-
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Navigation insbesondere für ein Fahrzeug.
-
WO 9305492 A1 offenbart Fahrzustände eines Kraftfahrzeuges, beispielsweise die Geschwindigkeit, die Querbeschleunigung, die Neigung, die Verzögerung und/oder die Beschleunigung des Kraftfahrzeuges zu erfassen und an eine Einheit zu senden, die Kurvendaten für eine kurvenoptimierte Routenplanung aus den erfassten Daten bereitstellt. Die kurvenoptimierte Routenplanung kann möglichst viele Kurven enthalten, die einem Fahrer eines Kraftfahrzeuges einen möglichst großen Fahrspaß bereiten.
-
DE 102014205070 A1 ,
US 2018023969 A1 ,
US 2018010920 A1 ,
US 2018038704 A1 ,
US 2017241793A1 ,
US 2017314949 A1 ,
US 2017167885 A1 ,
US 8738288B2 ,
WO 2011159340 A2 ,
US 8392109 B2 und
EP 1498863 A2 beschreiben weitere Verfahren und Vorrichtungen, wobei zur Navigation genutztes Kartenmaterial um Informationen zum Fahrerlebnis angereichert wird.
-
Ziel ist es eine demgegenüber verbesserte Fahrerlebnisbasierte Navigation bereitzustellen.
-
Dies wird durch das Verfahren und die Vorrichtung nach den unabhängigen Ansprüchen erreicht.
-
Das Verfahren zur Navigation sieht vor, aus einer Vielzahl von Routen, die einen Ausgangsort für eine Navigation mit einem Zielort für die Navigation verbinden, eine Route insbesondere abhängig von einer gewünschten Ankunftszeit und/oder Abfahrtszeit auszuwählen, wobei die Route wenigstens ein Streckensegment umfasst, wobei das wenigstens eine Streckensegmente für die Route aus einer Vielzahl von Straßenabschnitten ausgewählt ist, wobei den Straßenabschnitten jeweils wenigstens eine Eigenschaft zugeordnet ist, die ein Fahrerlebnis charakterisiert, wobei abhängig von den Eigenschaften der Straßenabschnitte eine Metrik ausgewertet wird, und wobei die Route ausgewählt wird, deren Straßenabschnitte als Streckensegmente für die Route, die Metrik maximieren. Eine fahrzeugbezogene Navigation wird hinsichtlich des Fahrerlebnisses der Nutzer beeinflusst. Die Routenberechnung erfolgt anhand einer Fahrerlebniskarte, in der die Vielzahl von Straßenabschnitten gespeichert ist, wobei die optimale Route gefunden wird, um Fahrerlebnisse positiv zu beeinflussen.
-
Vorzugsweise ist den Straßenabschnitten eine Vielzahl Eigenschaften zugeordnet, wobei den Eigenschaften jeweilige Gewichte zugeordnet sind, mit denen die Eigenschaften in der Metrik berücksichtigt werden. Vorzugsweise ist die Metrik eine mit den jeweiligen Gewichten gewichtete Summe von Eigenschaften.
-
Vorzugsweise charakterisiert die wenigstens eine Eigenschaft eine statische, eine dynamische insbesondere zeitabhängige, eine personalisierte und/oder eine Schwarm-Daten-basierte Eigenschaft.
-
Vorzugsweise charakterisiert die wenigstens eine Eigenschaft eine physikalische Eigenschaft des jeweiligen Straßenabschnitts, eine physikalische Eigenschaft einer Umgebung des Fahrzeugs oder des jeweiligen Straßenabschnitts, eine physikalische Eigenschaft einer Komponente des Fahrzeugs, eine Information über einen Fahrer des Fahrzeugs, abstrahierte Information über Eigenschaften für eine Vielzahl von Fahrzeugen oder Fahrer, Information über eine Messgröße eines Sensors, der am Fahrzeug oder am Fahrer angeordnet ist, oder Information von einer Kamera, die am Fahrzeug angeordnet ist und/oder Information aus einer Datenbank, insbesondere aus einem sozialen Netzwerk. Verschiedenen Ausbaustufen ermöglichen es Fahrerlebnislevel abhängig von Fahrzeugsignalen, Kamerasignalen, und/oder Signalen von Wearables zu klassifizieren.
