DE102019130172A1

DE102019130172A1 - Verfahren, Vorrichtung, Computerprogramm und computerlesbares Speichermedium zum Betreiben eines automatisierten Fahrzeuges

Info

Publication number: DE102019130172A1
Application number: DE102019130172.6A
Authority: DE
Inventors: Fabian Netzler; Horst KLOEDEN; Felix Klanner
Original assignee: Bayerische Motoren Werke AG
Current assignee: Bayerische Motoren Werke AG
Priority date: 2019-11-08
Filing date: 2019-11-08
Publication date: 2021-05-12

Abstract

Bei einem Verfahren zum Betreiben eines automatisierten Fahrzeuges (100) mit zumindest automatisierter Längsführung, das eine Fahreinheit (107) zum automatisierten Fahren des Fahrzeuges (100), die dazu ausgebildet ist, das Fahrzeug (100) automatisiert zu betreiben, aufweist, wird zumindest eine erste Trajektorie ermittelt. Die erste Trajektorie ist repräsentativ ist für ein Fahrverhalten eines virtuellen menschlichen Fahrers bezüglich eines durch das Fahrzeug (100) zu befahrenden Streckenabschnitts. Es wird eine zweite Trajektorie ermittelt. Die zweite Trajektorie ist repräsentativ für ein von der Fahreinheit (107) vorgegebenes Fahrverhalten bezüglich des zu befahrenden Streckenabschnitts. Es wird ein Vergleich von der ersten Trajektorie und der zweiten Trajektorie durchgeführt. Abhängig von dem Vergleich wird mindestens eine Fahrzeugfunktion des Fahrzeuges (100) ausgeführt.

Description

Die Erfindung betrifft ein Verfahren zum Betreiben eines automatisierten Fahrzeuges. Die Erfindung betrifft des Weiteren eine Vorrichtung zum Betreiben eines automatisierten Fahrzeuges. Die Erfindung betrifft des Weiteren ein Computerprogramm und ein computerlesbares Speichermedium zum Betreiben eines automatisierten Fahrzeuges.
Ein automatisiertes Fahrzeug nimmt, aufgrund der Erfassungsbereiche seiner Sensoren und der maschinellen Auswertung jeweiliger Messsignale der Sensoren, Umgebungen anders wahr, als ein Fahrer eines nicht-automatisierten Fahrzeuges oder ein Insasse des automatisierten Fahrzeuges. Beispielsweise erkennt der Fahrer des nicht-automatisierten Fahrzeuges, wenn in einiger Entfernung vor ihm fahrende Fahrzeuge einen Spurwechsel- oder ein Bremsmanöver einleiten. Das automatisierte Fahrzeug erkennt in derselben Verkehrssituation einen solchen Vorgang unter Umständen erst mit einer zeitlichen Verzögerung im Vergleich zu dem Fahrer.
Somit unterscheidet sich ein Fahrverhalten des automatisierten Fahrzeuges abhängig von der Verkehrssituation oftmals von dem Fahrverhalten des Fahrers und ist nicht eindeutig nachzuvollziehen für den Insassen.
Eine Aufgabe, die der Erfindung zugrunde liegt, ist es, ein Verfahren zu schaffen, das zu einem sicheren sowie komfortablen Betrieb eines automatisierten Fahrzeugs beiträgt. Darüber hinaus sollen eine korrespondierende Vorrichtung, ein korrespondierendes Computerprogramm sowie computerlesbares Speichermedium geschaffen werden.
Die Aufgabe wird gelöst durch die Merkmale der unabhängigen Patentansprüche. Vorteilhafte Ausgestaltungen sind in den Unteransprüchen gekennzeichnet.
Gemäß einem ersten Aspekt zeichnet sich die Erfindung aus durch ein Verfahren zum Betreiben eines automatisierten Fahrzeuges mit zumindest automatisierter Längsführung, das eine Fahreinheit zum automatisierten Fahren des Fahrzeuges aufweist, die dazu ausgebildet ist, das Fahrzeug abhängig von dem Messsignal automatisiert zu betreiben.
