DE102019104974A1 - Verfahren sowie System zum Bestimmen eines Fahrmanövers - Google Patents

Verfahren sowie System zum Bestimmen eines Fahrmanövers Download PDF

Info

Publication number
DE102019104974A1
DE102019104974A1 DE102019104974.1A DE102019104974A DE102019104974A1 DE 102019104974 A1 DE102019104974 A1 DE 102019104974A1 DE 102019104974 A DE102019104974 A DE 102019104974A DE 102019104974 A1 DE102019104974 A1 DE 102019104974A1
Authority
DE
Germany
Prior art keywords
vehicle
driving maneuver
module
decision
planning module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102019104974.1A
Other languages
English (en)
Inventor
Karl-Heinz Glander
Carlo Manna
Manuel Schmidt
Christian Wissing
Andreas Homann
Christian Lienke
Torsten Bertram
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZF Automotive Germany GmbH
Original Assignee
ZF Automotive Germany GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ZF Automotive Germany GmbH filed Critical ZF Automotive Germany GmbH
Priority to DE102019104974.1A priority Critical patent/DE102019104974A1/de
Priority to CN202010115747.7A priority patent/CN111626538A/zh
Priority to US16/799,882 priority patent/US20200269871A1/en
Publication of DE102019104974A1 publication Critical patent/DE102019104974A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks
    • B60W60/0011Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0637Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • G06Q50/40
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2720/00Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10Longitudinal speed
    • B60W2720/106Longitudinal acceleration
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2754/00Output or target parameters relating to objects
    • B60W2754/10Spatial relation or speed relative to objects
    • B60W2754/20Lateral distance
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2754/00Output or target parameters relating to objects
    • B60W2754/10Spatial relation or speed relative to objects
    • B60W2754/30Longitudinal distance
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/80Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
    • Y02T10/84Data processing systems or methods, management, administration

Abstract

Ein Verfahren zum Bestimmen eines Fahrmanövers eines Fahrzeugs hat die folgenden Schritte:a) Erhalten von Fahrzeugparametern (P) durch ein Fahrmanöverplanungsmodul (22) des Fahrzeugs (10),b) Bestimmen wenigstens eines möglichen Fahrmanövers (M) durch das Fahrmanöverplanungsmodul (22) basierend auf den erhaltenen Fahrzeugparametern (P) mittels zumindest eines Entscheidungsuntermoduls des Fahrmanöverplanungsmoduls (22),c) Übergeben eines des wenigstens einen möglichen Fahrmanövers (M) an ein Bewegungsplanungsmodul (24) des Fahrzeugs (10),d) Erhalten einer Bewertungsgröße (B) vom Bewegungsplanungsmodul (24) durch das Fahrmanöverplanungsmodul (22), unde) Anpassen des wenigstens einen Entscheidungsuntermoduls anhand der erhaltenen Bewertungsgröße (B). Ferner ist ein System zum Bestimmen eines Fahrmanövers eines Fahrzeugs, ein Fahrzeug zum Ausführen des Fahrmanövers, ein Steuergerät für ein Fahrzeug und ein Computerprogramm zur Durchführung des Verfahrens gezeigt.