-
Vorzugsweise ist vorgesehen, wenigstens eine der Eigenschaften für einen Straßenabschnitt abhängig von Information über eine Streckensegment zu lernen, die ein Fahrerlebnis charakterisiert. Damit werden Karteninformationen mit erlebnisbasierter Gewichtung generiert.
-
Vorzugsweise wird eine Anfrage nach möglichen Streckensegmenten übertragen, wobei die Anfrage Information über den Ausgangsort und/oder den Zielort umfasst. Damit wird eine Anfrage an einen Server als Backend eingebunden.
-
Vorzugsweise wird wenigstens ein Straßenabschnitt, der aus der Vielzahl der Straßenabschnitte ausgewählt ist mit seiner wenigstens einen Eigenschaft übertragen. Damit wird auf Karteninformation eines Servers als Backend zugegriffen.
-
Die Vorrichtung zur Navigation umfasst eine Routenberechnungseinrichtung, die ausgebildet ist aus einer Vielzahl von Routen, die einen Ausgangsort für eine Navigation mit einem Zielort für die Navigation verbinden, eine Route auszuwählen, wobei die Route wenigstens ein Streckensegment umfasst, wobei das wenigstens eine Streckensegmente für die Route aus einer Vielzahl von Straßenabschnitten ausgewählt ist, wobei den Straßenabschnitten jeweils wenigstens eine Eigenschaft zugeordnet ist, die ein Fahrerlebnis charakterisiert, wobei abhängig von den Eigenschaften der Straßenabschnitte eine Metrik ausgewertet wird, und wobei die Route ausgewählt wird, deren Straßenabschnitte als Streckensegmente für die Route die Metrik maximieren.
-
Das System umfasst die Vorrichtung zur Navigation und einen Server, der ausgebildet ist, eine Anfrage nach möglichen Streckensegmenten zu empfangen, wobei die Anfrage Information über den Ausgangsort und/oder den Zielort umfasst, und wenigstens ein Straßenabschnitt, der aus der Vielzahl der Straßenabschnitte ausgewählt ist, mit seiner wenigstens einen Eigenschaft zu senden. Das System mit dem Server als Backend speichert hochsensible Daten, beispielsweise Bild, Video, Ortsdaten lokal in der Routenberechnungseinrichtung und lernt personenbezogene Modelle an, welche von Schwarmdaten, d.h. den personenbezogenen Modellen andere Nutzer, anonymisiert profitieren können um die Leistungsfähigkeit der Navigation signifikant zu steigern.
-
Weitere vorteilhafte Ausgestaltungen ergeben sich aus der folgenden Beschreibung und der Zeichnung. In der Zeichnung zeigt
- 1 schematisch ein System zur Navigation,
- 2 schematisch Straßensegmente mit Eigenschaftsvektoren,
- 3 schematisch eine Fahrerlebniskarte,
- 4 schematisch ein Flussdiagramm mit Schritten aus einem Verfahren zur Navigation.
- 1 zeigt schematisch eine System 100 zur Navigation.
-
Das System 100 umfasst eine Vorrichtung 102 zur Navigation.
-
Die Vorrichtung 102 umfasst eine Routenberechnungseinrichtung 104 und einen Server 106 als Backend.
-
Der Server 106 kann auf mehrere Geräte verteilt ausgeführt werden, so dass ein lokales Backend und ein entferntes Backend vorgesehen sind.
-
Sowohl das lokale Backend als auch das entfernte Backend können Segment IDs für Straßenabschnitte umfassen. Die Segment IDs werden beispielsweise wie folgt verwendet, um eine Route zu definieren:
- {Segment ID, anknüpfende Segment IDs}. Damit sind unmittelbar aneinander anknüpfende Straßenabschnitte einer Route bzw. einer möglichen Route aus einer Vielzahl von Routen identifizierbar.
