basis of vehicle identification data, determining a user parameter (ID4) identifying a user (P4) of the vehicle (FZ) on the basis of user identification data, providing an artificial neural network ( NN) having a component reference setting position of a reference user (P1, P2) in the determined vehicle model (VB), a component reference setting position of the reference user (P1, P2) in a reference vehicle model (VA), and a component reference setting position of the user (P4) in the reference vehicle model (VA), and determining the setting position of the component (SP, S, T) in the vehicle (FZ) by inputting the vehicle model (VB) and the user parameter (ID4) into the artificial neural network (NN).

Description

Die Erfindung betrifft ein Verfahren zum Bestimmen einer in einer Position verstellbaren Komponente eines Fahrzeugs, insbesondere eines Sitzes, eines Spiegels oder einer Tür des Fahrzeugs. Weiterhin betrifft die Erfindung ein Computerprogrammprodukt sowie eine Einstelleinrichtung zum Einstellen einer Einstellposition einer derartigen Komponente. Ferner betrifft die Erfindung eine Servereinrichtung, ein Kommunikationsendgerät und ein Fahrzeug, jeweils mit einer dementsprechenden Einstelleinrichtung.The invention relates to a method for determining a position-adjustable component of a vehicle, in particular a seat, a mirror or a door of the vehicle. Furthermore, the invention relates to a computer program product and an adjusting device for setting a setting position of such a component. Furthermore, the invention relates to a server device, a communication terminal and a vehicle, each with a corresponding adjustment.

Die optimale Einstellposition einer in einer Position verstellbaren Komponente wie beispielsweise einem Sitz, einem Spiegel oder einer Tür eines Fahrzeugs ist ein wichtiger Aspekt für Komfort und Sicherheit der Fahrzeugnutzer. Die optimale Einstellposition für derartige Komponenten zu finden ist oft nicht einfach und benötigt einigen Aufwand, insbesondere in einem für den Fahrzeugnutzer unbekannten Fahrzeug, wie einem Mietwagen. Es gibt vielfältige Einstellmöglichkeiten, wie beispielsweise Sitzhöhe, Sitzneigung, Spiegeleinstellung, Türöffnungswinkel, insbesondere Heckklappenöffnungswinkel etc.The optimum adjustment position of a position adjustable component, such as a seat, mirror or door of a vehicle, is an important aspect for the comfort and safety of vehicle users. Finding the optimum setting position for such components is often not easy and requires some effort, especially in a vehicle unknown to the vehicle user, such as a rental car. There are a variety of settings, such as seat height, seat tilt, mirror adjustment, door opening angle, in particular tailgate opening angle, etc.

Üblicherweise wird die Einstellposition von derartigen Komponenten von dem Fahrzeugnutzer zumindest bei der ersten Benutzung des Fahrzeugs manuell eingestellt. Die von dem Nutzer eingestellte Einstellposition der jeweiligen Komponente wird dann üblicherweise im Fahrzeug gespeichert, sodass der Fahrzeugnutzer bei einer erneuten Nutzung dieses Fahrzeugs auf die gespeicherte Einstellposition der jeweiligen Komponente zurückgreifen kann und die Komponenten dieses Fahrzeugs nicht jedes Mal aufs Neue einstellen muss.Usually, the setting position of such components is manually set by the vehicle user at least at the first use of the vehicle. The set by the user setting position of the respective component is then usually stored in the vehicle, so that the vehicle user can use the stored setting position of the respective component when reusing this vehicle and does not have to adjust the components of this vehicle each time anew.

Üblicherweise ist dies besonders relevant, wenn das Fahrzeug von unterschiedlichen Nutzern genutzt wird und die in ihrer Position verstellbaren Komponenten von den jeweiligen Nutzer regelmäßig verändert wird, wie dies beispielsweise bei Mietfahrzeugen der Fall ist.This is usually particularly relevant when the vehicle is used by different users and the adjustable in position components by the respective users is changed regularly, as is the case for example with rental vehicles.

Aufgabe der vorliegenden Erfindung ist es daher, ein Verfahren, ein Computerprogrammprodukt, eine Einstelleinrichtung, eine Servereinrichtung, ein Kommunikationsendgerät und ein Fahrzeug bereitzustellen, bei welchem bzw. mit welchem eine Einstellposition einer in einer Position verstellbaren Komponente eines Fahrzeugs einfacher bestimmt werden kann.The object of the present invention is therefore to provide a method, a computer program product, an adjustment device, a server device, a communication terminal and a vehicle, in which an adjustment position of a position-adjustable component of a vehicle can be determined more easily.

Diese Aufgabe wird durch ein Verfahren, ein Computerprogrammprodukt, eine Einstelleinrichtung, eine Servereinrichtung, ein Kommunikationsendgerät und ein Fahrzeug gemäß den unabhängigen Ansprüchen gelöst. Bevorzugte Ausgestaltungen sind in den abhängigen Ansprüchen angegeben.This object is achieved by a method, a computer program product, an adjuster, a server device, a communication terminal and a vehicle according to the independent claims. Preferred embodiments are specified in the dependent claims.

Gemäß einem ersten Aspekt der Erfindung wird ein Verfahren zum Bestimmen einer Einstellposition einer in einer Position verstellbaren Komponente eines Fahrzeugs geschaffen, wobei das Verfahren folgende Schritte aufweist: Ermitteln eines Fahrzeugmodells des Fahrzeugs anhand von Fahrzeugidentifikationsdaten, Ermitteln eines einen Nutzer des Fahrzeugs identifizierenden, insbesondere eindeutig identifizierenden, Nutzerparameters anhand von Nutzeridentifikationsdaten, Bereitstellen eines künstlichen neuronalen Netzes, dass mit zumindest einer Referenzeinstellposition der Komponente (Komponentenreferenzeinstellposition) zumindest eines Referenznutzers in dem ermittelten Fahrzeugmodell, mit zumindest einer Referenzeinstellposition der Komponente (Komponentenreferenzeinstellposition) des zumindest einen Referenznutzers in zumindest einem Referenzfahrzeugmodell und mit zumindest einer Referenzeinstellposition der Komponente (Komponentenreferenzeinstellposition) des Nutzers in dem zumindest einem Referenzfahrzeugmodell trainiert ist, und Bestimmen der Einstellposition der Komponente in dem Fahrzeug durch Eingabe des Fahrzeugmodells und des Nutzerparameters in das künstliche neuronale Netz.According to a first aspect of the invention, a method is provided for determining a setting position of a position-adjustable component of a vehicle, the method comprising the following steps: determining a vehicle model of the vehicle based on vehicle identification data, determining a user of the vehicle identifying, in particular uniquely identifying , User parameters on the basis of user identification data, providing an artificial neural network having at least one reference setting position of the component (component reference setting position) of at least one reference user in the determined vehicle model, with at least one reference setting position of the component (component reference setting position) of the at least one reference user in at least one reference vehicle model, and with at least a reference setting position of the component (component reference setting position) of the user in the at least e in the reference vehicle model, and determining the setting position of the component in the vehicle by entering the vehicle model and the user parameter into the artificial neural network.

Der Erfindung liegt die Erkenntnis zugrunde, dass eine Einstellposition der verstellbaren Komponente eines von einem Nutzer zuvor nicht genutzten Fahrzeugs mithilfe eines oben beschriebenen trainierten künstlichen neuronalen Netzes einfacher bestimmt werden kann. Dadurch muss ein Nutzer die Einstellposition in einem zuvor nicht benutzen Fahrzeug nicht selbst einstellen, sondern kann auf die durch das künstliche neuronale Netz bestimmte Einstellposition zurückgreifen. Ein besonderer Vorteil besteht darin, dass keine Daten des Nutzers für das ermittelte Fahrzeug notwendig sind, da das künstliche neuronale Netz anhand der Trainingsdaten die Einstellposition in dem Fahrzeug bestimmt. Durch die Verwendung des künstlichen neuronalen Netzes sind auch keine manuell erstellten Zuordnungsvorschriften für die Einstellposition im ermittelten Fahrzeug in Abhängigkeit des ermittelten Nutzers notwendig, denn das künstliche neuronale Netz erstellt derartige Zusammenhänge selbsttätig.The invention is based on the finding that a setting position of the adjustable component of a previously unused vehicle by a user can be determined more easily by means of a trained artificial neural network as described above. As a result, a user does not have to adjust the setting position himself in a previously unused vehicle, but can fall back on the setting position determined by the artificial neural network. A particular advantage is that no data of the user for the vehicle determined are necessary because the artificial neural network based on the training data determines the setting position in the vehicle. Due to the use of the artificial neural network, no manually created assignment rules are necessary for the setting position in the determined vehicle as a function of the determined user, because the artificial neural network automatically creates such relationships.