Description

  • Die Erfindung betrifft ein Verfahren sowie ein System zum Bestimmen eines Fahrmanövers eines Fahrzeugs, ein Fahrzeug zum Ausführen eines Fahrmanövers, ein Steuergerät für ein Fahrzeug zum Steuern eines Fahrzeugs sowie ein Computerprogramm zur Durchführung des Verfahrens.
  • Eine der Hauptherausforderungen für das autonome bzw. das teilautonome Steuern eines Fahrzeugs ist das Bestimmen eines Fahrmanövers für das Fahrzeug. Mögliche Fahrmanöver werden typischerweise basierend auf den gesammelten Daten des Fahrzeugs bestimmt, wie beispielsweise der Anzahl an befahrbaren Fahrspuren einer Straße, den Bewegungstrajektorien benachbarter Fahrzeuge, und/oder den Navigationsdaten, um ein gewünschtes Ziel der Fahrt zu erreichen.
  • Im Stand der Technik sind Systeme bekannt, die durch ein Fahrwegplanungsmodul (auch bekannt als „mission planning framework“) den Weg des Fahrzeugs planen. Dafür verwenden die Systeme den aktuellen Ort und den Zielort. Weiterhin haben die Systeme ein Fahrmanöverplanungsmodul (auch bekannt als „behavioral planning framework“), welches aufgrund von Sensordaten ein Fahrmanöver plant. Das aus dem Fahrwegplanungsmodul und dem Fahrmanöverplanungsmodul generierte Fahrmanöver wird an ein Bewegungsplanungsmodul (auch bekannt als „motion planning framework“) übergeben, das das Fahrmanöver ausführt.
  • An diesen Systemen ist allerdings nachteilig, dass die Auswahl des Fahrmanövers lediglich auf theoretischen Überlegung basiert.
  • Es ist daher die Aufgabe der Erfindung, ein Verfahren zum Bestimmen eines Fahrmanövers bereitzustellen, das praktische Rückmeldungen bei der Auswahl von Fahrmanövern berücksichtigt.
  • Die Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren zum Bestimmen eines Fahrmanövers eines Fahrzeugs. Zunächst erhält ein Fahrmanöverplanungsmodul des Fahrzeugs Fahrzeugparameter. Basierend auf den erhaltenen Fahrzeugparametern bestimmt das Fahrmanöverplanungsmodul wenigstens ein mögliches Fahrmanöver mittels zumindest eines Entscheidungsuntermoduls des Fahrmanöverplanungsmoduls. Anschließend wird ein Fahrmanöver ausgewählt und an ein Bewegungsplanungsmodul des Fahrzeugs übergeben. Das Fahrmanöverplanungsmodul erhält eine Bewertungsgröße vom Bewegungsplanungsmodul. Schließlich wird das wenigstens eine Entscheidungsuntermodul anhand der erhaltenen Bewertungsgröße angepasst.
  • Erfindungsgemäß sind das Bewegungsplanungsmodul und das Fahrmanöverplanungsmodul miteinander verbunden, wobei das Fahrmanöverplanungsmodul wenigstens ein mögliches Fahrmanöver bestimmt und wenigstens ein Fahrmanöver an das Bewegungsplanungsmodul übergibt. Das Fahrmanöverplanungsmodul erhält eine Bewertungsgröße für das übergebene Fahrmanöver, die eine praktische Rückmeldung über das übergebene Fahrmanöver enthält. Basierend auf der praktischen Rückmeldung wird dann das wenigstens eine Entscheidungsuntermodul des Fahrmanöverplanungsmoduls angepasst, sodass neben theoretischen auch praktische Grundlagen zur Auswahl des Fahrmanövers verwendet werden.
  • Das Bewegungsplanungsmodul kann cloudbasiert bzw. serverbasiert oder auch lokal im Fahrzeug implementiert sein. Mit anderen Worten muss das Bewegungsplanungsmodul nicht innerhalb des Fahrzeugs ausgeführt werden.
  • Beispielsweise ist in einem Fahrzeug eine entsprechende IT-Infrastruktur vorgesehen, sodass das Bewegungsplanungsmodul durch die IT-Infrastruktur innerhalb des Fahrzeugs bereitgestellt wird.
  • Alternativ kann das Bewegungsplanungsmodul auch auf einem zentralen Server ausgeführt werden, wobei der Server die Fahrzeugparameter vom Fahrzeug erhält. In diesem Fall werden die Fahrzeugparameter über ein Netzwerk, zum Beispiel das Internet, übergeben.
  • Im Allgemeinen ist auch denkbar, dass sich die IT-Infrastrukturen benachbarter Fahrzeuge, also Fahrzeuge, die sich innerhalb eines gewissen maximalen Abstands zueinander befinden, zusammenschließen und das Bewegungsplanungsmodul auf der IT-Infrastruktur der Fahrzeuge bereitgestellt wird.
  • Gleiches gilt auch für das Fahrmanöverplanungsmodul.
  • Die Fahrzeugparameter, die das Fahrmanöverplanungsmodul erhält, können Positionsdaten sein, also Informationen über den momentan geographischen Ort des Fahrzeugs, anhand von GNSS-Daten, Beschleunigungs- und/oder Geschwindigkeitsdaten des Fahrzeugs, optische Abstands- und Geschwindigkeitsmessungen, beispielsweise durch einen LIDAR-Sensor (light detection and ranging) und/oder einen Radar-Sensor, Kameradaten, die Anzahl an befahrbaren Fahrspuren, die Trajektorien benachbarter Autos und/oder Navigationsdaten.
  • Diese Daten können von Sensoren des Fahrzeugs aufgenommen werden, von benachbarten Fahrzeugen stammen und/oder auch von einem zentralen Server über eine drahtlose Schnittstelle an das Fahrzeug übergeben werden.
  • In einer Ausgestaltung der Erfindung wird ein auszuführendes Fahrmanöver aus dem wenigstens einen Fahrmanöver ausgewählt, wobei das Bewegungsplanungsmodul das Fahrzeug derart steuert, dass das Fahrzeug das auszuführende Fahrmanöver ausführt. Somit kann das Bewegungsplanungsmodul direkt das ausgeführte Fahrmanöver bewerten.
  • Um Unsicherheiten in den verschiedenen Fahrzeugparametern zu berücksichtigen und die Durchführbarkeit des ausgewählten Fahrmanövers zu bewerten, kann das Bewegungsplanungsmodul eine Erreichbarkeitsanalyse durchführen.
  • Die Bewertungsgröße kann vom Bewegungsplanungsmodul auf Basis des ausgeführten Fahrmanövers und/oder auf Basis der Fahrzeugparameter während der Ausführung des Fahrmanövers ermittelt werden. Somit ist die Bewertungsgröße direkt abhängig von dem ausgeführten Fahrmanöver, sodass das Entscheidungsuntermodul direkt an die Durchführung des Fahrmanövers angepasst werden kann.
  • Beispielsweise kann die Bewertungsgröße den geringsten Abstand zu wenigstens einem benachbarten Fahrzeug während des Fahrmanövers, die höchste Querbeschleunigung des Fahrzeugs während des Fahrmanövers, die höchste Längsbeschleunigung des Fahrzeugs und/oder einen Kostenwert des Fahrmanövers aufweisen.
  • Im Allgemeinen ist auch denkbar, dass die Bewertungsgröße mehrere Werte umfasst. Beispielsweise ist die Bewertungsgröße ein Vektor, der einen oder mehrere der genannten Werte enthält.
  • Weiterhin kann die Bewertungsgröße auch ein mehrdimensionaler Vektor sein und beispielsweise für jeden Zeitschritt des Fahrmanövers einen oder mehrere der vorhergehend genannten Wert bzw. Werte umfassen.
  • Der Zeitschritt kann dabei auf der Zeitauflösung eines Sensors oder mehrerer Sensoren des Fahrzeugs basieren oder ein frei gewählter Wert sein, beispielsweise 10 ms.
  • Um Informationen über das ausgeführte Fahrmanöver anderen Fahrzeugen bereitzustellen, können Erkenntnisdaten an weitere Fahrzeuge übertragen werden. Die Erkenntnisdaten umfassen zumindest die Fahrzeugparameter, das auszuführende Fahrmanöver, das durchgeführte Fahrmanöver und/oder die Bewertungsgrö ße.
  • Anhand der übertragenen Erkenntnisdaten kann ein Entscheidungsuntermodul des weiteren Fahrzeugs angepasst werden.
  • Somit können mehrere Fahrzeuge, die ein entsprechendes Entscheidungsuntermodul aufweisen, die Erkenntnisdaten eines ausgeführten Fahrmanövers nutzen und auf Basis eines ausgeführten Fahrmanövers ihr Entscheidungsuntermodul anpassen. Die Fahrzeuge müssen dementsprechend nicht mehr zwangsläufig das Fahrmanöver selber ausführen und das wenigstens eine Entscheidungsuntermodul kann schneller lernen, bessere Fahrmanöver bereitzustellen.
  • In einer Ausgestaltung der Erfindung ermittelt der Server die benötigte Anpassung des Entscheidungsuntermoduls der weiteren Fahrzeuge basierend auf dem ausgeführten Fahrmanöver des einen Fahrzeugs.
  • Alternativ ist auch denkbar, dass die IT-Infrastruktur der weiteren Fahrzeuge basierend auf dem ausgeführten Fahrmanöver die nötigen Anpassungen des jeweiligen wenigstens einen Entscheidungsuntermodul ermittelt.
  • Im Allgemeinen ist auch denkbar, dass der Server die Fahrzeugparameter, das ausgewählte Fahrmanöver, das durchgeführte Fahrmanöver und/oder die Bewertungsgröße, also im Allgemeinen die Erkenntnisdaten, verarbeitet und/oder übermittelt.
  • In einer Ausgestaltung der Erfindung kann das wenigstens eine Entscheidungsuntermodul das mögliche Fahrmanöver anhand einer Zustandsmaschine („state machine“) bestimmen. Das mögliche Fahrmanöver wird dementsprechend durch ein Modell bestimmt, das das Verhalten des Fahrzeugs mit Zuständen, Zustandsübergängen und Aktionen beschreibt. Als Zustand kann das Fahren auf der Autobahn, das Parken auf dem Parkplatz, das Warten an der Ampel, die Fahrt durch eine verkehrsberuhigte Zone, das Abbiegen an einer Kreuzung, etc. gesehen werden und die Aktionen wären dann entsprechende Fahrmanöver, die das Fahrzeug in den entsprechenden Zuständen durchführen kann. Das Durchführen eines Fahrmanövers kann dann zu einem Zustandsübergang führen.
  • Es ist auch denkbar, dass das wenigstens eine Entscheidungsuntermodul das mögliche Fahrmanöver anhand einer Kostenfunktion bestimmt.
  • Unter einer Kostenfunktion wird im Allgemeinen eine Funktion verstanden, die einer Aktion oder einem Weg einen Wert zuweist, der die Kosten bzw. den Aufwand der entsprechenden Aktion oder des entsprechenden Weges angibt. So kann durch den Vergleich mehrerer Werte das optimale Fahrmanöver bestimmt werden, nämlich die Aktion oder der Weg, die bzw. der den geringsten Wert und somit die geringsten Kosten bzw. den geringsten Aufwand aufweist.
  • Beispielsweise ist jede Fahrspur mit einer Kostenfunktion parametrisiert, sodass das wenigstens eine Entscheidungsuntermodul durch den Vergleich der Kostenfunktionen der verschiedenen Fahrspuren entscheiden kann, ob das Fahrzeug auf der optimalen Fahrspur ist und falls nicht, einen entsprechenden Spurwechsel als Fahrmanöver bestimmen kann.
  • In einer Ausgestaltung der Erfindung bestimmt das wenigstens eine Entscheidungsuntermodul ein mögliches Fahrmanöver anhand eines Fahrzeugfolgemodells. Fahrzeugfolgemodelle sind im Allgemeinen Modelle, die Fahrmanöver basierend auf den Fahrmanövern anderer Fahrzeuge bestimmen.