-
Das lokale Backend kann zudem geometrische Daten für Straßenabschnitte umfassen, beispielsweise ein Maß für Kurvigkeit, mögliche Geschwindigkeit, Beschaffenheit der Straße.
-
Das lokale Backend kann zudem personalisierte Daten für Straßenabschnitte umfassen, beispielsweise Information zu favorisierten Streckentypen oder Routinen.
-
Das entfernte Backend kann außer den Segment IDs auch geobasierte Eigenschaften, beispielsweise länderspezifische Eigenschaften umfassen.
-
Das entfernte Backend kann außer dem Segment IDs auch globale Nutzerpräferenzen, d.h. anonymisierte Nutzerpräferenzen, umfassen, beispielsweise oft befahrene Routen, Routen-Bewertungen, Fahrstil, Fahrzeugtyp.
-
Das entfernte Backend kann außer den Segment IDs auch Bilddaten, beispielsweise von Außenkameras oder Medien umfassen.
-
Diese sind beispielsweise als Karteninformation dem Segment IDs zugeorndet.
-
Die Routenberechnungseinrichtung 104 ist ausgebildet, abhängig von Karteninformation aus einer Vielzahl von Routen, die einen Ausgangsort für eine Navigation mit einem Zielort für die Navigation verbinden, eine Route auszuwählen.
-
Die Routenberechnungseinrichtung 104 ist im Beispiel ausgebildet eine Anfrage 108 über mögliche Straßenabschnitte abhängig von einem Startort und/oder einem Zielort und/oder einer gewünschten Ankunftszeit an das Backend zu senden.
-
Das Backend ist im Beispiel ausgebildet, mögliche Straßenabschnitte zusammen mit ihrer jeweiligen Eigenschaft in einer Antwort 110 an die Routenberechnungseinrichtung 104 zu senden.
-
Die Routenberechnungseinrichtung 104 ist im Beispiel ausgebildet, die Anfrage 108 nach einer Anfrage 112 durch einen Nutzer zu senden. Die Routenberechnungseinrichtung 104 ist im Beispiel ausgebildet, eine Route mit maximiertem Erlebniswert, welche im Beispiel auch Randbedingungen erfüllt, in einer Ausgabe 114 an den Nutzer auszugeben.
-
Die Routenberechnungseinrichtung 104 ist im Beispiel ausgebildet eine Region-abhängige Anfrage 116 an einen Dienstleister 118 zu senden, der in einer Antwort 120 beispielsweise Information über Wetter, Stau oder Verkehrsdichte und/oder Veranstaltungen an die Routenberechnungseinrichtung 104 sendet. In diesem Fall wird diese Information bei der Routenberechnung berücksichtigt.
-
Die Route mit maximiertem Erlebniswert umfasst wenigstens ein Streckensegment. Das wenigstens eine Streckensegmente für die Route wird, wie im Folgenden beschrieben, aus einer Vielzahl von Straßenabschnitten ausgewählt.
-
In der Folgenden Beschreibung ist der Begriff Fahrerlebnis insbesondere durch Erlebnisse definiert. Ein Erlebnis bildet die Grundlage für die folgende Betrachtungsweise: „Das Erlebnis ist ein Ereignis im individuellen Leben eines Menschen, das sich vom Alltag des Erlebenden so sehr unterscheidet, dass es ihm lange im Gedächtnis bleibt.“ Ein Fahrerlebnis setzt sich somit aus folgenden beispielhaften Bestandteilen zusammen:
- 1. Fahrerlebnis: Die Führung über eine Route, die ein positives Erlebnis hervorruft. Dies beinhaltet Aspekte wie fahrzeugspezifische Eigenschaften (bspw. Cabrio, Sportwagen, Leistung), Geschwindigkeit, Kurvenfahrt, Umgebung (Natur, Großstadt, ...), Abwechslungsreichtum, Qualität der Straße, Wetter und Jahreszeit, Tages- und Nachtzeit, Exklusivität.