Gemäß dem ersten Aspekt wird abhängig von dem Messsignal zumindest eine erste Trajektorie ermittelt. Die erste Trajektorie ist repräsentativ für ein Fahrverhalten eines virtuellen menschlichen Fahrers bezüglich eines durch das Fahrzeug zu befahrenden Streckenabschnitts. Es wird eine zweite Trajektorie ermittelt. Die zweite Trajektorie ist repräsentativ für ein von der Fahreinheit vorgegebenes Fahrverhalten bezüglich des zu befahrenden Streckenabschnitts. Es wird ein Vergleich der ersten Trajektorie und der zweiten Trajektorie durchgeführt. Abhängig von dem Vergleich wird mindestens eine Fahrzeugfunktion des Fahrzeuges ausgeführt.
Optional weist das Fahrzeug einen Sensor zur Erzeugung eines Messsignals auf, wobei das Messsignal repräsentativ ist für den zu befahrenden Streckenabschnitt. Optional wird die zweite Trajektorie abhängig von dem Messsignal ermittelt. Optional wird der Vergleich derart durchgeführt, dass abhängig von der ersten Trajektorie und der zweiten Trajektorie wird eine Abweichung zwischen der ersten Trajektorie und der zweiten Trajektorie ermittelt. Abhängig von der Abweichung wird ein Bewertungskennwert ermittelt. Der Bewertungskennwert ist repräsentativ für eine Wahrnehmung der Abweichung durch den virtuellen menschlichen Fahrer. Optional wird die mindestens eine Fahrzeugfunktion des Fahrzeuges derart ausgeführt, dass die mindestens eine Fahrzeugfunktion des Fahrzeuges abhängig von dem Bewertungskennwert ausgeführt wird.
Durch das Verfahren gemäß dem ersten Aspekt ist es möglich, die Abweichung zwischen dem Fahrverhalten des virtuellen menschlichen Fahrers und dem von der Fahreinheit vorgegebenen Fahrverhalten zu ermitteln. Des Weiteren ist es hierdurch möglich, die Wahrnehmung der Abweichung durch den virtuellen menschlichen Fahrer zu ermitteln und die mindestens eine Fahrzeugfunktion des Fahrzeuges auszuführen.
Das Fahrzeug ist insbesondere ein selbstfahrendes ein- oder mehrspuriges Kraftfahrzeug (z.B. PKW, LKW, Transporter, Motorrad). Alternativ kann das Fahrzeug ein Luftfahrzeug oder ein Wasserfahrzeug sein, wobei das Verfahren auf Luftfahrzeuge bzw. Wasserfahrzeuge sinngemäß angewendet wird.
Der Sensor ist ein beliebiger Sensor des Fahrzeuges. Beispielsweise ist der Sensor eine Kamera und/oder ein Radarsensor und/oder ein LIDAR-Sensor und/oder ein Sensor zur Umfelderfassung des Fahrzeuges und/oder eine Navigationsvorrichtung des Fahrzeuges, wie beispielsweise ein GPS-Modul, oder dergleichen.
Das Messsignal kann Rohdaten des Sensors und/oder eine oder mehrere verarbeitete / abgeleitete Messgrößen des Sensors umfassen.
Zusätzlich oder alternativ kann das Fahrzeug mehrere Sensoren zur Erzeugung mehrerer Messsignale aufweisen. In diesem Zusammenhang kann dem erfindungsgemäßen Verfahren insbesondere ein Verarbeitungsschritt zur Fusionierung der Messsignale vorgelagert sein.
Der zu befahrende Streckenabschnitt wird beispielsweise von einem Insassen des Fahrzeuges vorgegeben. Beispielsweise erfolgt die Vorgabe abhängig von einer Nutzereingabe. Der zu befahrende Streckenabschnitt umfasst eine oder mehrere Straßen, die Teil einer zu befahrenden Route zu einem vorgegebenen Zielort sind. Der Zielort wird insbesondere abhängig von der Nutzereingabe vorgegeben.
Die Fahreinheit ist insbesondere dazu ausgebildet, das Fahrzeug gemäß der zweiten Trajektorie automatisiert zu betreiben. Als Trajektorie wird hier und im Folgenden ein ermittelter Pfad des Fahrzeugs bezeichnet, dem eine oder mehrere Eigenschaften zugeordnet sind. So kann der Pfad Koordinaten umfassen, entlang denen sich das Fahrzeug bewegt. Alternativ oder zusätzlich ist dem Pfad bzw. sind einzelnen Koordinaten des Pfads Zeitpunkte zugeordnet, zu denen das Fahrzeug sich auf dem entsprechenden Pfad bzw. der entsprechenden Koordinate befindet. Alternativ oder zusätzlich ist dem Pfad bzw. sind einzelnen Koordinaten des Pfads Geschwindigkeits- und/oder Beschleunigungswerte des Fahrzeugs zugeordnet, die eine entsprechende Geschwindigkeit bzw. Beschleunigung des Fahrzeugs auf dem entsprechenden Pfad bzw. der entsprechenden Koordinate kennzeichnen.