  • Beispielsweise ist das wenigstens eine Entscheidungsuntermodul ein abstandsabhängiges Fahrzeugfolgemodell, sodass mögliche Fahrmanöver anhand des Abstandes zu benachbarten Fahrzeugen bestimmt wird.
  • In einer Ausgestaltung der Erfindung ist das Fahrzeugfolgemodelle ein psychophysisches Fahrzeugfolgemodelle nach Wiedemann, bei dem es vier Fahrmodi gibt, nämlich freies Fahren, Annäherung, Folgen und Bremsen. Abhängig von der Geschwindigkeit und dem Abstand zu einem benachbarten Fahrzeug wird zwischen einem Bereich mit freiem Verhalten, einem Folgebereich, einem Annäherungsbereich, einem Bremsbereich und einem Kollisionsbereich unterschieden, sodass mögliche Fahrmanöver, die abhängig von den Fahrmodi sind, anhand des Bereichs, in dem sich das Fahrzeug befindet, bestimmt werden.
  • Beispielsweise bestimmt das wenigstens eine Entscheidungsuntermodul das mögliche Fahrmanöver mithilfe eines Entscheidungsbaums, also durch Entscheidungsregeln.
  • Im Allgemeinen ist auch eine Kombination der genannten Entscheidungsuntermodule denkbar. So kann das das wenigstens eine Entscheidungsuntermodul das mögliche Fahrmanöver anhand einer Kostenfunktion, einem Entscheidungsbaum, einem Fahrzeugfolgemodell, insbesondere einem abstandsabhängigen Fahrzeugfolgemodell und/oder einem psycho-physischem Fahrzeugfolgemodell nach Wiedemann, und/oder einer Zustandsmaschine bestimmen. Diese Modelle sind bewährte Methoden, um in verschiedenen Fahrsituationen entsprechende Fahrmanöver zu bestimmen.
  • Zumindest eines des wenigstens einen Entscheidungsuntermoduls kann das mögliche Fahrmanöver mittels eines Maschinenlern-Entscheidungsprozesses, insbesondere eines verstärkenden Maschinenlern-Entscheidungsprozesses bestimmen. Das wenigstens eine Entscheidungsuntermodul generiert somit künstliche Erfahrung aus den möglichen Fahrmanövern, dem auszuführenden Fahrmanöver und/oder dem durchgeführten Fahrmanöver. Somit wird das wenigstens eine Entscheidungsuntermodul durch die Fahrmanöver trainiert.
  • Bei verstärkenden Maschinenlern-Entscheidungsprozessen erlernt der Prozess selbstständig eine Strategie, um erhaltene Belohnungen zu maximieren. Beispielsweise erhält der Maschinenlern-Entscheidungsprozesses eine Belohnung, wenn vorgegebene Abstände zu benachbarten Fahrzeugen während eines Fahrmanövers eingehalten werden.
  • Die Bewertungsgröße kann als eine Belohnung (Englisch: „reward“) für Fahrmanöver, die im Sinne der Straßenverkehrsordnung ausgeführt werden, an das wenigstens eine Entscheidungsuntermodul übermittelt werden. Somit kann das Entscheidungsuntermodul so verändert werden, dass Fahrmanöver im Sinne der Straßenverkehrsordnung ausgeführt werden.
  • In einer Ausgestaltung ist der Maschinenlern-Entscheidungsprozess ein überwachter oder teilüberwachter Maschinenlern-Entscheidungsprozess, wonach die möglichen Fahrmanöver von einem Fahrer überwacht werden.
  • Beispielsweise wird das von dem Maschinenlern-Entscheidungsprozess bestimmte mögliche Fahrmanöver mit einem ausgeführten Fahrmanöver eines Fahrers des Fahrzeugs verglichen.
  • Es ist denkbar, dass der Maschinenlern-Entscheidungsprozess wenigstens durch ein neuronales Netz verwirklicht ist, auf Spieltheorie basiert, ein Markow-Entscheidungsprozess und/oder ein teilweise beobachtbarer Markow-Entscheidungsprozess ist. Die teilweise beobachtbaren Markow-Entscheidungsprozesse sind im Englischen auch bekannt als „partially observable Markov decision processes“.
  • Bei Markow-Entscheidungsprozessen wird das Fahrzeug, analog zu den Zustandsmaschinen, mit Zuständen, Aktionen und Zustandsübergängen beschrieben. Zusätzlich ist eine Belohnungsfunktion vorgesehen, also beispielsweise die Bewertungsgröße, die einem bestimmten Zustandsübergang eine Belohnung zuordnet und eine Richtlinie (Englisch: „policy“), die jedem Zustand die optimale Aktion zuordnet. Außerdem ist ein Abschlagsfaktor (Englisch: „discount factor“) vorgesehen, mit dem alle noch erreichbaren Belohnungen nach einer Aktion reduziert werden. Durch die Markow-Entscheidungsprozesse kann das Entscheidungsuntermodul eigenständig Fahrmanöver bestimmen.
  • Im Sinne der Spieltheorie kann der Maschinenlern-Entscheidungsprozess in einer Ausgestaltung der Erfindung mögliche Fahrmanöver benachbarter Fahrzeuge bestimmen und diesen Wahrscheinlichkeiten zuordnen, sodass wenigstens ein mögliches Fahrmanöver basierend auf den möglichen Fahrmanövern benachbarter Fahrzeuge bestimmt wird.
  • In einer Ausgestaltung der Erfindung wird die Bewertungsgröße verwendet, um einen Maschinenlern-Entscheidungsprozess des wenigstens einen Entscheidungsuntermoduls zu trainieren. Das Entscheidungsuntermodul kann somit direkt durch die Bewertungsgröße trainiert werden.
  • Mit anderen Worten ist nicht zwangsläufig ein Mensch nötig, der den Maschinenlern-Entscheidungsprozess trainiert, sondern der Maschinenlern-Entscheidungsprozess wird basierend auf der Bewertungsgröße trainiert. Dadurch können die notwendigen Ressourcen zum Anlernen verringert werden.
  • Um die Stärken der einzelnen Methoden zur Bestimmung eines Fahrmanövers zu nutzen, können mehrere Entscheidungsuntermodule vorgesehen sein, die jeweils wenigstens ein mögliches Fahrmanöver bestimmen. In diesem Fall wählt ein Entscheider aus den bestimmten möglichen Fahrmanöver ein auszuführendes Fahrmanöver aus, das an das Bewegungsplanungsmodul übergeben wird.
  • In einer Ausgestaltung der Erfindung ist der Entscheider ein Fahrer des Fahrzeugs, ein Auswahlmodul oder eine Kombination davon.
  • Das Auswahlmodul wählt das auszuführende Fahrmanöver beispielsweise anhand der Gewichtung der Glaubwürdigkeit des entsprechenden Entscheidungsuntermoduls und/oder der Häufigkeit des Vorkommens eines möglichen Fahrmanövers aus.
  • Im Allgemeinen ist es denkbar, dass die Gewichtung der Glaubwürdigkeit abhängig von der Anzahl an bereits bestimmten Fahrmanövern ist und/oder abhängig von der Fahrsituation.
  • Ein mögliches Fahrmanöver eines bestimmten Entscheidungsuntermoduls kann also in einer bestimmten Fahrsituation bevorzugt sein, beispielsweise beim Abbiegen oder beim Überholen eines anderen Fahrzeugs.
  • Die Gewichtung der Glaubwürdigkeit kann auch anhand der Bewertungsgröße angepasst werden, sodass das Fahrmanöver des entsprechenden Entscheidungsuntermoduls bei weiteren Auswahlprozessen von Fahrmanövern bzw. das entsprechende Entscheidungsuntermodul selbst eine höhere Gewichtung erhält.
  • In einer Ausgestaltung der Erfindung kann das Auswahlmodul ein künstliches neuronales Netz aufweisen und dementsprechend trainiert werden, um in bestimmten Fahrsituationen ein Fahrmanöver auszuwählen.
  • Die Aufgabe wird ferner erfindungsgemäß gelöst durch ein Steuergerät für ein Fahrzeug zum Steuern des Fahrzeugs, wobei das Steuergerät dazu ausgebildet ist, das oben beschriebene Verfahren auszuführen. Hinsichtlich der Vorteile und Merkmale wird auf die obigen Erläuterungen bezüglich des Verfahrens verwiesen, die gleichermaßen für das Steuergerät gelten.
  • Außerdem wird die Aufgabe erfindungsgemäß gelöst durch ein Fahrzeug mit einem vorhergehend beschriebenen Steuergerät und einem Sensor zur Erfassung wenigstens eines Fahrzeugparameters, wobei das Fahrzeug dazu eingerichtet ist, das oben beschriebene Verfahren durchzuführen. Auch hier wird hinsichtlich der Vorteile und Merkmale auf die obigen Erläuterungen bezüglich des Verfahrens verwiesen, die gleichermaßen für das Fahrzeug gelten.
  • Die Aufgabe wird weiterhin erfindungsgemäß gelöst durch ein Computerprogramm mit Programmcodemitteln, um die Schritte des oben beschriebenen Verfahrens durchzuführen, wenn das Computerprogramm auf einer Recheneinheit ausgeführt wird, insbesondere einer Recheneinheit eines oben beschriebenen Steuergeräts. Hinsichtlich der Vorteile und Merkmale wird auch hier auf die obigen Erläuterungen verwiesen, die gleichermaßen für das Computerprogramm mit Programmcodemitteln gelten.
  • Unter „Programmcodemitteln“ sind dabei und im Folgenden computerausführbare Instruktionen in Form von Programmcode und/oder Programmcodemodulen in kompilierter und/oder in unkompilierter Form zu verstehen, die in einer beliebigen Programmiersprache und/oder in Maschinensprache vorliegen können.
  • Weiterhin wird die Aufgabe erfindungsgemäß gelöst durch ein System zum Bestimmen eines Fahrmanövers, mit wenigstens einem Fahrzeug, wie es vorhergehend beschrieben wurde. Hinsichtlich der Vorteile und Merkmale wird auch hier auf die obigen Erläuterungen verwiesen, die gleichermaßen für das System gelten.
  • Es ist insbesondere vorgesehen, dass zwei der oben beschriebenen Fahrzeuge für das System vorgesehen sind.
  • In einer Ausgestaltung der Erfindung weist das System einen Server auf, der zur Datenverbindung mit dem wenigstens einen Fahrzeug verbunden ist, wobei das Bewegungsplanungsmodul das Fahrzeug derart steuert, dass das Fahrzeug ein Fahrmanöver ausführt, wobei der Server Erkenntnisdaten von einem der Fahrzeuge erhält und/oder bereitstellt und der Server die Erkenntnisdaten an das wenigstens eine weitere Fahrzeug übermittelt und/oder der Server die Anpassung des Entscheidungsuntermoduls des wenigstens einen anderen Fahrzeugs anhand der Erkenntnisdaten bestimmt und Anpassungsinformationen an das wenigstens eine weitere Fahrzeug übermittelt. Durch dieses System können die Fahrzeuge untereinander auf die Erkenntnisdaten der anderen Fahrzeuge zugreifen, sodass die Entscheidungsuntermodule schneller und besser angepasst werden können.
  • Das Entscheidungsuntermodul eines Fahrzeugs kann also insbesondere basierend auf ausgeführten Fahrmanövern anderer Fahrzeuge angepasst werden.
  • Auch hier beinhalten die Erkenntnisdaten zumindest die Erkenntnisdaten des einen Fahrzeugs, das das Fahrmanöver ausführt, also die Fahrzeugparameter, die möglichen Fahrmanöver, das auszuführende Fahrmanöver, das durchgeführte Fahrmanöver und/oder die Bewertungsgröße.