- 2. Points-of-Interests/Hot Spots: Ein Fahrerlebnis ist meist nicht auf das Fahrzeug beschränkt, sondern beinhaltet neben des Fahrens auch Pausen, die bspw. in besonderen Restaurants, Hotels, oder Sehenswürdigkeiten verbracht werden können. Zusätzlich können Services das Fahrerlebnis anreichen, wie bspw. die Bereitstellung von Fahrrädern zur sportlichen Betätigung an einem POl. POls können aber auch während des Fahrens erlebt werden, indem man bspw. an Sehenswürdigkeiten vorbei fährt.
-
Für einen Fahrer sind insbesondere folgende Aspekte in einem Fahrerlebnis ausschlaggebend:
-
- 1. Straßen und Fahrbahn: Kurvenreichtum und Querdynamik, Anstiege, Abstiege, Qualität der Fahrbahn, Länge und Dauer, mentale Belastung, Geschwindigkeit, Be- und Entschleunigung, Voraussehbarkeit, Sicherheit
- 2. Wetter und Jahreszeit: Damit verbunden der Reibwert zwischen Fahrbahndecke und Reifen, evtl. Zwischenmedium wie Schnee oder Laub
- 3. Verkehr: Insbesondere Quantität, Überholmöglichkeiten, Verkehrsfluss allgemein
- 4. Umgebung: Natur, Stadt, Schönheit, Sehenswürdigkeiten, Höheninformationen, Vegetation, Bevölkerungsdichte
- 5. Sicherheit: Sicherheit vor körperlicher Unversehrtheit, gefühlte Sicherheit, soziale Aspekte
- 6. Verweilzeit: Zeitpunkt und Dauer an einem Punkt oder Abschnitt
-
Den Straßenabschnitten ist jeweils wenigstens eine Eigenschaft zugeordnet, die das Fahrerlebnis auf diesem Straßenabschnitt charakterisiert. Die Eigenschaften im Beispiel charakterisieren insbesondere eine physikalische Eigenschaft des jeweiligen Straßenabschnitts, eine physikalische Eigenschaft einer Umgebung des Fahrzeugs oder des jeweiligen Straßenabschnitts, eine physikalische Eigenschaft einer Komponente des Fahrzeugs, eine Information über einen Fahrer des Fahrzeugs, abstrahierte Information über Eigenschaften für eine Vielzahl von Fahrzeugen oder Fahrer, Information über eine Messgröße eines Sensors, der am Fahrzeug oder am Fahrer angeordnet ist, oder Information von einer Kamera, die am Fahrzeug angeordnet ist und/oder Information aus einer Datenbank, insbesondere aus einem sozialen Netzwerk.
-
2 zeigt schematisch Straßensegmente mit Eigenschaftsvektoren, die für eine Erzeugung einer in 3 schematisch dargestellten Fahrerlebniskarte verwendbar sind.
-
Straßenabschnitte
x ij mit i≠j verbinden Streckenpunkte x
i und x
j, wobei x
i = [Iat
i, Ion
i] die Position in Koordinaten beispielsweise des Global Positioning Systems GPS angeben. Den Straßenabschnitten sind im Beispiel je vier Eigenschaften, die ein Fahrerlebnis charakterisieren als Eigenschaftsvektoren
zugeordnet, wobei c
s eine statische Eigenschaft, c
t eine dynamische insbesondere zeitabhängige Eigenschaft, c
p eine personalisierte Eigenschaft und c
f eine Schwarm-Daten-basierte Eigenschaft charakterisiert.
-
Eigenschaften sind im Beispiel folgendermaßen definiert:
- Statisch: Kurvigkeit, Steigung, Höchstgeschwindigkeit, Straßenklasse, Anforderungen an das Fahrzeug.