Das Ermitteln des Fahrzeugmodells umfasst dabei beispielsweise das Ermitteln des Herstellers, des Typs sowie der Ausstattung des Fahrzeugs, insbesondere der Sitz- und/oder Spiegelausstattung des Fahrzeugs. Das Ermitteln des Fahrzeugmodells erfolgt anhand von Fahrzeugidentifikationsdaten, die beispielsweise durch ein Bild des Fahrzeugs, durch eine Eingabe des Nutzers oder durch ein vom jeweiligen Nutzer hinterlegtes Fahrzeugmodellprofil bereitgestellt werden.The determination of the vehicle model includes, for example, determining the manufacturer, the type and the equipment of the vehicle, in particular the seat and / or mirror equipment of the vehicle. The vehicle model is determined on the basis of vehicle identification data, which are provided, for example, by an image of the vehicle, by an input by the user or by a vehicle model profile stored by the respective user.

Das Ermitteln eines, den Nutzer des Fahrzeugs (eindeutig) identifizierenden Nutzerparameters erfolgt anhand von Nutzeridentifikationsdaten. Diese können beispielsweise durch einen Login bei einem Portal, wobei der Login den Nutzerparameter des Nutzers eindeutig zuweist, durch ein mobiles Kommunikationsendgerät, wobei dieses den Nutzer bzw. den Nutzerparameter eindeutig zuordnet, durch einen Fingerabdruck des Nutzers, durch ein Retinaabbild des Nutzers, oder durch eine Ausweisnummer oder ein Foto des Nutzers bereitgestellt werden. Die Nutzerparameter und die Nutzeridentifikationsdaten können identisch sein. The determination of a user parameter that uniquely identifies the user of the vehicle takes place on the basis of user identification data. These can, for example, by a login to a portal, the login clearly assigns the user parameters of the user, by a mobile communication terminal, which uniquely assigns the user or the user parameters, by a fingerprint of the user, by a retina image of the user, or by a badge number or photo of the user will be provided. The user parameters and the user identification data may be identical.

Um das künstliche neuronale Netz entsprechend zu trainieren ist es notwendig, dass zumindest eine Komponentenreferenzeinstellposition eines Referenznutzers in dem ermittelten Fahrzeugmodell, zumindest eine Komponentenreferenzeinstellposition des Referenznutzers in zumindest einem von dem ermittelten Fahrzeugmodell verschiedenen Referenzfahrzeugmodell und zumindest eine Komponentenreferenzeinstellposition des identifizierten Nutzers in dem zumindest einen Referenzfahrzeugmodell vorhanden sind. Besonders gut lässt sich das neuronale Netz trainieren, wenn Komponentenreferenzeinstellpositionen (Referenzeinstellpositionen der verstellbaren Komponente) von mehreren verschiedenen Referenznutzern in mehreren verschiedenen Referenzfahrzeugmodellen vorhanden sind.In order to appropriately train the artificial neural network, it is necessary for at least one component reference setting position of a reference user in the determined vehicle model, at least one component reference setting position of the reference user in at least one reference vehicle model different from the determined vehicle model, and at least one component reference setting position of the identified user in the at least one reference vehicle model are. The neural network can be trained particularly well if component reference setting positions (reference setting positions of the adjustable component) of several different reference users are present in a plurality of different reference vehicle models.

Künstliche neuronale Netze, sind Netze aus künstlichen Neuronen. Damit ist eine Abstraktion bzw. Modellbildung zur Informationsverarbeitung ausgebildet. Künstliche neuronale Netze basieren meist auf der Vernetzung vieler McCulloch-Pitts-Neuronen. Es können noch andere künstlichen Neuronen Anwendung finden, beispielsweise das High-Order-Neuron. Insbesondere folgt nach der Konstruktion des neuronalen Netzes die Trainingsphase, in der das Netz lernt. Beim Lernen werden dabei neue Verbindungen entwickelt, existierende Verbindungen gelöscht, Gewichtungen geändert, Schwellenwerte der jeweiligen Neuronen angepasst, sofern diese solche Schwellenwerte besitzen, Neuronen gelöscht oder hinzugefügt und/oder Aktivierungsfunktionen, Propagierungsfunktionen oder Ausgabefunktionen modifiziert.Artificial neural networks are networks of artificial neurons. This forms an abstraction or modeling for information processing. Artificial neural networks are usually based on the networking of many McCulloch-Pitts neurons. There may be other artificial neurons application, such as the high-order neuron. In particular, following the construction of the neural network, the training phase in which the network learns follows. During learning, new connections are developed, existing connections are deleted, weightings are changed, threshold values of the respective neurons are adapted, if they have such threshold values, neurons are deleted or added and / or modified activation functions, propagation functions or output functions.

Ein besonderer Vorteil besteht darin, dass das neuronale Netz Einstellpositionen der Komponente von verschiedenen Nutzern (Referenznutzen) in verschiedenen Fahrzeugmodellen (Referenzfahrzeugmodellen) erlernt und dadurch eine für den identifizierten Nutzer optimale Einstellposition in dem ermittelten Fahrzeug bereitstellt.A particular advantage is that the neural network learns setting positions of the component from different users (reference benefits) in different vehicle models (reference vehicle models) and thereby provides an optimum setting position in the determined vehicle for the identified user.

Die Komponente, deren Einstellposition bestimmt wird, kann dabei aus der Gruppe aufweisend einen Sitz, einen Spiegel oder eine Tür des Fahrzeugs ausgewählt sein. Weitere Beispiele für derartige Komponenten können aber auch eine Lenksäule, ein Licht oder andere in ihrer Position verstellbare Komponenten des Fahrzeugs sein.The component whose setting position is determined may be selected from the group comprising a seat, a mirror or a door of the vehicle. Other examples of such components may also be a steering column, a light or other positionally adjustable components of the vehicle.

Gemäß einer Ausgestaltung des Verfahrens kann ferner die durch das künstliche neuronale Netz bestimmte Einstellposition durch den Nutzer korrigiert werden und kann das künstliche neuronale Netz unter Berücksichtigung der korrigierten Einstellposition trainiert werden. Dadurch kann die von dem künstlichen neuronalen Netz bestimmte Einstellposition auf die jeweiligen (korrigierten) Vorlieben des Nutzers angepasst werden.According to an embodiment of the method, furthermore, the setting position determined by the artificial neural network can be corrected by the user, and the artificial neural network can be trained in consideration of the corrected setting position. Thereby, the setting position determined by the artificial neural network can be adapted to the respective (corrected) preferences of the user.

Gemäß einer weiteren Ausgestaltung wird die korrigierte Einstellposition nur dann zum Trainieren des künstlichen neuronalen Netzes berücksichtigt, wenn das Korrigieren der Einstellposition durch den Nutzer mehrmals erfolgt, sodass beispielsweise dem künstlichen neuronalen Netz mitgeteilt wird, dass die von ihm ermittelte Einstellposition offensichtlich zu ändern ist. Alternativ oder zusätzlich ist es auch möglich, dass die korrigierte Einstellposition nur dann zum Trainieren des künstlichen neuronalen Netzes berücksichtigt wird, wenn die korrigierte Einstellposition gegenüber der bestimmten Einstellposition eine vorbestimmte Abweichung überschreitet. Dies ermöglicht, dass nur ausreichend große Korrekturen der Einstellposition beim Trainieren des künstlichen neuronalen Netzes berücksichtigt werden. Insgesamt wird dadurch die Qualität der Trainingsdaten erhöht und die Bestimmung der für den Nutzer optimalen Einstellposition verbessert.According to a further embodiment, the corrected setting position is taken into account for training the artificial neural network only if the adjustment of the setting position by the user takes place several times, so that, for example, the artificial neural network is informed that the setting position determined by it must obviously be changed. Alternatively or additionally, it is also possible for the corrected setting position to be taken into account for training the artificial neural network only if the corrected setting position exceeds a predetermined deviation from the determined setting position. This allows only sufficiently large corrections of the setting position when training the artificial neural network are taken into account. Overall, this improves the quality of the training data and improves the determination of the optimum setting position for the user.