  • Der Server ist zum Beispiel über ein Netzwerk, wie das Internet, für die Fahrzeuge erreichbar.
  • Weitere Vorteile und Merkmale ergeben sich aus der nachfolgenden Beschreibung sowie aus den beigefügten Zeichnungen, auf die im Folgenden Bezug genommen wird. In diesen zeigen:
    • - 1 eine schematische Darstellung eines erfindungsgemäßen Fahrzeugs mit einem erfindungsgemäßen Steuergerät für ein erfindungsgemäßes System zum Bestimmen eines Fahrmanövers,
    • - 2 ein schematisches Blockschaltbild des Steuergeräts zum Bestimmen eines Fahrmanövers aus 1,
    • - 3 ein schematisches Blockschaltbild des Fahrzeugparametererfassungsmoduls aus 2,
    • - 4 ein schematisches Blockschaltbild des Fahrmanöverplanungsmoduls aus 2,
    • - 5 ein schematisches Blockschaltbild des Bewegungsplanungsmoduls aus 2,
    • - 6 eine erste Ausführungsform eines Systems zum Bestimmen eines Fahrmanövers in einem schematischen Blockschaltbild,
    • - 7 ein schematisches Blockschaltbild eines Systems zum Bestimmen eines Fahrmanövers in einer zweiten Ausführungsform, und
    • - 8 eine dritte Ausführungsform eines Systems zum Bestimmen eines Fahrmanövers in einem schematischen Blockschaltbild.
  • Die 1 zeigt eine schematische Darstellung eines Fahrzeugs 10. Das Fahrzeug 10 umfasst mehrere Sensoren 12, ein Steuergerät 14, ein Fahrassistenzsystem 16 und mehrere Steuereinrichtungen 18 zum Steuern des Fahrzeugs 10.
  • Das Fahrzeug 10 ist zum Beispiel ein Kraftfahrzeug für den Straßenverkehr, wie ein Lkw oder ein Pkw.
  • Die Sensoren 12 sind vorne, hinten und/oder seitlich am Fahrzeug 10 angeordnet und dazu ausgebildet, die Umgebung des Fahrzeugs 10 und/oder Daten bezogen auf das Fahrzeug 10 zu erfassen. Die Sensoren 12 generieren entsprechende Fahrzeugparameter P und übermitteln diese an das Steuergerät 14, wie durch die Pfeile in 1 dargestellt.
  • Die Sensoren 12 umfassen einen Positionssensor 26 (3), beispielsweise einen satellitenbasierten Positionssensor, der die momentane geographische Position des Fahrzeugs 10 bestimmt. Der Positionssensor 26 generiert dementsprechend Positionsdaten als Fahrzeugparameter P.
  • Es ist auch ein Kamerasensor 28 (3) vorgesehen, der mittels einer nicht gezeigten Kamera Bilder und/oder Videos der Umgebung des Fahrzeugs 10 aufnimmt. Der Kamerasensor 28 generiert entsprechend Kameradaten als Fahrzeugparameter P. Mithilfe des Kamerasensors 28 können benachbarte Fahrzeuge erfasst, die Fahrspurbegrenzungen erkannt und/oder markante Objekte erfasst werden.
  • Unter „markanten Objekten“ werden beispielsweise Verkehrsschilder und/oder Sehenswürdigkeiten in der näheren Umgebung verstanden.
  • Außerdem ist ein Beschleunigungs- und/oder Geschwindigkeitssensor 30 (3) vorgesehen, der die Beschleunigungs- und/oder Geschwindigkeitsdaten des Fahrzeugs 10 als Fahrzeugparameter P erfasst.
  • Weiterhin ist ein optischer Sensor 32 (3), beispielsweise ein LIDAR- und/oder Radarsensor, vorgesehen, der die Abstände zu benachbarten Objekten und die Geschwindigkeiten der benachbarten Objekte, beispielsweise benachbarter Fahrzeuge, als Fahrzeugparameter P generiert.
  • Zur Veranschaulichung wurde für jeden dieser Fahrzeugparameter P ein eigener Sensor 12 beschrieben. Selbstverständlich ist nicht für jeden dieser Fahrzeugparameter P ein eigener Sensor 12 notwendig.
  • Das Steuergerät 14 weist einen Datenträger 19 und eine Recheneinheit 20 auf, wobei auf dem Datenträger 19 ein Computerprogramm gespeichert ist, das auf der Recheneinheit 20 ausgeführt wird und das Programmcodemittel umfasst, um ein Fahrmanöver gemäß dem nachfolgend beschriebenen Verfahren zu bestimmen.
  • Das Steuergerät 14 kann zudem das Fahrassistenzsystem 16 umfassen. Denkbar ist jedoch auch, dass das Fahrassistenzsystem 16 als separates System ausgebildet ist.
  • Allgemein ausgedrückt werden die Fahrzeugparameter P an das Steuergerät 14 übermittelt, das Steuergerät 14 verarbeitet die von den Sensoren 12 erhaltenen Fahrzeugparameter P und steuert das Fahrzeug 10 mittels des Fahrassistenzsystems 16 wenigstens teilweise automatisiert, insbesondere vollautomatisch.
  • Die Fahrzeugparameter P können auch von benachbarten Fahrzeugen und/oder einem zentralen Server über ein Netzwerk an das Steuergerät 14 übermittelt werden.
  • Das Fahrassistenzsystem 16 kann eine Querbewegung und/oder eine Längsbewegung des Fahrzeugs 10 wenigstens teilweise automatisiert steuern, insbesondere vollautomatisch. Dies ist in 1 schematisch durch Pfeile dargestellt, die Signale G zu entsprechenden Steuereinrichtungen 18 des Fahrzeugs 10 darstellen.
  • 2 zeigt ein Blockschaltbild des Steuergeräts 14. Das Steuergerät 14 hat ein Fahrzeugparametererfassungsmodul 21, ein Fahrmanöverplanungsmodul 22 und ein Bewegungsplanungsmodul 24.
  • Das Fahrzeugparametererfassungsmodul 21 sammelt und/oder generiert die Fahrzeugparameter P, beispielsweise durch die Sensoren 12, und übergibt diese an das Fahrmanöverplanungsmodul 22 und das Bewegungsplanungsmodul 24.
  • Das Fahrmanöverplanungsmodul 22 bestimmt wenigstens ein mögliches Fahrmanöver M unter Einbeziehung der Fahrzeugparameter P und übergibt wenigstens eines der möglichen Fahrmanöver M und/oder ein auszuführendes Fahrmanöver MAZ an das Bewegungsplanungsmodul 24.
  • Das Bewegungsplanungsmodul 24 bewertet das wenigstens eine mögliche Fahrmanöver M und/oder das auszuführende Fahrmanöver MAZ, d. h. es berechnet eine Bewertungsgröße B, und generiert Steuerbefehle S zum Steuern des Fahrzeugs 10.
  • Die Steuerbefehle S werden an das Fahrassistenzsystem 16 übergeben, das wiederum die Signale G (1) an die Steuereinrichtungen 18 des Fahrzeugs 10 übermittelt.
  • Das Bewegungsplanungsmodul 24 übergibt das ausgeführte Fahrmanöver MAG und/oder eine Bewertungsgröße B des Fahrmanövers an das Fahrmanöverplanungsmodul 22, das mithilfe des ausgeführten Fahrmanövers MAG und/oder der Bewertungsgröße B den Entscheidungsprozess zur Auswahl der Fahrmanöver M verbessert, zum Beispiel ein Entscheidungsuntermodul 38 (4) des Fahrmanöverplanungsmoduls 22 anpasst.
  • In den 3 bis 5 sind das Fahrzeugparametererfassungsmodul 21 und das Fahrmanöverplanungsmodul 22 bzw. das Bewegungsplanungsmodul 24 detailliert in jeweils einem Blockschaltbild dargestellt.
  • Wie die 3 zeigt, umfasst das Fahrzeugparametererfassungsmodul 21 neben den oben beschriebenen Sensoren 12 auch ein Fahrwegplanungsmodul 34 und ein Weiterverarbeitungsmodul 36.
  • Das Fahrwegplanungsmodul 34 plant einen Weg für das Fahrzeug 10 zu einem gewünschten Zielort. Hierfür hat es Zugriff auf entsprechendes Kartenmaterial, das beispielsweise auf dem Datenträger 19 hinterlegt ist, und kann die Positionsdaten des Positionssensors 26 nutzen, um von der momentanen geographischen Position zum Zielort zu navigieren. Das Fahrwegplanungsmodul 34 generiert also Navigationsdaten, die im Rahmen dieser Erfindung auch als Fahrzeugparameter P verstanden werden.
  • Das Weiterverarbeitungsmodul 36 ist dazu ausgebildet, die Daten der Sensoren 12 und/oder die Fahrzeugparameter P zu kombinieren, um aufbereitete und/oder detailreichere Fahrzeugparameter P zu erhalten.
  • In 3 ist dargestellt, dass die Positionsdaten und die Kameradaten kombiniert werden. Durch die Einbeziehung der Anzahl an detektierten Fahrspuren, der erfassten Fahrzeugschilder und/oder der benachbarten Sehenswürdigkeiten wird in dieser Ausführungsform die Bestimmung der momentanen geographischen Position verbessert.
  • Es ist auch denkbar, die Abstandsdaten zu benachbarten Fahrzeugen und die Kameradaten zu kombinieren, um Bewegungstrajektorien benachbarter Fahrzeuge zu erhalten und/oder das Verhalten benachbarter Fahrzeuge vorherzusagen. Die Daten, die von dem Weiterverarbeitungsmodul 36 generiert werden, sind auch als Fahrzeugparameter P zu verstehen.
  • Die Fahrzeugparameter P werden durch das Fahrzeugparametererfassungsmodul 21 an das Fahrmanöverplanungsmodul 22 und das Bewegungsplanungsmodul 24 übergeben.
  • Das Fahrmanöverplanungsmodul 22 ist in 4 in einem schematischen Blockschaltbild dargestellt und umfasst ein Aufbereitungsmodul 37, drei Entscheidungsuntermodule 38, einen Entscheider 40 und ein Erkenntnismodul 42.
  • Das Aufbereitungsmodul 37 empfängt die Fahrzeugparameter P vom Fahrzeugparametererfassungsmodul 21 und ist dazu ausgebildet, die Fahrzeugparameter P für die weitere Verwendung vorzubereiten.
  • Beispielsweise transformiert das Aufbereitungsmodul 37 die Fahrzeugparameter P in ein gemeinsames Koordinatensystem. Es ist auch denkbar, dass das Aufbereitungsmodul 37 ein Modell für das Verhalten benachbarter Fahrzeuge erzeugt.
  • Das Aufbereitungsmodul 37 übergibt die aufbereiteten Fahrzeugparameter P und/oder die nicht aufbereiteten Fahrzeugparameter P an die Entscheidungsuntermodule 38.
  • Die Entscheidungsuntermodule 38 bestimmen basierend auf den Fahrzeugparametern P jeweils wenigstens ein mögliches Fahrmanöver M, wobei die verschiedenen Entscheidungsuntermodule 38 ein mögliches Fahrmanöver M aufgrund der Fahrzeugparameter P durch verschiedene Verfahren oder Modelle auswählen. Zum Beispiel erfolgt die Bestimmung anhand einer Kostenfunktion, einem Entscheidungsbaum, einem Fahrzeugfolgemodell, insbesondere einem abstandsabhängigen Fahrzeugfolgemodell und/oder einem psycho-physischem Fahrzeugfolgemodell nach Wiedemann, und/oder einer Zustandsmaschine.
  • Im gezeigten Ausführungsbeispiel sind drei verschiedene Entscheidungsuntermodule 38 vorgesehen, nämlich ein erstes, ein zweites und ein drittes Entscheidungsuntermodul 38a, 38b bzw. 38c.
  • Das erste Entscheidungsuntermodul 38a bestimmt ein mögliches Fahrmanöver Ma in Abhängigkeit aller oder mehrerer der Fahrzeugparameter P mittels einer Zustandsmaschine.
  • Das zweite Entscheidungsuntermodul 38b ist ein Insasse und/oder der Fahrer des Fahrzeugs 10, der ein mögliches Fahrmanöver Mb bestimmt.