-
Dynamisch: Wetter, Straßenzustand, Verkehrsdichte.
-
Personalisiert: Fahrzeugsensorik, aus Fahrzeugdaten ermittelte Vorlieben für Geschwindigkeit, Bergpässe, oder Kurven, über soziale Netzwerke ermittelte Vorlieben, Arbeits- oder Freizeit-Routinen, Termine, favorisierte Regionen, Kameradaten, Vitalsensortik, d.h. Wearables.
-
Schwarm- oder Flottendaten: Ortsbasierte Eigenschaften, Ähnlichkeiten zwischen Nutzern, Kameradaten, Fahrzeugsensorik, ortsbasierte Information aus sozialen Netzwerken.
-
Die Fahrerlebniskarte aus 3 wird beispielsweise für die Streckenpunkte x0, x1, x2, x3 und x4 aus 2 anhand der jeweiligen Eigenschaftsvektoren bestimmt. Den Straßenabschnitten werden beispielsweise Punkte zwischen 0 für ein negatives Fahrerlebnis und 100 für ein positives Fahrerlebnis vergeben. Diese werden beispielsweise für jeden Nutzer über eine Simulation berechnet und über eine Erhebung von Daten angepasst sowie personalisiert. Für jeden Nutzer werden Eigenschaften unterschiedlich gewichtet. Für die übrigen Streckenpunkte und Straßenabschnitte wird ebenso verfahren.
-
Für die Berechnung dieser Fahrerlebniswerte kann außer einer Simulation das Einbeziehen von nutzerbasierten Präferenzen, von adaptiven nutzerbasierte Informationen, und/oder von Flottendaten vorgesehen sein. Insbesondere ist es möglich, die Fahrerlebniskarte auf Basis von Schwarmdaten zu erweitern. Vorzugsweise wird ein dezentralisiertes Multi-Task Learning angewendet, bei dem in den Routenberechnungseinrichtung 104 einzelner Fahrzeuge lokale Modelle trainiert werden, die lokal trainierten Modelle vom Server 106 unterschiedlicher Fahrzeuge miteinander verknüpft werden, um ein dezentrales Modell zu aktualisieren und das aktualisierte dezentrale Modell den Fahrzeugen als lokales Modell für den nächsten Trainingsschritt zur Verfügung gestellt wird. Dabei werden keine sensitiven Daten ausgetauscht.
-
Die Routenberechnungseinrichtung 104 ist ausgebildet, abhängig von den Eigenschaften der Straßenabschnitte eine Metrik auszuwerten, um die Route auszuwählen, deren Straßenabschnitte als Streckensegmente für die Route die Metrik maximieren.
-
Die Metrik umfasst beispielsweise eine gewichtete Summe. Das entsprechende Optimierungsproblem hat die Aufgabe die Route
x anzugeben, für die
mit der Metrik
-
Zudem werden die folgenden Randbedingungen verwendet:
- x0 Ausgangsort der Navigation,
- xT Zielort der Navigation,
- Straßensegmente xij sind verbunden.
-
Vorzugsweis werden auch die folgenden Bedingungen verwendet:
- Ankunftszeit ≤ gewünschte Ankunftszeit,
- Straßenabschnitte xij werden nur einmal befahren,
- Jeder der Straßenabschnitte xij wir nur in einer Richtung befahren.
-
Die Routenberechnungseinrichtung 104 ist ausgebildet dieses komplexe Optimierungsproblem zu lösen. Es werden die zusammenhängenden Streckensegmente gesucht, sodass die Fahrerlebnisse basierend auf der generierten Fahrerlebniskarte gemäß der 2 maximiert werden und die Ankunftszeit kleiner gleich der gewünschten Ankunftszeit entspricht. Dabei werden die Randbedingungen wie Ausgangs- und Zielort, sowie das einmalige befahren eines Segments während der Route eingehalten.