Die Fahreinheit umfasst beispielsweise eine maschinelle Lerneinheit und wird abhängig von einem maschinellen Lernverfahren und/oder einer Trainingsmethode breitgestellt. Die Fahreinheit umfasst beispielsweise ein neuronales Netz oder dergleichen.
Die erste Trajektorie ist repräsentativ dafür, wie der virtuelle menschliche Fahrer das Fahrzeug auf dem vorgegebenen Streckenabschnitt zu dem vorgegebenen Zielort betreiben würde. Abhängig von dem einen oder den mehreren Messsignalen können auch mehrere erste Trajektorien ermittelt werden. Beispielsweise wird eine Schar von ersten Trajektorien ermittelt.
Das Fahrverhalten des virtuellen menschlichen Fahrers ist repräsentativ für ein typisches Verhalten eines menschlichen Fahrers bezüglich des zu befahrenden Streckenabschnitts, beispielsweise in bestimmten Verkehrssituationen.
Die zweite Trajektorie ist repräsentativ dafür, wie die Fahreinheit das Fahrzeug auf dem vorgegebenen Streckenabschnitt zu dem vorgegebenen Zielort betreiben würde.
Die Abweichung zwischen der ersten Trajektorie und der zweiten Trajektorie umfasst beispielsweise eine Abweichung eines Geschwindigkeitsprofils und/oder eine Abweichung eines Beschleunigungsverhaltens und/oder eine Abweichung einer Querbeschleunigung und/oder eine Abweichung eines Fahrtweges oder dergleichen. Zusätzlich oder alternativ umfasst die Abweichung mehrere Abweichungen. Beispielsweise werden die mehreren Abweichungen zwischen einer jeweiligen ersten Trajektorie der Schar von ersten Trajektorien und der zweiten Trajektorie ermittelt.
Eine Höhe des Bewertungskennwertes ist repräsentativ dafür, wie signifikant der virtuelle menschliche Fahrer die Abweichung wahrnimmt. Beispielsweise ist der Bewertungskennwert höher, wenn ein Ruck durch den virtuellen menschlichen Fahrer als irritierend wahrgenommen werden würde. Dadurch ist es möglich, darauf zu schließen, ob der Ruck für den Insassen des Fahrzeuges als irritierend wahrgenommen werden würde. Zusätzlich oder alternativ werden abhängig von den mehreren Abweichungen mehrere Bewertungskennwerte ermittelt.
Die mindestens eine Fahrzeugfunktion des Fahrzeuges wird beispielsweise dann ausgeführt, wenn der Bewertungskennwert einen vorgegebenen Schwellenwert überschreitet. Der vorgegebene Schwellenwert wird beispielsweise von einem Entwicklungsingenieur vorgegeben. Die mindestens eine Fahrzeugfunktion umfasst eine oder mehrere beliebige Fahrzeugfunktionen des Fahrzeuges, insbesondere Fahrzeugfunktionen gemäß der optionalen Ausgestaltungen des ersten Aspekts. Die Fahrzeugfunktion ist beispielsweise eine Mensch-Maschine-Schnittstellen-Funktion des Fahrzeuges (sogenannte „human-machine interface function‟ bzw. „HMI-Funktion“).
Gemäß einer optionalen Ausgestaltung des ersten Aspekts umfasst die mindestens eine Fahrzeugfunktion des Fahrzeuges eine erste Fahrzeugfunktion. Die erste Fahrzeugfunktion wird derart ausgeführt, dass abhängig von dem Messsignal und dem Bewertungskennwert eine Datenbankinformation ermittelt wird. Die Datenbankinformation ermöglicht eine Zuordnung des Bewertungskennwerts zu dem zu befahrenden Streckenabschnitt. Die Datenbankinformation wird einer extern zu dem Fahrzeug angeordneten Datenbank bereitgestellt.
Hierdurch ist es möglich, abhängig von der Wahrnehmung der Abweichung durch den virtuellen menschlichen Fahrer die Datenbankinformation zu ermitteln und der Datenbank bereitzustellen.