  • In gezeigten Ausführungsform bestimmt das dritte Entscheidungsuntermodul 38c ein mögliches Fahrmanöver Mc mittels eines verstärkenden Maschinenlern-Entscheidu ng sprozesses.
  • Zum Beispiel hat das dritte Entscheidungsuntermodul 38c ein künstliches neuronales Netzwerk, dass den Maschinenlern-Entscheidungsprozesses ausführt. Denkbar ist jedoch auch, dass der Maschinenlern-Entscheidungsprozesses ein Markow-Entscheidungsprozess, ein teilweise beobachtbarer Markow-Entscheidungsprozess ist und/oder auf Spieltheorie basiert.
  • Im Allgemeinen ist es denkbar, dass die Entscheidungsuntermodule 38 mehr als ein mögliches Fahrmanöver M bestimmen und/oder dass unterschiedliche Entscheidungsuntermodule 38 die gleichen Fahrmanöver M auswählen. Beispielsweise können das mögliche Fahrmanöver M des Entscheidungsuntermoduls 38a, also das Fahrmanöver Ma, und das mögliche Fahrmanöver M des Entscheidungsuntermoduls 38b, also das Fahrmanöver Mb, identisch sein.
  • Die Entscheidungsuntermodule 38a, 38b und 38c übergeben die möglichen Fahrmanöver Ma, Mb und Mc an den Entscheider 40.
  • Dabei ist jedem Entscheidungsuntermodul 38 ein Gewichtungsfaktor a der Glaubwürdigkeit des entsprechenden Entscheidungsuntermoduls 38 zugewiesen, d.h. der Gewichtungsfaktor a gibt an, wie groß die Wahrscheinlichkeit ist, dass das vom entsprechenden Entscheidungsuntermodul 38 bestimme mögliche Fahrmanöver M das beste bzw. optimale Fahrmanöver ist.
  • Die Gewichtungsfaktoren a sind nicht die Konfidenzwerte, die bei der Bestimmung des möglichen Fahrmanövers M durch das jeweilige Entscheidungsuntermodul 38 bzw. den verwendeten Entscheidungsprozess selbst ermittelt werden, können aber darauf basieren.
  • Die Gewichtungsfaktoren a können mit der Zeit angepasst werden.
  • Beispielsweise ist die Gewichtung der Glaubwürdigkeit aa des ersten Entscheidungsuntermoduls 38a und die Gewichtung der Glaubwürdigkeit ab des zweiten Entscheidungsuntermoduls 38b anfangs höher als die Gewichtung der Glaubwürdigkeit ac des dritten Entscheidungsuntermoduls 38c, das das mögliche Fahrmanöver Mc mittels des verstärkenden Maschinenlern-Entscheidungsprozesses bestimmt.
  • Die Gewichtungsfaktoren a sind dem Entscheider 40 bekannt, zum Beispiel sind sie in einem Speicher des Entscheiders 40 abgelegt.
  • Der Entscheider 40 wählt, unter anderem aufgrund der Gewichtungsfaktoren aa, ab, ac eines der möglichen Fahrmanöver Ma, Mb und Mc aus und bestimmt damit das auszuführende Fahrmanöver MAZ, das an das Bewegungsplanungsmodul 24 übergeben wird.
  • In der gezeigten Ausführungsform ist der Entscheider 40 ein Auswahlmodul 44, also ein Modul, das durch einen computergestützten Auswahlprozess das auszuführendes Fahrmanöver MAZ ermittelt.
  • Im Speziellen ist das Auswahlmodul 44 ein künstliches neuronales Netz, wobei zumindest die möglichen Fahrmanöver Ma, Mb, Me, die Fahrzeugparameter P und/oder die Gewichtungsfaktoren aa, ab, ac die Eingangsgrößen des künstlichen neuronalen Netzes sind und das auszuführende Fahrmanöver MAZ die wenigstens eine Ausgangsgröße des künstlichen neuronalen Netzes ist.
  • Im Allgemeinen ist es auch denkbar, dass ein Entscheidungsuntermodul 38, das mehrere mögliche Fahrmanöver M ermittelt, eine Präferenz festlegt und somit dem Entscheider 40 eine Hilfestellung bei der Auswahl des auszuführenden Fahrmanövers MAZ gibt. Das Entscheidungsuntermodul 38a wählt beispielsweise ein präferiertes mögliches Fahrmanöver M aus und/oder legt eine Hierarchie unter den ausgewählten Fahrmanövern M fest.
  • Weiterhin ist es denkbar, dass das Auswahlmodul 44 überprüft, ob eine ähnliche Fahrsituation bereits vorgelegen hat und das mögliche Fahrmanöver M des Entscheidungsuntermoduls 38 auswählt, das in der ähnlichen Fahrsituation die beste Entscheidung getroffen hat.
  • Es ist auch denkbar, dass der Entscheider 40 ein Insasse und/oder der Fahrer des Fahrzeugs 10 ist, der auf einem Display mögliche Fahrmanöver M angezeigt bekommt und durch die Auswahl und/oder das Durchführen eines Fahrmanövers M eine Entscheidung trifft.
  • Das auszuführende Fahrmanöver MAZ wird anschließend dem Bewegungsplanungsmodul 24 übergeben.
  • Die 5 zeigt ein schematisches Blockschaltbild des Bewegungsplanungsmoduls 24, das im gezeigten Ausführungsbeispiel ein Analysemodul 46 und ein Bewertungsmodul 48 umfasst.
  • Wie vorhergehend erläutert, erhält das Bewegungsplanungsmodul 24 die Fahrzeugparameter P vom Fahrzeugparametererfassungsmodul 21 und das auszuführende Fahrmanöver MAZ vom Fahrmanöverplanungsmodul 22.
  • Das Analysemodul 46 analysiert das auszuführende Fahrmanöver MAZ hinsichtlich der Durchführbarkeit unter anderem auf Basis der Fahrzeugparameter P. Es kann insbesondere abschätzen, ob während der Durchführung des Fahrmanövers eine Kollision des Fahrzeugs 10 mit einem Objekt, beispielsweise einem weiteren Fahrzeug, stattfinden würde.
  • Beispielsweise benutzt das Analysemodul 46 die Unsicherheiten in den Trajektorien benachbarter Fahrzeuge, die Unsicherheiten in der Geschwindigkeit des Fahrzeugs 10 und die Unsicherheiten im Verlauf der Fahrspur, um die Durchführbarkeit des Fahrmanövers abschätzen zu können.
  • Das Analysemodul 46 kann auch bestimmen, ob das Ende des Fahrmanövers erreicht werden kann, zum Beispiel aufgrund von physikalischen Grenzen oder Komfortgrenzwerten für die Längs- und Querbeschleunigung.
  • Anhand der Durchführbarkeitsanalyse und/oder Erreichbarkeitsanalyse des Analysemoduls 46 wird im Anschluss das Fahrmanöver MAG bestimmt, das das Fahrzeug 10 ausführt. Hierfür stellt das Analysemodul 46 die Steuerbefehle S bereit, die an das Fahrassistenzsystem 16 übergeben werden.
  • Das Bewertungsmodul 48 dagegen generiert die Bewertungsgröße B für ein Fahrmanöver.
  • Das Bewertungsmodul 48 bewertet das mögliche Fahrmanöver M, das auszuführende Fahrmanöver MAZ und/oder das ausgeführte Fahrmanöver MAG. Hierfür verwendet das Bewertungsmodul 48 unter anderem die Fahrzeugparameter P.
  • Zur Bewertung des auszuführenden Fahrmanövers MAZ bzw. des ausgeführten Fahrmanövers MAG speichert und/oder analysiert das Bewertungsmodul 48 die während der Durchführung des auszuführenden Fahrmanövers MAZ bzw. des ausgeführten Fahrmanövers MAG bestimmten Fahrzeugparameter P und/oder greift auf die Ergebnisse der Durchführbarkeitsanalyse des Analysemoduls 46 zurück.
  • Beispielsweise umfasst die Bewertungsgröße B den geringsten Abstand zu benachbarten Fahrzeugen, die höchste Querbeschleunigung des Fahrzeugs 10 während des Fahrmanövers und/oder einen Wert, der angibt, ob die Maximalgeschwindigkeit der Straßenverkehrsordnung eingehalten wurde.
  • Selbstverständlich sind weitere Werte bzw. Parameter als Teil der Bewertungsgröße B denkbar.
  • Die Bewertungsgröße B enthält somit mehrere Werte. Beispielsweise ist die Bewertungsgröße B ein Vektor, der die genannten Werte enthält.
  • Auch kann die Bewertungsgröße B ein mehrdimensionaler Vektor sein und beispielsweise für jeden Zeitschritt des Fahrmanövers einen oder mehrere der vorhergehend genannten Wert bzw. Werte umfassen.
  • Nachdem das Bewertungsmodul 48 die Bewertungsgröße B erstellt hat, übermittelt das Bewegungsplanungsmodul 24 das ausgeführte Fahrmanöver MAG und übergibt die Bewertungsgröße B zurück an das Fahrmanöverplanungsmodul 22.
  • Die Bewertungsgröße B wird daraufhin dem Entscheidungsuntermodul 38c übergeben und das Entscheidungsuntermodul 38c wird unter Einbeziehung der Bewertungsgröße B angepasst. Genauer gesagt wird der Maschinenlern-Entscheidungsprozess, insbesondere das künstliche neuronale Netz, der das mögliche Fahrmanöver Mc bestimmt hat, mittels der Bewertungsgröße B trainiert.
  • Mittels der Bewertungsgröße B kann auch das Auswahlmodul 44, insbesondere das künstliche neuronale Netz des Auswahlmoduls 44 trainiert und angepasst werden.
  • Auch können die Gewichtungsfaktoren aa, ab, ac der Glaubwürdigkeit der Entscheidungsuntermodule 38a, 38b bzw. 38c anhand der Bewertungsgröße B angepasst werden, zum Beispiel ebenfalls durch das Auswahlmodul 44 bzw. den Entscheider 40.
  • Wie in 4 zu sehen ist, ist das Erkenntnismodul 42 des Fahrmanöverplanungsmoduls 22 dazu ausgebildet, Erkenntnisdaten E bereitzustellen. Die Erkenntnisdaten E umfassen zum Beispiel die möglichen Fahrmanöver Ma, Mb, Mb, das auszuführende Fahrmanöver MAZ, die Fahrzeugparameter P, das durchgeführte Fahrmanöver MAG und die Bewertungsgröße B.
  • Das Erkenntnismodul 42 speichert beispielsweise die Fahrzeugparameter P, die während des durchgeführten Manövers MAG gemessen wurden und wertet diese aus, sodass nur relevante Daten der Fahrzeugparameter P als Erkenntnisdaten E weitergegeben werden.
  • Es ist auch denkbar, dass die Erkenntnisdaten E genauere Daten zum Auswahlprozess des Entscheiders 40 aufweisen.
  • Wie durch die Pfeile angedeutet, werden die Erkenntnisdaten E vom Fahrmanöverplanungsmodul 22 bereitgestellt, sodass beispielsweise weitere Fahrzeuge auf die Erkenntnisdaten E des Fahrzeugs 10 zurückgreifen können.
  • Außerdem können die Erkenntnisdaten E dazu verwendet werden, eines der Entscheidungsuntermodule 38 anzupassen, zum Beispiel, um den verstärkenden Maschinenlern-Entscheidungsprozess zu trainieren.
  • Das erläuterte Verfahren wird im Folgenden anhand eines stark vereinfachten Beispiels eines Spurwechsels des Fahrzeugs 10 auf einer Autobahn näher erläutert.
  • Die Sensoren 12 des Fahrzeugs 10 erkennen beispielsweise ein weiteres Fahrzeug auf der Fahrspur, auf der das Fahrzeug 10 fährt. Das weitere Fahrzeug bewegt sich mit einem gewissen Abstand vor dem Fahrzeug 10 und hat eine geringere Geschwindigkeit als das Fahrzeug 10. Falls das Fahrzeug 10 mit gleichbleibender Geschwindigkeit der Fahrspur folgen würde, so würde es zu einer Kollision zwischen dem Fahrzeug 10 und dem weiteren Fahrzeug kommen.
  • Es werden also unter anderem die Geschwindigkeit des weiteren Fahrzeugs und der Abstand zu dem weiteren Fahrzeug als Fahrzeugparameter P an das Fahrmanöverplanungsmodul 22 übergeben. Zusätzlich wird durch die Sensoren 12 auch erkannt, dass die benachbarte Fahrspur, die Überholspur, frei ist.