-
Die Parametervektoren gs, gt, gp, gf mit denen die Eigenschaften gewichtet werden sind von Nutzer zu Nutzer verschieden und können teilweise vom Nutzer selbst oder vom System angelernt vorgegeben werden.
-
Die Routenberechnungseinrichtung 104 ist ausgebildet Daten, wie beispielsweise Bild, Video, Ortsdaten lokal zu speichern. Die Routenberechnungseinrichtung 104 ist ausgebildet, auf Karteninformation des Servers 106 als Backend zuzugreifen.
-
Das Verfahren zur Navigation sieht vor, aus einer Vielzahl von Routen, die einen Ausgangsort für eine Navigation mit einem Zielort für die Navigation verbinden, eine Route auszuwählen.
-
Die Route umfasst wenigstens ein Streckensegment das aus einer Vielzahl von Straßenabschnitten ausgewählt wird. Den Straßenabschnitten ist jeweils wenigstens eine der Eigenschaften zugeordnet, die das Fahrerlebnis charakterisiert. Abhängig von den Eigenschaften der Straßenabschnitte wird die Metrik ausgewertet, und die Route ausgewählt, deren Straßenabschnitte als Streckensegmente für die Route die Metrik maximieren. Vorzugsweise erfolgt für die Auswahl der Route noch eine Normierung auf die Anzahl der Streckensegmente.
-
Die Nutzerinteraktion mit dem System kann multimodal erfolgen, bspw. über ein Center Display, Head-Up-Display, das Smartphone oder über einen Sprachdialog beispielsweise im Fahrzeug, auf dem Smartphone oder einem Home Assistant.
-
Für die Initialisierung der Navigation kann folgendes vorgesehen sein:
- a. eine explizite Navigationsanfrage:
- i. Der Nutzer wählt ein Navigationsziel oder spezifiziert eine mehrtägige Route und wählt aus welche Art der Navigation er bevorzugt, beispielsweise schnellste, fahrerlebnis-optimierte, oder kürzeste Route,
- ii. Der Nutzer kann optional einen Zeitfaktor spezifizieren, bspw. wie sehr sich die Ankunft im Vergleich der kürzesten Route verzögern kann. Hierbei werden im Beispiel folgende Fälle unterschieden:
- 1. gewünschte Ankunftszeit < mögliche Ankunftszeit: schnellst mögliche Route wird berechnet und Fahrerlebnis kann nicht oder nur gering berücksichtigt werden.
- 2. gewünschte Ankunftszeit > mögliche Ankunftszeit: Route wird basierend auf dem personalisierten und mit Schwarmdaten gestützten Fahrerlebniswert berechnet, und dabei eine optimale Route berechnet um diesen Wert zu maximieren und der gewünschten Ankunftszeitgerecht zu werden.
- iii. Der Nutzer kann optional einen Fokus der Route, beispielsweise über Schieberegler für Kurvigkeit, Schönheit, etc. spezifizieren. Alternativ können auch vordefinierte Profile, insbesondere persönliches Profil, sportliches Profil, Cabrio-Profil ausgewählt werden. Dies beinhaltet weitere Eingabeparameter, wie z. B. Region, Städte, Erlebnisart, insbesondere See, Berge, Golf,..., Anzahl der Tage, gefahrene Kilometer, Zeit im Auto welche bei der Berechnung der optimalen Route bezüglich des ermittelten personalisierten mit Schwarmdaten gestützten Fahrerlebniswertes einbezogen werden.
- b. eine implizite Navigationsanfrage:
- i. Wird ein Navigationsziel prädiziert beispielsweise Fahrt zur Arbeit oder nach Hause kann ein Vorschlag für eine fahrerlebnis-optimierte Route erfolgen.
- ii. Implizit kann ein Abgleich mit dem Kalender erfolgen um den Zeitfaktorautomatisch zu bestimmen.
- iii. Der Nutzer kann nun explizit die Schritte in a. durchführen.