Die Datenbankinformation umfasst beispielsweise den Bewertungskennwert und/oder eine Ortsinformation, die repräsentativ ist für eine geographische Region / Position, wobei die Zuordnung repräsentativ ist dafür, dass die Abweichung in der geographischen Region / Position aufgetreten ist, und/oder eine Zeitinformation, wobei die Zuordnung repräsentativ ist dafür, wann die Abweichung aufgetreten ist oder dergleichen. Hierdurch ist es möglich, geographische Regionen / Positionen zu ermitteln, an denen häufig Abweichungen auftreten, und abhängig davon eine Abweichungskarte zu erstellen. Beispielsweise ist das Fahrzeug Teil einer Fahrzeugflotte, wobei alle Fahrzeuge der Fahrzeugflotte dazu ausgebildet sind, der Datenbank entsprechende Datenbankinformationen bereitzustellen. Des Weiteren ist es hierdurch möglich, einen Beitrag zu einer Entwicklung / Weiterentwicklung / Verbesserung des Fahrzeuges zu leisten.
Beispielsweise umfasst die Datenbankinformation weitere Informationen wie eine Verkehrsdichte und/oder eine Wetterinformation oder dergleichen.
Die extern zu dem Fahrzeug angeordnete Datenbank ist beispielsweise ein Backend(-Server) oder eine Cloud oder dergleichen. Beispielsweise ist das Fahrzeug mit der extern zu dem Fahrzeug angeordneten Datenbank über eine Kommunikationsverbindung verbunden. Beispielsweise ist die Kommunikationsverbindung eine Netzwerkverbindung, wie beispielsweise eine drahtlose Netzwerkverbindung.
Gemäß einer weiteren optionalen Ausgestaltung des ersten Aspekts umfasst die mindestens eine Fahrzeugfunktion des Fahrzeuges eine zweite Fahrzeugfunktion. Die zweite Fahrzeugfunktion wird derart ausgeführt, dass abhängig von dem Messsignal und der zweiten Trajektorie eine Visualisierungsinformation ermittelt wird. Die Visualisierungsinformation wird einer Anzeigevorrichtung des Fahrzeuges bereitgestellt, um die Visualisierungsinformation einem Insassen des Fahrzeuges anzuzeigen.
Hierdurch ist es möglich, einen Beitrag zu einer Mensch-Maschine-Interaktion zu leisten. Beispielsweise können dadurch zukünftige Fahrmanöver des Fahrzeuges visualisiert werden. Des Weiteren kann dem Insassen des Fahrzeuges das vorgegebene Fahrverhalten der Assistenzeinheit transparent bereitgestellt werden. Des Weiteren ist es hierdurch möglich, dem Insassen des Fahrzeuges abhängig von dem Bewertungskennwert zu vermitteln, warum sich das von der Fahreinheit vorgegebene Fahrverhalten signifikant von dem Fahrverhalten eines virtuellen menschlichen Fahrers unterscheidet. Dadurch kann ein Beitrag zu einer Benutzererfahrung geleistet und ein Vertrauen des Insassen in das von der Fahreinheit vorgegebene Fahrverhalten erhöht werden. Des Weiteren kann dadurch eine Akzeptanz automatisierter Fahrzeuge erhöht werden.
Die Visualisierungsinformation ist repräsentativ dafür, auf welcher Basis die zweite Trajektorie ermittelt wurde und/oder eine Entscheidungsfindung / Trajektorienplanung der Fahreinheit. Beispielsweise umfasst die Visualisierungsinformation eine Kartendarstellung, welche die erste und/oder die zweite Trajektorie visualisiert.
Die Anzeigevorrichtung des Fahrzeuges ist beispielsweise Teil eines Infotainmentsystems des Fahrzeuges. Die Anzeigevorrichtung ist dazu ausgebildet eine zwei- oder mehrdimensionale Darstellung von Bildern zu ermöglichen. Beispielsweise ist die Anzeigevorrichtung dazu ausgebildet, Erweiterte-Realitäts-Einblendungen („sogenannte Augmented Reality“) zu ermöglichen. Beispielsweise ist die Anzeigevorrichtung insbesondere als ein sogenanntes Headup-Display ausgebildet.
Alternativ oder zusätzlich umfasst die Visualisierungsinformation eine Soundinformation, die über einen Lautsprecher des Infotainmentsystems abgespielt wird, wobei die Soundinformation Geräusche, die zu der Visualisierungsinformation korrelieren, umfasst.