Besonders bevorzugt kann bei einem mehrmaligen Korrigieren der Einstellposition durch den Nutzer ein zeitlicher Verlauf der korrigierten Einstellposition ermittelt werden und kann dieser zeitliche Verlauf beim Trainieren des künstlichen neuronalen Netzes berücksichtigt werden. Beispielsweise können korrigierte Einstellpositionen jüngeren Datums beim Trainieren des künstlichen neuronalen Netzes stärker gewichtet werden als korrigierte Einstellpositionen älteren Datums. Dadurch können auch zeitlich veränderte Vorlieben des Nutzers berücksichtigt werden.With a repeated correction of the setting position by the user, it is particularly preferred that a time profile of the corrected setting position can be ascertained, and this time profile can be taken into account when training the artificial neural network. For example, more recent corrected setting positions when training the artificial neural network may be weighted more heavily than corrected older-position adjustment positions. As a result, temporal changes in preferences of the user can be taken into account.

Vorzugsweise ist es vorgesehen, dass die durch das künstliche neuronale Netz bestimmte Einstellposition der Komponente vor dem Einsteigen des Nutzers in das Fahrzeug an das Fahrzeug übermittelt wird und dass die Einstellposition der Komponente vor dem Einsteigen des Nutzers in das Fahrzeug in dem Fahrzeug eingestellt wird. Das Übermitteln der Einstellposition kann beispielsweise drahtlos erfolgen. Beispielsweise kann die Einstellposition von einer fahrzeugexternen Servereinrichtung oder von einem mobilen Kommunikationsendgerät des Nutzers an das Fahrzeug übertragen werden, bevor der Nutzer in das Fahrzeug einsteigt. Vorteilhaft ist das Einstellen der Einstellposition vor dem Einsteigen des Nutzers in das Fahrzeug, da der Nutzer das Fahrzeug dann schneller in Betrieb nehmen kann bzw. schneller losfahren kann und keine Zeit benötigt, um die Komponenten des Fahrzeugs entsprechend einzustellen.Preferably, it is provided that the adjustment position of the component determined by the artificial neural network is transmitted to the vehicle before the user enters the vehicle and that the setting position of the component is set before the user enters the vehicle in the vehicle. The transmission of the setting position can for example be wireless. For example, the setting position can be transmitted from an off-vehicle server device or from a mobile communication terminal of the user to the vehicle before the vehicle User enters the vehicle. It is advantageous to set the adjustment position before the user enters the vehicle, since the user can then take the vehicle faster into operation or faster drive and no time needed to adjust the components of the vehicle accordingly.

Weiterhin ist es vorzugsweise vorgesehen, dass das ermittelte Fahrzeugmodell und der ermittelte Nutzerparameter an ein das Fahrzeug zur Verfügung stellendes Mietwagenunternehmen übermittelt werden und die Einstellposition der Komponente durch Eingabe des Fahrzeugmodells und des Nutzerparameters in das künstliche neuronale Netz durch das Mietwagenunternehmen erzeugt wird. Beispielsweise kann das Mietwagenunternehmen die Ausweisnummer des Nutzers zur Identifikation des Nutzers verwenden. So kann das Mietwagenunternehmen die Einstellposition schon vor der Anwesenheit des Nutzers bestimmen und das Fahrzeug entsprechend einrichten. Das Mietwagenunternehmen kann dann beispielsweise auch bestimmen, ob das Fahrzeug überhaupt den Anforderungen des Nutzers an dessen Einstellpositionen erfüllt. So kann es beispielsweise sein, dass der Nutzer eine Einstellposition wünscht, die nur mit einer Komfortsitzeinstellung möglich ist, wohingegen das von ihm gemietete Fahrzeug keine Komfortsitze sondern beispielsweise Sportsitze aufweist. In diesem Fall könnte das Mietwagenunternehmen beispielsweise den Nutzer im Vorfeld, beispielsweise vor Anreise des Nutzers, darüber informieren oder ein anderes Mietfahrzeug bereitstellen.Furthermore, it is preferably provided that the determined vehicle model and the determined user parameter are transmitted to a car rental company providing the vehicle and the setting position of the component is generated by entering the vehicle model and the user parameter into the artificial neural network by the rental car company. For example, the rental car company may use the user's ID number to identify the user. Thus, the car rental company can determine the setting position before the presence of the user and set up the vehicle accordingly. The rental car company can then also determine, for example, whether the vehicle meets the requirements of the user at its setting positions. For example, it may be that the user desires a setting position that is possible only with a comfort seat setting, whereas the vehicle rented by him has no comfort seats but, for example, sports seats. In this case, the rental car company could, for example, inform the user in advance, for example, before the arrival of the user, or provide another rental vehicle.

Gemäß einer weiteren Ausgestaltung des Verfahrens ist eine erste in einer Position verstellbare Komponente ein Sitz des Fahrzeugs und ist eine zweite in einer Position verstellbare Komponente ein Spiegel des Fahrzeugs und bestimmt das künstliche neuronale Netz sowohl eine Einstellposition des Sitzes als auch eine Einstellposition des Spiegels. In diesem Fall ist das künstliche neuronale Netz mit Referenzeinstellpositionen für Sitz und Spiegel trainiert worden.According to another embodiment of the method, a first position adjustable component is a seat of the vehicle, and a second position adjustable component is a mirror of the vehicle, and the artificial neural network determines both a set position of the seat and a set position of the mirror. In this case, the artificial neural network has been trained with seat and mirror reference adjustment positions.

Vorzugsweise ist es vorgesehen, dass das neuronale Netz beim Bestimmen der Einstellposition des Spiegels eine Einstellposition des Sitzes berücksichtigt. Dadurch kann die Spiegelposition auf die jeweilige Sitzposition angepasst werden. In einer besonders bevorzugten Ausgestaltung kann bei einer durch den Nutzer korrigierten Einstellposition des Sitzes das künstliche neuronale Netz die Einstellposition des Spiegels korrigieren. Dadurch wird auch bei einer nachträglichen Korrektur der Einstellposition des Sitzes die Einstellposition des Spiegels in dem Fahrzeug optimal auf den Nutzer angepasst. Auch ist es denkbar, dass die korrigierte Einstellposition des Spiegels wiederum als Trainingsdaten für das Bestimmen der Einstellposition des Sitzes verwendet werden kann.Preferably, it is provided that the neural network takes into account a setting position of the seat when determining the setting position of the mirror. As a result, the mirror position can be adapted to the respective seating position. In a particularly preferred embodiment, with a user-adjusted adjustment position of the seat, the artificial neural network can correct the adjustment position of the mirror. As a result, the setting position of the mirror in the vehicle is optimally adapted to the user even with a subsequent correction of the setting position of the seat. It is also conceivable that the corrected setting position of the mirror can in turn be used as training data for determining the setting position of the seat.

Gemäß einem zweiten Aspekt der vorliegenden Erfindung wird ein Computerprogrammprodukt bereitgestellt, das zumindest ein computerlesbares Speichermedium mit darauf gespeicherten, von einem Computer ausführbare Programmcodeanweisungen aufweist, wobei die von einem Computer ausführbaren Programmcodeanweisungen dazu ausgebildet sind, ein Verfahren gemäß dem ersten Aspekt oder Ausgestaltungen davon auszuführen.According to a second aspect of the present invention, there is provided a computer program product comprising at least one computer readable storage medium having computer executable program code instructions stored thereon, wherein the computer executable program code instructions are adapted to perform a method according to the first aspect or embodiments thereof.

Das computerlesbare Speichermedium kann beispielsweise als Flashspeicher, beispielsweise eines mobilen Kommunikationsendgeräts, ausgebildet sein. Insbesondere ist das Computerprogrammprodukt als Anwendungsprogramm („App“) für ein mobiles Betriebssystem ausgebildet.The computer-readable storage medium can be designed, for example, as a flash memory, for example of a mobile communication terminal. In particular, the computer program product is designed as an application program ("app") for a mobile operating system.