-
Für das Auswählen der Route kann vorgesehen sein, dass nach der Kalkulation möglicher Routen auf Basis des Fahrerlebniswertes, der Nutzer diese explizit auswählen, oder implizit auswählen lassen kann.
-
Zudem kann vorgesehen sein, dass Buchungen für POls, Parkhäuser, Reservierungen für Ladestationen für die gewählte Route durchgeführt werden.
-
Für das Navigieren kann folgendes vorgesehen sein:
- a. Für jeden Fahrabschnitt, Hot-Spot oder POI bekommt der Fahrer zusätzliche Informationen beispielsweise Fokus des Fahrerlebnisses auf dem Streckenabschnitt ausgegeben.
- b. Die Kalkulation möglicher Alternativen wird während der gesamten Fahrt regelmäßig durchgeführt, um dynamische Parameter insbesondere Wetter, Verkehr, etc. einzubeziehen. Somit kann die Route explizit oder implizit angepasst werden.
-
Zudem kann vorgesehen sein, dass Buchungen für POls, Parkhäuser, Reservierungen angepasst werden, beispielsweise auf explizite Nachfrage oder automatisch.
- c. Auf Basis des Routenabschnittes kann der Nutzer nun Fahrzeugparameter mit automatischen Vorschlägen einstellen, die auf den Fahrerlebniswerten basieren beispielsweise Sport Modus, Stoßdämpfer, manuelles Schalten, Gangvorschlag vor Kurven.
-
Das in 4 dargestellt Verfahren sieht diesbezüglich einen Schritt 402 vor.
-
Im Schritt 402 erfolgt eine Nutzereingabe für einen Zielort xT.
-
Anschließend wird ein Schritt 404 ausgeführt.
-
Im Schritt 404 erfolgt eine Berechnung der schnellsten Route.
-
Anschließend wird ein Schritt 406 ausgeführt.
-
Im Schritt 406 erfolgt die Ausgabe einer Ankunftszeit T an den Benutzer.
-
Anschließend wird ein Schritt 408 ausgeführt.
-
Im Schritt 408 erfolgt eine Nutzereingabe mit der gewünschten Ankunftszeit T* und ggf. einer Wahl einer der Optionen, beispielsweise Küste, Bergpass, etc.
-
Anschließend wird ein Schritt 410 ausgeführt.
-
Im Schritt 410 erfolgt eine Überprüfung, ob die gewünschte Ankunftszeit T* größer als die Ankunftszeit T für die kürzeste Route ist.
-
Falls die gewünschte Ankunftszeit T*größer als die Ankunftszeit T ist, wird ein Schritt 412 ausgeführt. Anderenfalls wird ein Schritt 414 ausgeführt.
-
Im Schritt 412 wird eine Route mit maximalem Erlebniswert unter Einhaltung der Randbedingungen berechnet und zur Navigation festgelegt.
-
Anschließend wird ein Schritt 416 ausgeführt.
-
Im Schritt 414 wird die schnellste Route zur Navigation festgelegt.
-
Anschließend wird der Schritt 416 ausgeführt.
-
Im Schritt 416 erfolgt eine Nutzereingabe zum Starten der Navigation abgefragt.
-
Die Navigation beginnt mit der festgelegten Route, wenn der Nutzer die Nutzereingabe zum Starten der Navigation bestätigt.
-
Das Verfahren endet, wenn die Navigation durch Erreichen des Ziels oder eine Nutzereingabe zum Abbruch der Navigation beendet.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- WO 9305492 A1 [0002]
- DE 102014205070 A1 [0003]
- US 2018023969 A1 [0003]
- US 2018010920 A1 [0003]
- US 2018038704 A1 [0003]
- US 2017241793 A1 [0003]
- US 2017314949 A1 [0003]
- US 2017167885 A1 [0003]
- US 8738288 B2 [0003]
- WO 2011159340 A2 [0003]
- US 8392109 B2 [0003]
- EP 1498863 A2 [0003]