  • Basierend auf diesen Fahrzeugparametern P bestimmt das Fahrmanöverplanungsmodul 22, insbesondere die Entscheidungsuntermodule 38a, 38b, 38c mögliche Fahrmanöver Ma, Mb und Mc. Ein mögliches Fahrmanöver Ma könnte sein, dass das Fahrzeug 10 seine Geschwindigkeit stark verringert und an die Geschwindigkeit des weiteren Fahrzeugs anpasst. Als weiteres mögliches Fahrmanöver Mb wird ermittelt, dass das Fahrzeug 10 einen Spurwechsel vornimmt, um das weitere Fahrzeug zu überholen.
  • Dem Entscheider 40 werden die möglichen Fahrmanöver Ma, Mb und Me übermittelt und der Entscheider wählt dann eines der Fahrmanöver Ma, Mb, Mc aus, zum Beispiel das erste mögliche Fahrmanöver Ma. Dieses Fahrmanöver ist im Folgenden das auszuführende Fahrmanöver MAZ.
  • Das Fahrmanöverplanungsmodul 22 übergibt zumindest das auszuführende Fahrmanöver MAZ an das Bewegungsplanungsmodul 24, welches entsprechende Steuersignale S an das Fahrassistenzsystem 16 übermittelt.
  • Im beschriebenen Ausführungsbeispiel übergibt das Fahrmanöverplanungsmodul 22 ein sehr unspezifisches auszuführendes Fahrmanöver MAZ an das Bewegungsplanungsmodul 24, nämlich das Fahrmanöver zum Verlangsamen der Geschwindigkeit, und das Bewegungsplanungsmodul 24 setzt diese Anweisung bzw. Zielsetzungen in konkrete Steuerbefehle S um.
  • Im Allgemeinen sind auch genaue Anweisungen denkbar. Beispielsweise, dass das Fahrzeug 10 zunächst ein weiteres Fahrzeug auf der benachbarten Fahrspur vorbeifahren lassen soll, anschließend die Geschwindigkeit um einen gewissen Wert erhöhen und zeitgleich auf die benachbarte Fahrspur wechseln soll.
  • Weiterhin ist es auch denkbar, dass das Fahrmanöverplanungsmodul 22 einen Korridor festlegt, beispielsweise einen Zeitkorridor oder einen Streckenkorridor, in dem das Bewegungsplanungsmodul 24 ein Fahrmanöver ausführen muss.
  • Beispielsweise wird durch die Sensoren 12 ein stehendes Auto auf der Fahrspur erkannt und dem Bewegungsplanungsmodul 24 eine Anforderung übergeben, dass das Fahrzeug 10 innerhalb der nächsten 5 Sekunden und/oder innerhalb der nächsten 200 m die Fahrspur wechseln oder anhalten muss.
  • Weiterhin ist es auch denkbar, dass das Fahrmanöverplanungsmodul 22 sehr detailliert die möglichen Fahrmanöver M plant und beispielsweise entsprechende Steuerbefehle S und/oder Signale G für die Steuereinrichtungen 18 des Fahrzeugs 10 aufweist.
  • Das Bewegungsplanungsmodul 24 ermittelt die Bewertungsgröße B, die im Beispiel negativ ausfällt. Das Bewegungsplanungsmodul 24 bestraft hier die Auswahl des Fahrmanövers Ma, da durch das Fahrmanöver Ma mehr Zeit benötigt wird, um das Ziel der Fahrt zu erreichen, und abgebremst werden muss.
  • Das Fahrmanöverplanungsmodul 22 erhält somit eine negative Bewertungsgröße B durch das Bewegungsplanungsmodul 24 und passt das Entscheidungsuntermodul 38 so an, dass das Entscheidungsuntermodul 38 oder den Entscheider 40 - zum Beispiel durch Anpassung der Gewichtungsfaktoren aa, ab, ac - das nächste Mal das Fahrmanöver Mb auswählen würde.
  • Auf diese Weise werden praktische Erfahrungen bei der Auswahl des Fahrmanövers berücksichtigt.
  • Anhand der 6 bis 8 werden im Folgenden drei Ausführungsformen eines Systems 50 zum Bestimmen eines Fahrmanövers dargestellt.
  • Das System 50 weist mehrere Fahrzeuge 10 auf, die im Wesentlichen wie vorhergehend beschrieben ausgebildet sind, sodass im Folgenden nur auf die Unterschiede eingegangen wird. Gleiche und funktionsgleiche Bauteile und Module sind mit denselben Bezugszeichen versehen.
  • Die 6 zeigt eine erste Ausführungsform des Systems 50 in einem schematischen Blockschaltbild. Das System 50 in 6 weist drei Fahrzeuge 10 auf, nämlich ein Fahrzeug 10a, das das Fahrmanöver MAG ausführt, und zwei Fahrzeuge 10b, die die Erkenntnisdaten E des Fahrzeugs 10a erhalten.
  • Das Fahrzeug 10a, besser gesagt das Steuergerät 14 des Fahrzeugs 10a bestimmt analog zu den in den 1 bis 5 beschrieben Ausführungsform des Steuergeräts 14, wenigstens ein mögliches Fahrmanöver und/oder ein auszuführendes Fahrmanöver, führt ein Fahrmanöver mittels des Fahrassistenzsystems 16 aus und generiert entsprechende Erkenntnisdaten E.
  • Die Erkenntnisdaten E werden dann an die Fahrmanöverplanungsmodule 22 der Fahrzeuge 10b übermittelt, sodass die Fahrmanöverplanungsmodule 22 der Fahrzeuge 10b ihre entsprechenden Entscheidungsuntermodule 38 anpassen können.
  • Mit anderen Worten werden die Entscheidungsuntermodule 38 der Fahrzeuge 10b anhand eines Fahrmanövers angepasst, das das Fahrzeug 10a durchgeführt hat.
  • Der Datenaustausch zwischen den Fahrzeugen 10, also das Übergeben der Erkenntnisdaten, kann über eine drahtlose Schnittstelle erfolgen.
  • 7 beschreibt eine zweite Ausführungsform des Systems 50 zum Bestimmen eines Fahrmanövers in einem schematischen Blockschaltbild. Die gezeigte Ausführungsform entspricht im Wesentlichen der in 6 gezeigten Ausführungsform, sodass im Folgenden nur auf die Unterschiede eingegangen wird.
  • In der in 7 gezeigten Ausführungsform ist nur das Fahrzeugparametererfassungsmodul 21 und das Fahrassistenzsystem 16 in den Fahrzeugen 10a und 10b implementiert.
  • Es ist ein separater, stationärer Server 60 vorgesehen, auf dem das Fahrmanöverplanungsmodul 22a des Fahrzeugs 10a, das Fahrmanöverplanungsmodul 22b des Fahrzeugs 10b und das gemeinsame Bewegungsplanungsmodul 24 implementiert sind.
  • Der Server 60 steht mit den Fahrzeugen 10 in Kontakt, beispielsweise über eine drahtlose Verbindung, wie das Mobilfunknetz. Es sind entsprechende Sende- und Empfangsvorrichtungen für den Server 60 und die Fahrzeuge 10a und 10b vorgesehen, die 7 nicht gezeigt sind.
  • Über die drahtlose Verbindung erhält das Fahrmanöverplanungsmodul 22a die Fahrzeugparameter Pa des Fahrzeugs 10a und das Fahrmanöverplanungsmodul 22b die Fahrzeugparameter Pb des Fahrzeugs 10b.
  • Die Fahrmanöverplanungsmodule 22a bzw. 22b stellen, wie bereits beschrieben, auszuführende Fahrmanöver MAZ,a für das Fahrzeug 10a bzw. MAZ,b für das Fahrzeug 10b bereit. Das Bewegungsplanungsmodul 24 bestimmt die auszuführenden Fahrmanöver.
  • In der in 7 gezeigten Ausführungsform bestimmt das Bewegungsplanungsmodul 24 das Fahrmanöver MAG,a für das Fahrzeug 10a und kein Fahrmanöver für das Fahrzeug 10b. Das Bewegungsplanungsmodul 24 übergibt entsprechende Steuerbefehle Sa an das Fahrassistenzsystem 16 des Fahrzeugs 10a.
  • Außerdem ist nur ein Erkenntnismodul 42 vorgesehen, das serverseitig implementiert ist. Das Erkenntnismodul 42 generiert die Erkenntnisdaten E basierend auf den auszuführenden Fahrmanövern MAZ,a und MAZ,b, den Fahrzeugparametern Pa und Pb, der Bewertungsgröße B und/oder dem ausgeführten Fahrmanöver MAG,a.
  • Die Erkenntnisdaten E werden an ein Anpassungsmodul 62 übergeben, das Anpassungsinformationen A bereitstellt, sodass das Fahrmanöverplanungsmodul 22a des Fahrzeugs 10a mittels der Anpassungsinformationen Aa und das Fahrmanöverplanungsmodul 22b des Fahrzeugs 10b mittels der Anpassungsinformationen Ab angepasst werden.
  • Mit anderen Worten passt der Server 60 die Entscheidungsuntermodule der Fahrmanöverplanungsmodule 22a und 22b entsprechend an.
  • Die 8 zeigt eine dritte Ausführungsform des Systems 50 in einem schematischen Blockschaltbild.
  • Im Unterschied zu der in 7 gezeigten Ausführungsform sind die Fahrmanöverplanungsmodule 22 der Fahrzeuge 10 jeweils in den Fahrzeugen 10 implementiert und nicht auf dem Server 60.
  • Entsprechend überträgt der Server 60 die Anpassungsinformationen Aa und Ab an das jeweilige Fahrmanöverplanungsmodul 22 der Fahrzeuge 10, sodass mit den Anpassungsinformationen Aa wenigstens ein Entscheidungsuntermodul des Fahrmanöverplanungsmoduls 22 des Fahrzeugs 10a und mit den Anpassungsinformationen Ab wenigstens ein Entscheidungsuntermodul des Fahrmanöverplanungsmoduls 22 des Fahrzeugs 10ba angepasst wird.
  • Zur Vereinfachung sind den Ausführungsformen der 6, 7 und 8 jeweils nur zwei Fahrzeuge 10 dargestellt. Das Fahrzeug 10a führt ein Fahrmanöver aus und das Fahrmanöverplanungsmodul 22b des Fahrzeugs 10b wird mithilfe der Erkenntnisdaten E angepasst. Im Allgemeinen ist eine beliebige Anzahl an Fahrzeugen 10a und 10b vorstellbar.
  • Durch das System 50 ist ein „Flottenlernen“ möglich, d.h., dass Fahrzeuge ihre Fahrmanöverplanungsmodul 22, insbesondere ihr Entscheidungsuntermodul 38, anhand von Erfahrungen - also geplanten und/oder durchgeführten Fahrmanövern in speziellen Verkehrssituationen - anderer Fahrzeuge anpassen können, ohne Teil dieser Verkehrssituationen gewesen sein zu müssen.
  • Die Darstellung der 7 und 8 ist beispielhaft zu verstehen. Der Server 60 soll veranschaulichen, dass das Bewegungsplanungsmodul 24 und/oder das Fahrmanöverplanungsmodul 22 des Systems 50 auch auf dem Server 60 ausgeführt werden können, der als zentrale Leitstelle des Verkehrs dient.
  • Im Allgemeinen können auch nur einzelne Module des Systems 50, wie das Analysemodul 46, das Fahrwegplanungsmodul 34, das Erkenntnismodul 42 und/oder das Bewertungsmodul 48 auf dem Server 60 ausgeführt werden.
  • Mit anderen Worten müssen nicht alle Module des Systems 50 innerhalb des Fahrzeugs 10 ausgeführt werden.
  • Zur Veranschaulichung wurde in der Beschreibung der Ausführungsformen zwischen möglichen Fahrmanövern M, dem auszuführenden Fahrmanöver MAZ und dem ausgeführten Fahrmanöver MAG unterschieden. Im Allgemeinen müssen diese Fahrmanöver nicht unterschiedlich sein, sondern können identisch sein.
  • Insbesondere ist es möglich, dass das Analysemodul 46 nur bestimmt, ob ein Fahrmanöver ausführbar ist oder nicht. Falls das Fahrmanöver nicht ausführbar ist würde das Bewegungsplanungsmodul 24 und/oder das Analysemodul 46 dem Fahrmanöverplanungsmodul 22 die Anweisung geben, ein neues Fahrmanöver bereitzustellen, das wiederum analysiert wird.