Gemäß einem dritten Aspekt der vorliegenden Erfindung wird eine Einstelleinrichtung zum Einstellen einer Einstellposition einer in einer Position verstellbaren Komponente eines Fahrzeugs bereitgestellt. Die Einstelleinrichtung umfasst eine Empfangsschnittstelle, die dazu ausgebildet ist, ein Fahrzeugmodell des Fahrzeugs, einen, einen Nutzer des Fahrzeugs insbesondere eindeutig identifizierenden Nutzerparameter, und ein neuronales Netz zu empfangen, wobei das neuronale Netz mit zumindest einer Referenzeinstellposition der Komponente (Komponentenreferenzeinstellposition) eines Referenznutzers in dem ermittelten Fahrzeugmodell, mit zumindest einer Referenzeinstellposition der Komponente (Komponentenreferenzeinstellposition) des Referenznutzers in zumindest einem Referenzfahrzeugmodell und mit zumindest einer Referenzeinstellposition der Komponente (Komponentenreferenzeinstellposition) des Nutzers in dem zumindest einen Referenzfahrzeugmodell trainiert ist. Die Einstelleinrichtung umfasst ferner eine Auswerteeinheit, die dazu ausgebildet ist, eine Einstellposition der Komponente in dem Fahrzeug durch Eingabe des Fahrzeugmodells und des Nutzerparameters in das künstliche neuronale Netz zu bestimmen.According to a third aspect of the present invention, adjusting means for setting a setting position of a position-adjustable component of a vehicle is provided. The setting device comprises a receiving interface, which is configured to receive a vehicle model of the vehicle, a user parameter that uniquely identifies a user of the vehicle, and a neural network, the neural network having at least one reference setting position of the component (component reference setting position) of a reference user the determined vehicle model is trained with at least one reference setting position of the component (component reference setting position) of the reference user in at least one reference vehicle model and with at least one reference setting position of the component (component reference setting position) of the user in the at least one reference vehicle model. The setting device further comprises an evaluation unit, which is designed to determine a setting position of the component in the vehicle by inputting the vehicle model and the user parameter into the artificial neural network.

Die Empfangsschnittstelle kann beispielsweise als eine Programmierschnittstelle (API - Application Programming Interface) ausgebildet sein. Die Einstelleinrichtung kann das Fahrzeugmodell, den Nutzerparameter und das künstliche neuronale Netz, Masse drahtlos und/oder drahtgebunden empfangen.The receiving interface can be designed, for example, as a programming interface (API - Application Programming Interface). The adjuster may receive the vehicle model, the user parameter and the artificial neural network, ground wirelessly and / or by wire.

Vorzugsweise ist es vorgesehen, dass die Einstelleinrichtung zumindest datenübertragend mit einer Ansteuerungseinrichtung der Komponente verbunden ist und dass die Ansteuerungseinrichtung dazu ausgebildet ist, ein Steuersignal zum Betreiben zumindest eines Aktors, welcher zum Einstellen der Komponente ausgebildet ist, zu erzeugen. Durch die Einstelleinrichtung wird der Ansteuerungseinrichtung die Einstellposition der jeweiligen Komponente mitgeteilt. Die Einstellposition der jeweiligen Komponente wird dann von der Ansteuerungseinrichtung in ein Steuersignal übersetzt. Durch das Steuersignal kann der zumindest eine Aktor der Komponente betrieben werden. Durch den Aktor kann dann die jeweilige Komponente, beispielsweise der Sitz, der Spiegel oder die Tür des Fahrzeugs bewegt und in die entsprechende Einstellposition verstellt werden. Die Einstelleinrichtung und die Ansteuerungseinrichtung können in einem gemeinsamen Gehäuse oder separat voneinander ausgebildet sein. So kann die Einstelleinrichtung beispielsweise an einem beliebigen Ort im Fahrzeug oder sogar fahrzeugextern angeordnet sein.It is preferably provided that the setting device is at least data-transmitting connected to a control device of the component and that the drive means is adapted to generate a control signal for operating at least one actuator, which is designed to adjust the component. By the Adjustment of the control device is informed of the setting of the respective component. The setting position of the respective component is then translated by the driving means into a control signal. By means of the control signal, the at least one actuator of the component can be operated. By the actuator then the respective component, such as the seat, the mirror or the door of the vehicle can be moved and adjusted to the appropriate setting position. The adjusting device and the driving device may be formed in a common housing or separately from each other. For example, the adjusting device can be arranged at any location in the vehicle or even outside the vehicle.

Gemäß einem vierten Aspekt der vorliegenden Erfindung wird eine Servereinrichtung mit einer Einstelleinrichtung gemäß dem dritten Aspekt oder Ausgestaltungen davon bereitgestellt, wobei die Servereinrichtung fahrzeugextern ausgebildet ist. So kann die Servereinrichtung beispielsweise als zentraler oder dezentraler bzw. verteilter Server ausgebildet sein. Vorteilhaft ist dies, da die Servereinrichtung die Einstelleinrichtung vorzugsweise rund um die Uhr zur Verfügung stellt. So kann beispielsweise ein Dritter, wie beispielsweise das Mietwagenunternehmen, beispielsweise bei Zustimmung des Nutzers, die Einstelleinrichtung nutzen, um die Einstellposition der Komponente für den Nutzer im Voraus zu bestimmen und gegebenenfalls im Fahrzeug einzustellen.According to a fourth aspect of the present invention, there is provided a server device having an adjusting device according to the third aspect or embodiments thereof, wherein the server device is formed outside the vehicle. For example, the server device can be designed as a centralized or decentralized or distributed server. This is advantageous because the server device preferably makes the setting device available around the clock. For example, a third party, such as the car rental company, for example, with the consent of the user, use the setting to determine the setting position of the component for the user in advance and possibly set in the vehicle.

Gemäß einem fünften Aspekt der vorliegenden Erfindung wird ein Kommunikationsendgerät mit einer Einstelleinrichtung gemäß dem dritten Aspekt oder Ausgestaltungen davon bereitgestellt, wobei das Kommunikationsendgerät fahrzeugextern und mobil ausgebildet ist. Das mobile Kommunikationsendgerät kann beispielsweise als Smartphone, als intelligente Uhr, als Fitnessarmband oder als Tablet-Computer vorliegen. Durch das Kommunikationsendgerät mit der Einstelleinrichtung können Nutzer die Einstellposition der jeweiligen Komponente zu vielfältigen Zeitpunkten selbst bestimmen ohne beispielsweise auf eine Servereinrichtung angewiesen zu sein. Der Nutzer kann das Kommunikationsendgerät jederzeit mit sich führen und beispielsweise auch von einem Fahrzeug zu einem weiteren Fahrzeug transportieren.According to a fifth aspect of the present invention, a communication terminal is provided with a setting device according to the third aspect or embodiments thereof, wherein the communication terminal is vehicle-external and mobile. The mobile communication terminal can be present, for example, as a smartphone, as an intelligent watch, as a fitness bracelet or as a tablet computer. By means of the communication terminal with the setting device, users can determine the setting position of the respective component at various points in time without having to rely on a server device, for example. The user can carry the communication terminal with him at any time and for example also transport from one vehicle to another vehicle.

Gemäß einem sechsten Aspekt der vorliegenden Erfindung wird ein Fahrzeug mit einer Einstelleinrichtung gemäß dem dritten Aspekt oder Ausgestaltungen davon sowie einer Ansteuerungseinrichtung bereitgestellt. Die Ansteuerungseinrichtung ist dazu ausgebildet, ein Steuersignal zu erzeugen zum Betreiben von zumindest einem Aktor, welcher zum Einstellen der Komponente ausgebildet ist. Vorteilhaft ist die Anordnung der Einstelleinrichtung im Fahrzeug, da die Einstelleinrichtung dann vorzugsweise auf freie Rechenkapazität des Fahrzeugs zurückgreifen kann, um anhand des neuronalen Netzes die Einstellposition der jeweiligen Komponente zu bestimmen.According to a sixth aspect of the present invention, there is provided a vehicle having an adjusting device according to the third aspect, or embodiments thereof, and a driving device. The drive device is designed to generate a control signal for operating at least one actuator, which is designed to set the component. The arrangement of the adjusting device in the vehicle is advantageous since the adjusting device can then preferably resort to free computing capacity of the vehicle in order to determine the setting position of the respective component on the basis of the neural network.

Vorteilhafte Ausgestaltungen des erfindungsgemäßen Verfahrens sind als vorteilhafte Ausgestaltungen des Computerprogrammprodukts, der Einstelleinrichtung, der Servereinrichtung, des Kommunikationsendgeräts und des Fahrzeugs anzusehen, und umgekehrt. Die gegenständlichen Komponenten der Einstelleinrichtung, der Servereinrichtung, des Kommunikationsendgeräts und des Fahrzeugs sind jeweils dazu ausgebildet, die jeweiligen Verfahrensschritte durchzuführen.Advantageous embodiments of the method according to the invention are to be regarded as advantageous embodiments of the computer program product, the setting device, the server device, the communication terminal and the vehicle, and vice versa. The subject components of the setting device, the server device, the communication terminal and the vehicle are each designed to perform the respective method steps.

Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Zeichnungen und der Beschreibung.Further features of the invention will become apparent from the claims, the drawings and the description.

Ausführungsbeispiele der Erfindung werden nachfolgenden anhand schematischer Zeichnungen näher erläutert.Embodiments of the invention are explained in more detail below with reference to schematic drawings.

Es zeigen:

1 eine schematische Seitenansicht eines Fahrzeugs und eines Ausführungsbeispiels einer erfindungsgemäßen Einstelleinrichtung;
2 eine schematische Darstellung eines Ausführungsbeispiels eines künstlichen neuronalen Netzes, das zum Bestimmen einer Einstellposition einer in einer Position verstellbaren Komponente eines Fahrzeugs verwendet wird;
3 eine schematische Darstellung eines Ausführungsbeispiels eines erfindungsgemäßen Verfahrens zum Bestimmen einer Einstellposition einer in einer Position verstellbaren Komponente eines Fahrzeugs mittels eines künstlichen neuronalen Netzes, wie das von 2;
4 eine schematische Darstellung eines weiteren Ausführungsbeispiels des erfindungsgemäßen Verfahrens, wobei eine durch den Nutzer korrigierte Einstellposition beim Trainieren des künstlichen neuronalen Netzes berücksichtigt wird; und
5 eine schematische Darstellung eines weiteren Ausführungsbeispiels des erfindungsgemäßen Verfahrens, wobei ein zeitlicher Verlauf von korrigierten Einstellpositionen beim Trainieren des künstlichen neuronalen Netzes berücksichtigt wird.

Show it:

1 a schematic side view of a vehicle and an embodiment of an adjusting device according to the invention;
2 a schematic representation of an embodiment of an artificial neural network, which is used for determining a setting position of a position-adjustable component of a vehicle;
3 a schematic representation of an embodiment of a method according to the invention for determining a setting position of a position-adjustable component of a vehicle by means of an artificial neural network, as that of 2 ;
4 a schematic representation of another embodiment of the method according to the invention, wherein a corrected by the user setting position when training the artificial neural network is taken into account; and
5 a schematic representation of another embodiment of the method according to the invention, wherein a time course of corrected setting positions when training the artificial neural network is taken into account.

In den Zeichnungen werden gleiche oder funktionsgleiche Elemente mit den gleichen Bezugszeichen versehen.In the drawings, the same or functionally identical elements are provided with the same reference numerals.

Es sei zunächst auf 1 verwiesen, die eine schematische Seitenansicht eines Fahrzeugs FZ zeigt. Das Fahrzeug FZ hat mehrere in ihrer Position verstellbare Komponenten wie beispielsweise einen Sitz S, einen Spiegel SP und eine Tür T, die hier beispielhaft als Heckklappe dargestellt ist. Das Fahrzeug FZ hat ferner eine Ansteuerungseinrichtung A, mit der eine Einstellposition des Sitzes S, eine Einstellposition des Spiegels SP und/oder eine Einstellposition der Tür T eingestellt werden kann. Die Ansteuerungseinrichtung A erzeugt ein Steuersignal, mit dem ein Aktor AK betrieben werden kann. Der Aktor AK kann dann beispielsweise eine Position des Spiegels SP, eine Position des Sitzes S und/oder eine Position der Tür T einstellen. Im konkreten Beispiel von 1 wird lediglich ein Aktor AK gezeigt, der sowohl den Sitz S als auch den Spiegel SP als auch die Tür T ansteuern kann. In anderen Ausführungsformen ist es selbstverständlich möglich, dass jede Komponente durch einen separaten Aktor angesteuert wird. It's on first 1 referenced, which is a schematic side view of a vehicle FZ shows. The vehicle FZ has several adjustable in position components such as a seat S , a mirror SP and a door T , which is exemplified here as a tailgate. The vehicle FZ also has a drive device A with which a setting position of the seat S , a setting position of the mirror SP and / or a setting position of the door T can be adjusted. The driving device A generates a control signal to which an actuator AK can be operated. The actor AK can then, for example, a position of the mirror SP , a position of the seat S and / or a position of the door T to adjust. In the concrete example of 1 becomes merely an actor AK shown, both the seat S as well as the mirror SP as well as the door T can drive. In other embodiments, it is of course possible that each component is driven by a separate actuator.

Weiterhin zeigt 1 einen Nutzer N mit einem Kommunikationsendgerät K. Das Kommunikationsendgerät K kann beispielsweise ein Smartphone oder ein anderes mobiles Endgerät sein. Im konkreten Beispiel von 1 weist das Kommunikationsendgerät K eine Einstelleinrichtung E auf. Die Einstelleinrichtung E ist gemäß dem Ausführungsbeispiel datenübertragend mit der Ansteuerungseinrichtung A verbunden. Die datenübertragende Verbindung zwischen der Einstelleinrichtung E und der Ansteuerungseinrichtung A kann beispielsweise als Funkverbindung, wie beispielsweise einer Bluetooth-Verbindung, ausgebildet sein.Further shows 1 a user N with a communication terminal K , The communication terminal K may be, for example, a smartphone or other mobile device. In the concrete example of 1 has the communication terminal K an adjustment E on. The adjustment device e is according to the embodiment data transmitting with the driving device A connected. The data transmitting connection between the adjusting device e and the driving device A may for example be designed as a radio connection, such as a Bluetooth connection.

Gemäß einer weiteren in 1 dargestellten Ausführungsform kann die Einstelleinrichtung E auch in einer Servereinrichtung SE angeordnet sein.According to another in 1 illustrated embodiment, the adjustment e also in a server device SE be arranged.

Die Einstelleinrichtung E weist gemäß dem Ausführungsbeispiel eine Empfangsschnittstelle EM und eine Auswerteeinheit AE auf. The adjustment device e has a receiving interface according to the embodiment EM and an evaluation unit AE on.

Die Empfangsschnittstelle EM ist dazu eingerichtet, einen den Nutzer N des Fahrzeugs FZ eindeutig identifizierenden Nutzparameter anhand von Nutzeridentifikationsdaten zu ermitteln. Die Nutzeridentifikationsdaten können beispielsweise eine Ausweisnummer ASN des Nutzers N, ein Retinaabbild RA das Nutzers N oder ein anderer biometrischer Parameter des Nutzers N wie beispielsweise ein Fingerabdruck des Nutzers N sein. Mithilfe der Nutzeridentifikationsdaten kann ein Nutzerparameter ermittelt werden, der den Nutzer N eindeutig identifiziert.The receiving interface EM is set up to be a user N of the vehicle FZ uniquely identifying useful parameters based on user identification data. For example, the user identification data may be a badge number ASN of the user N , a retina image RA the user N or another biometric parameter of the user N such as a fingerprint of the user N his. The user identification data can be used to determine a user parameter that informs the user N clearly identified.

Die Empfangsschnittstelle ist ferner dazu eingerichtet, ein Fahrzeugmodell des Fahrzeugs FZ anhand von Fahrzeugidentifikationsdaten zu ermitteln. Die Fahrzeugidentifikationsdaten können beispielsweise durch ein Bild des Fahrzeugs FZ bereitgestellt werden, das der Nutzer N beispielsweise mit seinem mobilen Kommunikationsendgerät K aufnimmt. Anhand der Fahrzeugidentifikationsdaten kann ein Fahrzeugmodell des Fahrzeugs FZ ermittelt werden, das der Nutzer N benutzen möchte. Das Fahrzeugmodell umfasst dabei beispielsweise den Hersteller und den Typ des Fahrzeugs FZ wie auch eine Ausstattung des Fahrzeugs FZ, beispielsweise eine Sitzausstattung oder eine Spiegelausstattung des Fahrzeugs FZ.The receiving interface is further adapted to a vehicle model of the vehicle FZ based on vehicle identification data to determine. The vehicle identification data may be, for example, an image of the vehicle FZ be provided by the user N for example, with his mobile communication terminal K receives. On the basis of the vehicle identification data, a vehicle model of the vehicle FZ be determined by the user N want to use. The vehicle model includes, for example, the manufacturer and the type of vehicle FZ as well as an equipment of the vehicle FZ For example, a seat or mirror equipment of the vehicle FZ ,

Die Empfangsschnittstelle EM ist ferner dazu eingerichtet, ein künstliches neuronales Netz NN zu empfangen, mit dessen Hilfe es möglich ist, eine Einstellposition der in ihrer Position verstellbaren Komponente bzw. des Spiegels SP, des Sitzes S und/oder der Tür T zu bestimmen.The receiving interface EM is further adapted to an artificial neural network NN to receive, with the help of which it is possible, a setting position of the adjustable in position component or the mirror SP , the seat S and / or the door T to determine.

2 zeigt, wie das künstliche neuronale Netz NN erzeugt bzw. trainiert wird. Vorzugsweise wird das künstliche neuronale Netz NN vor dem Training modelliert, d. h. es wird beispielsweise bestimmt wie viele verdeckte Schichten das künstliche neuronale Netz NN aufweist. 2 shows how the artificial neural network NN is generated or trained. Preferably, the artificial neural network becomes NN modeled before training, ie it is for example determined how many hidden layers the artificial neural network NN having.

In einem Schritt S1 werden Referenzeinstellpositionen von verschiedenen Referenznutzern in verschiedenen Referenzfahrzeugmodellen bereitgestellt. Eingangsdaten für das künstliche neuronale Netz sind dabei die Nutzerparameter der Referenznutzer, die hier beispielhaft als ID1, ID2, ID3 bezeichnet sind, und die Fahrzeugmodelle der Referenzfahrzeugmodelle, die hier beispielhaft als VA, VB, VC bezeichnet sind. Ausgangsdaten sind die Referenzeinstellpositionen. Die Referenznutzer, die Referenzfahrzeugmodelle und die Referenzeinstellpositionen der Referenznutzer in den Referenzfahrzeugmodellen liegen als sogenannte Trainingsdaten vor. Insbesondere sind die Beziehungen zwischen der Referenzeinstellposition, dem Referenznutzer und dem Referenzfahrzeugmodell bekannt. So ist beispielsweise bekannt, welcher Referenznutzer welche Referenzeinstellposition in welchem Referenzfahrzeugmodell hatte.In one step S1 Reference setting positions are provided by different reference users in different reference vehicle models. Input data for the artificial neural network are the user parameters of the reference users, here exemplified as ID1 . ID2 . ID3 and the vehicle models of the reference vehicle models exemplified herein VA . VB . VC are designated. Output data is the reference setting positions. The reference users, the reference vehicle models and the reference setting positions of the reference users in the reference vehicle models are present as so-called training data. In particular, the relationships between the reference setting position, the reference user and the reference vehicle model are known. For example, it is known which reference user had which reference setting position in which reference vehicle model.

In einem Schritt S2 wird nun anhand der Eingangsdaten und anhand der Ausgangsdaten das künstliche neuronale Netz NN erzeugt bzw. trainiert. Dies kann beispielsweise durch das Lösen eines Optimierungsproblems von Eingangsdaten und Ausgangsdaten erfolgen.In one step S2 Now, based on the input data and based on the output data, the artificial neural network NN generated or trained. This can be done, for example, by solving an optimization problem of input data and output data.

In einem Schritt S3 wird schließlich anhand des erzeugten künstlichen neuronalen Netzes NN die Einstellposition der Komponente, also beispielsweise die Einstellposition des Spiegels SP, des Sitzes S und/oder der Tür T bestimmt.In one step S3 is finally based on the generated artificial neural network NN the setting position of the component, so for example, the setting position of the mirror SP, the seat S and / or the door T certainly.

Es sei nun auf 3 verwiesen, in der eine schematische Darstellung eines Verfahrens zum Bestimmen der Einstellposition einer in einer Position verstellbaren Komponente, wie dem Spiegel SP, dem Sitz S oder der Tür T mittels des künstlichen neuronalen Netzes von 2 gezeigt ist. It is now up 3 in which is a schematic representation of a method for determining the adjustment position of a position adjustable component, such as the mirror SP , the seat S or the door T by means of the artificial neural network of 2 is shown.

Im konkreten Beispiel von 3 wurde das künstliche neuronale Netz mit Referenzeinstellpositionen von vier unterschiedlichen Nutzern P1, P2, P3 und P4, die anhand ihrer zugehörigen Nutzerparameter ID1, ID2, ID3, ID4 ermittelt wurden, trainiert. Der Datensatz des Nutzers P1 enthält Referenzeinstellpositionen für die Fahrzeugmodelle VA, VB und VC. Der Datensatz des Nutzers P2 enthält Referenzeinstellpositionen für die Fahrzeugmodelle VA und VB. Der Datensatz des Nutzers P3 enthält Referenzeinstellpositionen für die Fahrzeugmodelle VA und VC. Der Datensatz des Nutzers P4 enthält zunächst nur eine Referenzeinstellposition für das Fahrzeugmodell VA. Mit anderen Worten hat der Nutzer P4 bisher nur das Fahrzeugmodell VA genutzt.In the concrete example of 3 became the artificial neural network with reference setting positions of four different users P1 . P2 . P3 and P4 , based on their associated user parameters ID1 . ID2 . ID3 . ID4 were determined, trained. The record of the user P1 contains reference setting positions for the vehicle models VA . VB and VC , The record of the user P2 contains reference setting positions for the vehicle models VA and VB , The record of the user P3 contains reference setting positions for the vehicle models VA and VC , The record of the user P4 initially contains only one reference setting position for the vehicle model VA , In other words, the user has P4 so far only the vehicle model VA used.

Nutzer P4 nähert sich nun dem Fahrzeug FZ. In einem Schritt S4 wird nun das Fahrzeugmodell des Fahrzeugs FZ anhand von Fahrzeugidentifikationsdaten des Fahrzeugs FZ ermittelt. Im konkreten Beispiel von 3 wird beispielsweise ermittelt, dass das Fahrzeug FZ das Fahrzeugmodell VB aufweist. In einem Schritt S5 wird ermittelt, das der Nutzer N, der das Fahrzeug FZ nutzen möchte, die Person P4 ist. Dies erfolgt anhand des den Nutzer P4 eindeutig identifizierenden Nutzerparameters ID4, beispielsweise mittels der Ausweisnummer ASN des Nutzers P4.user P4 now approaches the vehicle FZ , In one step S4 now becomes the vehicle model of the vehicle FZ based on vehicle identification data of the vehicle FZ determined. In the concrete example of 3 For example, it is determined that the vehicle FZ the vehicle model VB having. In one step S5 it is determined that the user N , the vehicle FZ want to use the person P4 is. This is done on the basis of the user P4 uniquely identifying user parameter ID4 , for example by means of the card number ASN of the user P4 ,

In einem Schritt S6 werden nun der Nutzerparameter ID4 und das Fahrzeugmodell VB in das neuronale Netz NN eingegeben. Das mit den zuvor beschriebenen Datensätzen trainierte neuronale Netz NN kann dann in einem Schritt S7 die für den Nutzer P4 und das Fahrzeugmodell VB optimale Einstellposition in dem Fahrzeug FZ bestimmen. Die durch das künstliche neuronale Netz NN bestimmte Einstellposition kann dann in einem Schritt S8 an das Fahrzeug FZ übermittelt werden. Die übermittelte Einstellposition kann dann beispielsweise von der Ansteuerungseinrichtung A in ein Steuersignal für den Aktor AK umgewandelt werden, wodurch die Komponenten des Fahrzeugs FZ, wie der Spiegel SP, der Sitz S oder die Tür T eingestellt werden. Dadurch wird für den Nutzer P4 eine Einstellposition der jeweiligen Komponente des Fahrzeugs FZ bestimmt, ohne dass dieser manuell die für ihn richtige Einstellposition finden muss.In one step S6 become the user parameter ID4 and the vehicle model VB into the neural network NN entered. The neural network trained with the previously described data sets NN can then in one step S7 the for the user P4 and the vehicle model VB optimal setting position in the vehicle FZ determine. The through the artificial neural network NN certain adjustment position can then be in one step S8 to the vehicle FZ be transmitted. The transmitted setting position may then be, for example, from the driving device A in a control signal for the actuator AK be converted, eliminating the components of the vehicle FZ like the mirror SP , the seat S or the door T be set. This will be for the user P4 a setting position of the respective component of the vehicle FZ determined, without this manually must find the right setting for him.