Claims (16)

  1. Verfahren zum Bestimmen eines Fahrmanövers eines Fahrzeugs, mit den folgenden Schritten: a) Erhalten von Fahrzeugparametern (P) durch ein Fahrmanöverplanungsmodul (22) des Fahrzeugs (10), b) Bestimmen wenigstens eines möglichen Fahrmanövers (M) durch das Fahrmanöverplanungsmodul (22) basierend auf den erhaltenen Fahrzeugparametern (P) mittels zumindest eines Entscheidungsuntermoduls (38) des Fahrmanöverplanungsmoduls (22), c) Übergeben des wenigstens einen möglichen Fahrmanövers (M) an ein Bewegungsplanungsmodul (24) des Fahrzeugs (10), d) Erhalten einer Bewertungsgröße (B) vom Bewegungsplanungsmodul (24) durch das Fahrmanöverplanungsmodul (22), und e) Anpassen des wenigstens einen Entscheidungsuntermoduls (38) anhand der erhaltenen Bewertungsgröße (B).
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass ein auszuführendes Fahrmanöver (MAZ) aus dem wenigstens einen Fahrmanöver (M) ausgewählt wird, wobei das Bewegungsplanungsmodul (24) das Fahrzeug (10) derart steuert, dass das Fahrzeug (10) das Fahrmanöver (MAG) ausführt.
  3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass die Bewertungsgröße (B) vom Bewegungsplanungsmodul (24) auf Basis des ausgeführten Fahrmanövers (MAG) und/oder Fahrzeugparametern (P) während der Ausführung des Fahrmanövers (MAG) ermittelt wird, insbesondere wobei die Bewertungsgröße (B) den geringsten Abstand zu wenigstens einem benachbarten Fahrzeug, die höchste Querbeschleunigung, die höchste Längsbeschleunigung und/oder einen Kostenwert des Fahrmanövers aufweist.
  4. Verfahren nach einem der Ansprüche 2 oder 3, dadurch gekennzeichnet, dass Erkenntnisdaten (E) an wenigstens ein weiteres Fahrzeug (10) übertragen werden, wobei die Erkenntnisdaten (E) zumindest die Fahrzeugparameter (P), das auszuführende Fahrmanöver (MAZ), das ausgeführte Fahrmanöver (MAG) und/oder die Bewertungsgröße (B) beinhalten, insbesondere wobei anhand der übertragenen Erkenntnisdaten (E) ein Entscheidungsuntermodul (38) des weiteren Fahrzeugs (10) angepasst wird.
  5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das wenigstens eine Entscheidungsuntermodul (38) das mögliche Fahrmanöver (M) anhand einer Kostenfunktion, einem Entscheidungsbaum, einem Fahrzeugfolgemodell, insbesondere einem abstandsabhängigen Fahrzeugfolgemodell und/oder einem psycho-physischem Fahrzeugfolgemodell nach Wiedemann, und/oder einer Zustandsmaschine bestimmt.
  6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass zumindest eines des wenigstens einen Entscheidungsuntermoduls (38) das mögliche Fahrmanöver (M) mittels eines Maschinenlern-Entscheidungsprozesses, insbesondere eines verstärkenden Maschinenlern-Entscheidungsprozesses bestimmt.
  7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass der Maschinenlern-Entscheidungsprozess wenigstens durch ein künstliches neuronales Netz verwirklicht ist, auf Spieltheorie basiert, ein Markow-Entscheidungsprozess und/oder ein teilweise beobachtbarer Markow-Entscheidungsprozess ist.
  8. Verfahren nach Anspruch 6 oder 7, dadurch gekennzeichnet, dass die Bewertungsgröße (B) verwendet wird, um einen Maschinenlern-Entscheidungsprozess des wenigstens einen Entscheidungsuntermoduls (38) zu trainieren.
  9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass mehrere Entscheidungsuntermodule (38) vorgesehen sind, die jeweils wenigstens ein mögliches Fahrmanöver (M) bestimmen, wobei ein Entscheider (40) aus den bestimmten möglichen Fahrmanövern (M) ein auszuführendes Fahrmanöver (MAZ) auswählt, das an das Bewegungsplanungsmodul (24) übergeben wird.
  10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass der Entscheider (40) ein Fahrer des Fahrzeugs (10), ein Auswahlmodul (44) oder eine Kombination davon ist, insbesondere wobei das Auswahlmodul (44) das auszuführende Fahrmanöver (MAZ) anhand der Gewichtung (a) der Glaubwürdigkeit des entsprechenden Entscheidungsuntermoduls (38) und/oder der Häufigkeit des Vorkommens eines möglichen Fahrmanövers (M) auswählt.
  11. Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass das Auswahlmodul (44) ein künstliches neuronales Netz aufweist.
  12. Steuergerät für ein Fahrzeug zum Steuern des Fahrzeugs, wobei das Steuergerät (14) dazu ausgebildet ist, ein Verfahren nach einem der vorhergehenden Ansprüche durchzuführen.
  13. Fahrzeug mit einem Steuergerät (14) nach Anspruch 12 und wenigstens einem Sensor (12) zur Erfassung wenigstens eines Fahrzeugparameters (P), wobei das Fahrzeug (10) dazu eingerichtet ist, ein Verfahren nach einem der Ansprüche 1 bis 11 durchzuführen.
  14. Computerprogramm mit Programmcodemitteln, um die Schritte eines Verfahrens nach einem der Ansprüche 1 bis 11 durchzuführen, wenn das Computerprogramm auf einer Recheneinheit (20) ausgeführt wird, insbesondere einer Recheneinheit (20) eines Steuergeräts (14) nach Anspruch 13.
  15. System zum Bestimmen eines Fahrmanövers, mit wenigstens einem Fahrzeug (10) nach Anspruch 13, insbesondere wenigstens zwei Fahrzeugen (10) nach Anspruch 13.
  16. System nach Anspruch 15, dadurch gekennzeichnet, dass das System (50) einen Server (60) aufweist, der zur Datenverbindung mit dem wenigstens einen Fahrzeug (10) verbunden ist, wobei das Bewegungsplanungsmodul (24) das Fahrzeug (10) derart steuert, dass das Fahrzeug (10) ein Fahrmanöver (M) ausführt, wobei der Server (60) Erkenntnisdaten (E) erhält und/oder bereitstellt und der Server (60) die Erkenntnisdaten (E) an das wenigstens eine weitere Fahrzeug (10) übermittelt und/oder der Server (60) die Anpassung des Entscheidungsuntermoduls (38) des wenigstens einen anderen Fahrzeugs (10) anhand der Erkenntnisdaten (E) bestimmt und Anpassungsinformationen (A) an das wenigstens eine weitere Fahrzeug (10) übermittelt.
DE102019104974.1A 2019-02-27 2019-02-27 Verfahren sowie System zum Bestimmen eines Fahrmanövers Pending DE102019104974A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
DE102019104974.1A DE102019104974A1 (de) 2019-02-27 2019-02-27 Verfahren sowie System zum Bestimmen eines Fahrmanövers
CN202010115747.7A CN111626538A (zh) 2019-02-27 2020-02-25 用于确定行驶策略的方法以及系统
US16/799,882 US20200269871A1 (en) 2019-02-27 2020-02-25 Method and system for determining a driving maneuver