Das künstliche neuronale Netz NN ist hierfür mit Referenzeinstellpositionen von Referenznutzern (hier Nutzer P1, P2) in dem ermittelten Fahrzeugmodell VB, mit Referenzeinstellpositionen der Referenznutzer in zumindest einem von dem ermittelten Fahrzeugmodell VB verschiedenen Referenzfahrzeugmodell (hier Fahrzeugmodell VA, VC) und mit Referenzeinstellpositionen des identifizierten Nutzers (hier Nutzer P4) in dem zumindest einen Referenzfahrzeugmodell (hier Fahrzeugmodell VA) trainiert worden. Durch die Wahl der Trainingsdaten kann somit ein künstliches neuronales Netz NN erstellt werden, mit dem es möglich ist, die Einstellposition für einen Nutzer in einem Fahrzeug zu bestimmen, dass der Nutzer bislang noch nicht verwendet hat.The artificial neural network NN is for this purpose with reference setting positions of reference users (here users P1 . P2 ) in the determined vehicle model VB with reference setting positions of the reference users in at least one of the determined vehicle model VB different reference vehicle model (here vehicle model VA . VC ) and with reference setting positions of the identified user (here users P4 ) in the at least one reference vehicle model (here vehicle model VA ) have been trained. By choosing the training data can thus an artificial neural network NN with which it is possible to determine the setting position for a user in a vehicle that the user has not yet used.

Vorzugsweise wird die Einstellposition der jeweiligen Komponente bereits vor dem Einsteigen des Nutzers P4 in das Fahrzeug FZ an das Fahrzeug FZ übermittelt und wird die Einstellposition der jeweiligen Komponente vor dem Einsteigen des Nutzers P4 in das Fahrzeug FZ in dem Fahrzeug FZ eingestellt.Preferably, the setting position of the respective component is already before the user has boarded P4 in the vehicle FZ to the vehicle FZ transmits and becomes the setting position of the respective component before boarding the user P4 in the vehicle FZ in the vehicle FZ set.

Auch ist es möglich, dass das Fahrzeugmodell VB und der Nutzerparameter ID4 an ein das Fahrzeug FZ zur Verfügung stellendes Mietwagenunternehmen übermittelt werden. Die durch das künstliche neuronale Netz NN bestimmte Einstellposition kann dann durch Eingabe des Fahrzeugmodells VB und des Nutzerparameters ID4 in das künstliche neuronale Netz NN von dem Mietwagenunternehmen erzeugt werden.Also it is possible that the vehicle model VB and the user parameter ID4 to a the vehicle FZ be made available to rental car companies. The through the artificial neural network NN certain setting position can then be entered by entering the vehicle model VB and the user parameter ID4 into the artificial neural network NN generated by the car rental company.

Das künstliche neuronale Netz NN kann alternativ oder zusätzlich zum Kommunikationsendgerät K auch auf einer Servereinrichtung SE abgespeichert sein, auf die das Mietwagenunternehmen beispielsweise zugreifen kann, gegebenenfalls mit Zustimmung des Nutzers P4.The artificial neural network NN may alternatively or additionally to the communication terminal K also on a server device SE stored, for example, the rental car company can access, if necessary, with the consent of the user P4 ,

Die Servereinrichtung SE kann, wie im konkreten Beispiel von 1 gezeigt ist, außerhalb des Fahrzeugs FZ angeordnet sein und kann beispielsweise durch ein mobiles Datenübertragungsverfahren mit dem Fahrzeug FZ und/oder mit dem Kommunikationsendgerät K verbunden sein. Die Einstelleinrichtung E, die die Empfangsschnittstelle EM zum Empfangen des Fahrzeugmodells VB und das Nutzerparameters ID4 sowie die Auswerteeinheit AE zum Bestimmen der Einstellposition der jeweiligen Komponente aufweist, kann im Kommunikationsendgerät K oder aber auch in der Servereinrichtung SE angeordnet sein. Wenn die Einstelleinrichtung E in der Servereinrichtung SE angeordnet ist, kann der Einstelleinrichtung E beispielsweise mehr Rechenleistung zur Verfügung gestellt werden.The server device SE can, as in the concrete example of 1 shown outside the vehicle FZ can be arranged and, for example, by a mobile data transmission method with the vehicle FZ and / or with the communication terminal K be connected. The adjustment device e that the receiving interface EM for receiving the vehicle model VB and the user parameter ID4 as well as the evaluation unit AE for determining the setting position of the respective component may be in the communication terminal K or else in the server setup SE be arranged. If the adjustment e in the server device SE is arranged, the adjustment can e For example, more computing power will be provided.

Es sei nun auf 4 verwiesen, die eine schematische Darstellung eines weiteren Ausführungsbeispiels des Verfahrens zum Bestimmen der Einstellposition in dem Fahrzeug FZ zeigt. Das in 4 gezeigte Ausführungsbeispiel unterscheidet sich von dem in 3 gezeigten Ausführungsbeispiel darin, dass das künstliche neuronale Netz NN die Einstellposition bestimmt hat, der Nutzer P4 die Einstellposition der Komponente jedoch nachträglich manuell korrigiert. Dies ist beispielhaft in 4 durch den Pfeil KOR dargestellt, der andeuten soll, dass eine Sitzeinstellung des Sitzes S im Fahrzeug FZ durch den Nutzer P4 korrigiert wurde. It is now up 4 which is a schematic representation of another embodiment of the method for determining the setting position in the vehicle FZ shows. This in 4 embodiment shown differs from that in 3 shown embodiment in that the artificial neural network NN has determined the setting position, the user P4 However, the setting position of the component subsequently corrected manually. This is exemplary in 4 through the arrow KOR presented, which is intended to suggest that a seat adjustment of the seat S in the vehicle FZ by the user P4 was corrected.

Die korrigierte Einstellposition EPKOR kann dann zum Trainieren des künstlichen neuronalen Netzes NN benutzt werden (angedeutet durch den Pfeil „Training“) . Dadurch kann die von dem künstlichen neuronalen Netz NN bestimmte Einstellposition auf die jeweiligen, korrigierten Vorlieben des Nutzers P4 angepasst werden.The corrected adjustment position EPKOR can then be used to train the artificial neural network NN used (indicated by the arrow "Training"). This can be done by the artificial neural network NN certain setting position to the respective, corrected preferences of the user P4 be adjusted.

Vorzugsweise wird die korrigierte Einstellposition EPKOR nur dann zum Korrigieren des künstlichen neuronalen Netzes NN verwendet, wenn das Korrigieren der Einstellposition durch den Nutzer P4 mehrmals erfolgt und/oder die korrigierte Einstellposition EPKOR gegenüber der von dem künstlichen neuronalen Netz NN bestimmten Einstellposition eine vorbestimmte Abweichung bzw. einen Schwellenwert überschreitet. Dies ist schematisch durch die Boxen B1, B2 links und rechts des Trainingspfeils angedeutet.Preferably, the corrected setting position EPKOR is only for correcting the artificial neural network NN used when correcting the setting position by the user P4 takes place several times and / or the corrected setting position EPKOR opposite to that of the artificial neural network NN certain setting position exceeds a predetermined deviation or a threshold. This is schematically through the boxes B1 . B2 indicated on the left and right of the training arrow.

Es sei nun auf 5 verwiesen, die eine schematische Darstellung eines weiteren Ausführungsbeispiels des Verfahrens zum Bestimmen der Einstellposition in dem Fahrzeug FZ zeigt. Das in 5 gezeigte Ausführungsbeispiel unterscheidet sich von dem in 4 gezeigten Ausführungsbeispiel darin, dass der Nutzer P4 nun mehrmals die Einstellposition der Komponente, hier beispielhaft in Form des Sitzes S gezeigt, korrigiert.It is now up 5 which is a schematic representation of another embodiment of the method for determining the setting position in the vehicle FZ shows. This in 5 embodiment shown differs from that in 4 shown embodiment in that the user P4 now several times the setting position of the component, here by way of example in the form of the seat S shown, corrected.

In dem Ausführungsbeispiel von 5 wird nun ein zeitlicher Verlauf der korrigierten Einstellposition ermittelt. So wird beispielsweise ermittelt das zunächst der Sitz aufrecht gestellt wurde (dargestellt durch die 1. Sitzeinstellung) und anschließend die Rückenlehne nach hinten bewegt wurde (dargestellt durch die 2. Sitzeinstellung). Dieser zeitliche Verlauf der korrigierten Einstellposition kann nun beim Trainieren des künstlichen neuronalen Netzes NN berücksichtigt werden. Beispielsweise kann die korrigierte Einstellposition jüngeren Datums (hier die 2. Sitzeinstellung, die nach der 1. Sitzeinstellung erfolgt ist) stärker beim Trainieren des künstlichen neuronalen Netzes NN gewichtet werden als die korrigierte Einstellposition älteren Datums (hier die 1. Sitzeinstellung, die vor der 2. Sitzeinstellung erfolgt ist). Dies ist beispielhaft durch die Pfeile G1 und G2 gezeigt, die eine erste Gewichtung und eine zweite Gewichtung zum Trainieren des künstlichen neuronalen Netzes NN andeuten sollen. Dadurch können auch zeitlich veränderte Vorlieben des Nutzers P4 berücksichtigt werden.In the embodiment of 5 Now a time course of the corrected setting position is determined. For example, it is determined that the seat was first set upright (represented by the 1st seat adjustment) and then the backrest was moved rearward (represented by the 2nd seat adjustment). This temporal course of the corrected setting position can now be during training of the artificial neural network NN be taken into account. For example, the corrected, younger-date adjustment position (here, the second seat adjustment made after the 1st seat adjustment) may be stronger in training the artificial neural network NN are weighted as the corrected adjustment position of older date (here the 1st seat adjustment made before the 2nd seat adjustment). This is exemplified by the arrows G1 and G2 showing a first weighting and a second weighting for training the artificial neural network NN to indicate. This can also change the user's preferences over time P4 be taken into account.

Da das künstliche neuronale Netz NN wie in 2 gezeigt ist, mit Referenzeinstellpositionen von Spiegel SP, Sitz S und Tür T trainiert wurde, ist es selbstverständlich möglich, dass das künstliche neuronale Netz NN sowohl die Einstellposition des Spiegels SP als auch die Einstellposition des Sitzes S als auch die Einstellposition der Tür T bestimmt. Vorzugsweise kann das künstliche neuronale Netz NN beim Bestimmen der Einstellposition des Spiegels SP auf die von ihm bestimmte Einstellposition des Sitzes S zurückgreifen und beispielsweise über geometrische Zusammenhänge so leichter die Einstellposition des Spiegels S bestimmen. Auch kann das künstliche neuronale Netz NN eine durch den Nutzer wie in 4 und 5 angedeutete, korrigierte Einstellposition des Sitzes S beim Bestimmen der Einstellposition des Spiegels SP berücksichtigen. Dadurch werden sowohl der Sitz S als auch der Spiegel SP immer optimal auf die Bedürfnisse des Nutzers P4 angepasst.Because the artificial neural network NN as in 2 is shown with reference adjustment positions of mirrors SP , Seat S and door T Of course, it is possible that the artificial neural network NN both the adjustment position of the mirror SP as well as the adjustment position of the seat S as well as the adjustment position of the door T certainly. Preferably, the artificial neural network NN in determining the setting position of the mirror SP on the specific setting position of the seat S fall back and for example on geometrical relationships so easier the setting position of the mirror S determine. Also, the artificial neural network can NN one by the user like in 4 and 5 indicated, corrected adjustment position of the seat S in determining the adjustment position of the mirror SP account. This will both the seat S as well as the mirror SP always optimally to the needs of the user P4 customized.

Das oben beschriebene Verfahren kann beispielsweise als App bzw. als Computerprogrammprodukt auf dem Kommunikationsendgerät K oder auf der Servereinrichtung SE ausgeführt werden.The method described above can be used, for example, as an app or as a computer program product on the communication terminal K or on the server device SE be executed.

Mithilfe des Verfahrens kann die für den Nutzer des Fahrzeugs optimale Einstellposition der jeweiligen Komponente des Fahrzeugs im Vorfeld bestimmt werden, ohne dass der Nutzer das Fahrzeug bereits benutzt haben muss.By means of the method, the optimal setting position of the respective component of the vehicle for the user of the vehicle can be determined in advance, without the user having already used the vehicle.

Claims

Method for determining a setting position of a position-adjustable component (SP, S, T) of a vehicle (FZ), the method comprising the following steps: Determining a vehicle model (VB) of the vehicle (FZ) on the basis of vehicle identification data, Determining a user parameter (ID4) identifying a user (P4) of the vehicle (FZ) on the basis of user identification data, Providing an artificial neural network having a component reference setting position of a reference user in the determined vehicle model, a component reference setting position of the reference user in a reference vehicle model and a component reference setting position of the reference user User (P4) is trained in the reference vehicle model (VA), and - Determining the setting position of the component (SP, S, T) in the vehicle (FZ) by entering the vehicle model (VB) and the user parameter (ID4) in the artificial neural network (NN).

Method according to Claim 1 , wherein the component (SP, S, T) determines its setting position is selected from the group comprising a seat (S), a mirror (SP) or a door (T) of the vehicle (FZ) is selected.

Method according to Claim 1 or 2 , further comprising the steps of: - correcting the setting position determined by the artificial neural network (NN) by the user (P4), and - training the artificial neural network (NN) taking into account the corrected setting position (EPKOR).

Method according to Claim 3 wherein the corrected adjustment position (EPKOR) is taken into account for training the artificial neural network (NN) only if the adjustment of the adjustment position by the user (P4) is performed several times and / or the corrected adjustment position (EPKOR) is a predetermined one from the determined adjustment position Deviation exceeds.

Method according to Claim 4 , wherein in the repeated correction of the setting position by the user (P4), a time course of the corrected setting position is determined and when training the artificial neural network (NN), the time profile is taken into account.

Method according to one of the preceding claims, wherein the setting position of the component (SP, S, T) determined by the artificial neural network (NN) is transmitted to the vehicle (FZ) before the user (P4) enters the vehicle (FZ) and the setting position of the component (SP, S, T) is set before boarding the user (N) in the vehicle (FZ) in the vehicle (FZ).

Method according to one of the preceding claims, wherein the vehicle model (VB) and the user parameter (ID4) are transmitted to a car rental company providing the vehicle (FZ) and the setting position of the component (SP, S, T) is entered by inputting the vehicle model (VB ) and the user parameter (ID4) is generated in the artificial neural network (NN) of the car rental company.

Method according to one of the preceding claims, wherein a first position-adjustable component is a seat (S) of the vehicle (FZ) and a second position-adjustable component is a mirror (SP) of the vehicle (FZ) and the artificial neural network (NN) determines both a setting position of the seat (S) and a setting position of the mirror (SP).

Method according to Claim 8 wherein the neural network (NN) takes into account a setting position of the seat (S) in determining the setting position of the mirror (SP).

A computer program product comprising at least one computer readable storage medium having stored thereon computer executable program code instructions, wherein the computer executable program code instructions are adapted to perform a method as claimed in any one of the preceding claims.

Adjusting device (E) for setting a setting position of a position-adjustable component (SP, S, T) of a vehicle (FZ), comprising: a receiving interface (EM) designed to a vehicle model (VB) of the vehicle (FZ), a user parameter (ID4) identifying a user (P4) of the vehicle, and a neural network having a component reference setting position of a reference user in the determined vehicle model, a component reference setting position of the reference user in a reference vehicle model and a component reference setting position of the user; P4) in the reference vehicle model (VA) is trained to receive, and - An evaluation unit (AE), which is adapted to a setting position of the component (SP, S, T) in the vehicle (FZ) by entering the vehicle model (VB) and the user parameter (ID4) in the artificial neural network (NN) to determine.

Adjustment device (E) according to Claim 11 , wherein the adjusting device (E) is at least data-transmitting connected to a control device (A) of the component (SP, S, T) and the control device (A) is adapted to a control signal for operating an actuator (AK), which for adjusting the Component (SP, S, T) is formed to generate.

Server device (SE) with an adjustment device (E) according to one of Claims 11 or 12 , wherein the server device (SE) is formed outside the vehicle.

Communication terminal (K) with an adjusting device (E) according to one of Claims 11 or 12 , wherein the communication terminal (K) vehicle external and mobile is formed.

Vehicle (FZ) with an adjustment device (E) according to one of Claims 11 or 12 and a driving device (A), which is designed to generate a control signal for operating at least one Actuator (AK), which is designed for adjusting the component (SP, S, K) to produce.