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102019104974.1A DE102019104974A1 (de) 2019-02-27 2019-02-27 Verfahren sowie System zum Bestimmen eines Fahrmanövers

Publications (1)

Publication Number Publication Date
DE102019104974A1 true DE102019104974A1 (de) 2020-08-27

Family

ID=72138894

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102019104974.1A Pending DE102019104974A1 (de) 2019-02-27 2019-02-27 Verfahren sowie System zum Bestimmen eines Fahrmanövers

Country Status (3)

Country Link
US (1) US20200269871A1 (de)
CN (1) CN111626538A (de)
DE (1) DE102019104974A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021110801A1 (de) 2021-04-27 2022-10-27 Bayerische Motoren Werke Aktiengesellschaft Verfahren, System, sowie Computerprogramm zum Ausführen, Unterdrücken oder Variieren zumindest einer Maßnahme in einem Fahrzeug
DE102021110800A1 (de) 2021-04-27 2022-10-27 Bayerische Motoren Werke Aktiengesellschaft Verfahren, System, sowie Computerprogramm zum Trainieren eines neuronalen Netzes zum Betreiben in einem Fahrzeug

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102199093B1 (ko) * 2017-02-10 2021-01-06 닛산 노쓰 아메리카, 인크. 부분 관측가능한 마르코프 결정 프로세스 모델 인스턴스를 동작시키는 것을 포함하는 자율주행 차량 운용 관리
WO2019089015A1 (en) 2017-10-31 2019-05-09 Nissan North America, Inc. Autonomous vehicle operation with explicit occlusion reasoning
US11874120B2 (en) 2017-12-22 2024-01-16 Nissan North America, Inc. Shared autonomous vehicle operational management
FR3093690B1 (fr) * 2019-03-14 2021-02-19 Renault Sas Procédé de sélection pour un véhicule automobile d’une voie de circulation d’un rond-point
US11899454B2 (en) 2019-11-26 2024-02-13 Nissan North America, Inc. Objective-based reasoning in autonomous vehicle decision-making
US11635758B2 (en) 2019-11-26 2023-04-25 Nissan North America, Inc. Risk aware executor with action set recommendations
US11613269B2 (en) 2019-12-23 2023-03-28 Nissan North America, Inc. Learning safety and human-centered constraints in autonomous vehicles
US11300957B2 (en) 2019-12-26 2022-04-12 Nissan North America, Inc. Multiple objective explanation and control interface design
US11577746B2 (en) 2020-01-31 2023-02-14 Nissan North America, Inc. Explainability of autonomous vehicle decision making
US11714971B2 (en) 2020-01-31 2023-08-01 Nissan North America, Inc. Explainability of autonomous vehicle decision making
US11782438B2 (en) 2020-03-17 2023-10-10 Nissan North America, Inc. Apparatus and method for post-processing a decision-making model of an autonomous vehicle using multivariate data
US11460847B2 (en) * 2020-03-27 2022-10-04 Intel Corporation Controller for an autonomous vehicle, and network component
CN112148010A (zh) * 2020-09-23 2020-12-29 北京百度网讯科技有限公司 自动驾驶功能控制方法、装置、电子设备及存储介质
US11661082B2 (en) * 2020-10-28 2023-05-30 GM Global Technology Operations LLC Forward modeling for behavior control of autonomous vehicles
CN112348198A (zh) * 2020-10-30 2021-02-09 上海对外经贸大学 一种人机混合决策的机器行为在冲突中的协调方法
CN112590791B (zh) * 2020-12-16 2022-03-11 东南大学 一种基于博弈论的智能车换道间隙选择方法及装置
CN113538940B (zh) * 2021-07-08 2022-05-17 西湾智慧(广东)信息科技有限公司 适用于车路协同环境下的实时最优车道选择方法
US20230347931A1 (en) * 2022-04-28 2023-11-02 Perceptive Automata, Inc. Scenario based monitoring and control of autonomous vehicles

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017101447A1 (de) * 2016-02-03 2017-08-03 Ford Global Technologies, Llc System und Verfahren zur Detektion von die Fahrbahn kreuzenden Anomalien
DE102016207276A1 (de) * 2016-04-28 2017-11-02 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Freigabe einer Fahrfunktion in einem Fahrzeug
WO2018154371A1 (en) * 2017-02-22 2018-08-30 International Business Machines Corporation Training self-driving vehicle

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8532862B2 (en) * 2006-11-29 2013-09-10 Ryan A. Neff Driverless vehicle
US9669828B2 (en) * 2012-06-01 2017-06-06 Toyota Motor Engineering & Manufacturing North America, Inc. Cooperative driving and collision avoidance by distributed receding horizon control
DE102015221817A1 (de) * 2015-11-06 2017-05-11 Audi Ag Verfahren zum dezentralen Abstimmen von Fahrmanövern
US20180292830A1 (en) * 2017-04-06 2018-10-11 Uber Technologies, Inc. Automatic Tuning of Autonomous Vehicle Cost Functions Based on Human Driving Data
US10870437B2 (en) * 2017-08-10 2020-12-22 Amazon Technologies, Inc. Determination of strategy modes for autonomous vehicle operations
US20200026277A1 (en) * 2018-07-19 2020-01-23 GM Global Technology Operations LLC Autonomous driving decisions at intersections using hierarchical options markov decision process

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017101447A1 (de) * 2016-02-03 2017-08-03 Ford Global Technologies, Llc System und Verfahren zur Detektion von die Fahrbahn kreuzenden Anomalien
DE102016207276A1 (de) * 2016-04-28 2017-11-02 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Freigabe einer Fahrfunktion in einem Fahrzeug
WO2018154371A1 (en) * 2017-02-22 2018-08-30 International Business Machines Corporation Training self-driving vehicle

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021110801A1 (de) 2021-04-27 2022-10-27 Bayerische Motoren Werke Aktiengesellschaft Verfahren, System, sowie Computerprogramm zum Ausführen, Unterdrücken oder Variieren zumindest einer Maßnahme in einem Fahrzeug
DE102021110800A1 (de) 2021-04-27 2022-10-27 Bayerische Motoren Werke Aktiengesellschaft Verfahren, System, sowie Computerprogramm zum Trainieren eines neuronalen Netzes zum Betreiben in einem Fahrzeug

Also Published As

Publication number Publication date
CN111626538A (zh) 2020-09-04
US20200269871A1 (en) 2020-08-27

Similar Documents

Publication Publication Date Title
DE102019104974A1 (de) Verfahren sowie System zum Bestimmen eines Fahrmanövers
AT518489B1 (de) Fahrerassistenzsystem zum Unterstützen eines Fahrers beim Führen eines Fahrzeugs
EP3436325B1 (de) Verfahren zum erzeugen von steuerdaten für ein regelbasiertes unterstützen eines fahrers
EP2981951B1 (de) Automatisches befahren einer strecke
DE102013200462A1 (de) Autonomes fahrspursteuerungssystem
DE102018206805B3 (de) Verfahren, Vorrichtung und Computerprogramm zum Prädizieren einer zukünftigen Bewegung eines Objekts
DE112016007501T5 (de) Regel-/steuervorrichtung und regel-/steuerverfahren
DE102019209736A1 (de) Verfahren zur Bewertung möglicher Trajektorien
EP3490862A1 (de) Verfahren und vorrichtung zum ermitteln eines fahrbahnmodells für ein fahrzeugumfeld
DE102019110217A1 (de) Verfahren zum automatisierten Steuern eines Kraftfahrzeugs
WO2021094136A1 (de) Verfahren zum betreiben einer autonomen fahrfunktion eines fahrzeugs
DE102018213971A1 (de) Verfahren und Vorrichtung zur Auswahl eines Fahrmanövers
WO2018215242A2 (de) Verfahren zur ermittlung einer fahranweisung
DE102020131949A1 (de) System und verfahren zum erlernen einer fahrerpräferenz und zum anpassen einer spurzentrierungssteuerung an ein fahrerverhalten
WO2020069812A1 (de) Verfahren zum zumindest teilautomatisierten führen eines kraftfahrzeugs auf einer fahrbahn
DE102015209974A1 (de) Quer-Längs-kombinierte Trajektorienplanung für ein Fahrzeug
DE102017200580A1 (de) Verfahren zur Optimierung einer Manöverplanung für autonom fahrende Fahrzeuge
DE102017006338B4 (de) Verfahren zum effizienten Validieren und der sicheren Applikation von autonomen und teilautonomen Fahrzeugen
DE102018133457B4 (de) Verfahren und System zum Bereitstellen von Umgebungsdaten
DE102020211971A1 (de) Fahrzeugtrajektorienvorhersage unter verwendung von strassentopologie und verkehrsteilnehmer-objektzuständen
DE102020201931A1 (de) Verfahren zum Trainieren wenigstens eines Algorithmus für ein Steuergerät eines Kraftfahrzeugs, Verfahren zur Optimierung eines Verkehrsflusses in einer Region, Computerprogrammprodukt sowie Kraftfahrzeug
DE102019104973A1 (de) Verfahren sowie Steuergerät für ein System zum Steuern eines Kraftfahrzeugs
DE102019004842A1 (de) Verfahren zum Betreiben eines wenigstens teilweise automatisierten Fahrzeugs
DE102022205331B4 (de) Verfahren und System zum Bereitstellen einer zumindest assistierten Parkfunktion für ein Kraftfahrzeug
DE102017218932A1 (de) Verfahren zur Bewertung einer Trajektorie eines Fortbewegungsmittels

Legal Events

Date Code Title Description
R163 Identified publications notified
R081 Change of applicant/patentee

Owner name: ZF AUTOMOTIVE GERMANY GMBH, DE

Free format text: FORMER OWNER: TRW AUTOMOTIVE GMBH, 73553 ALFDORF, DE

R082 Change of representative

Representative=s name: OESTREICHER, LUCAS, DIPL.-ING. (FH), DE