Beispielsweise befinden sich mehrere Insassen in dem Fahrzeug und das Fahrzeug umfasst mehrere Anzeigevorrichtungen. In diesem Fall wird für jeden Insassen eine jeweilige Visualisierungsinformation ermittelt.
Gemäß einer weiteren optionalen Ausgestaltung des ersten Aspekts wird eine Insasseninformation bereitgestellt. Die Insasseninformation ist repräsentativ für eine Information bezüglich des Insassen des Fahrzeuges. Die Visualisierungsinformation wird abhängig von der Insasseninformation ermittelt.
Hierdurch ist es möglich, die Visualisierungsinformation für unterschiedliche Insassen des Fahrzeuges individuell zu ermitteln.
Die Insasseninformation ist repräsentativ für ein Kundenprofil des Insassen, welches eine persönliche Präferenz und/oder eine Gewohnheit und/oder ein Alter des Insassen oder dergleichen umfasst. Beispielsweise wird die Insasseninformation von der extern zu dem Fahrzeug angeordneten Datenbank bereitgestellt.
Beispielsweise wird abhängig von der Insasseninformation ermittelt, dass der Insasse ein technisch affiner Insasse ist. In diesem Fall umfasst die Visualisierungsinformation eine zwei- oder dreidimensionale Darstellung einer Umgebung des Fahrzeuges. Beispielsweise werden Bereiche der Umgebung unterschiedlich farblich gekennzeichnet abhängig von einem Umgebungsmodells des Fahrzeuges. Beispielsweise kann die Trajektorienplanung der ersten Trajektorie und/oder der zweiten Trajektorie in der Karte visualisiert werden, wobei Geschwindigkeiten und/oder Beschleunigungen farblich und/oder durch entsprechende Symbole codiert sind.
Alternativ oder zusätzlich wird abhängig von der Insasseninformation ermittelt, dass der Insasse kein technisch affiner Insasse ist. In diesem Fall ist die Visualisierungsinformation repräsentativ für eine Darstellung eines positiven Effekts, der beispielsweise durch ein Bremsen des Fahrzeuges erzielt wird, wobei das Bremsen des Fahrzeuges für den Insassen nicht nachvollziehbar ist. Beispielsweise ist das Fahrzeug ein elektrisch betriebenes Fahrzeug, wobei ein entsprechender positiver Effekt einem erhöhten Batterieladezustand durch Rekuperation entspricht und dadurch die Reichweite des Fahrzeuges erhöht wird. Alternativ oder zusätzlich umfasst die Visualisierungsinformation eine Darstellung / Animation von spielenden Kindern und/oder Tieren, beispielsweise bei einem Bremsvorgang an einer Kreuzung. Beispielsweise umfasst die Soundinformation ein „Quaken“ eines Frosches oder dergleichen.
Gemäß einer weiteren optionalen Ausgestaltung des ersten Aspekts wird die Visualisierungsinformation abhängig von einer Nutzereingabe ermittelt.
Hierdurch ist es möglich, die Visualisierungsinformation für unterschiedliche Insassen des Fahrzeuges individuell zu ermitteln.
Beispielsweise umfasst die Nutzereingabe die persönliche Präferenz und/oder die Gewohnheit und/oder das Alter des Insassen oder dergleichen.
Gemäß einer weiteren optionalen Ausgestaltung des ersten Aspekts umfasst die mindestens eine Fahrzeugfunktion des Fahrzeuges eine dritte Fahrzeugfunktion. Die dritte Fahrzeugfunktion wird derart ausgeführt, dass abhängig von dem Bewertungskennwert die zweite Trajektorie angepasst wird.
Hierdurch ist es möglich, abhängig von der Wahrnehmung der Abweichung durch den virtuellen menschlichen Fahrer die zweite Trajektorie anzupassen.
Beispielsweise wird die zweite Trajektorie derart angepasst, dass die Abweichung reduziert wird im Vergleich dazu, wenn die zweite Trajektorie nicht angepasst wird.
Gemäß einer weiteren optionalen Ausgestaltung des ersten Aspekts umfasst das Fahrzeug eine erste Verarbeitungseinheit. Die erste Verarbeitungseinheit ist vortrainiert, anhand von Trainingsmesssignalen, die repräsentativ sind für befahrene Streckenabschnitte, Trajektorien zu ermitteln, die repräsentativ sind für das Fahrverhalten des virtuellen menschlichen Fahrers bezüglich zu befahrender Streckenabschnitte. Die erste Trajektorie wird abhängig von der ersten Verarbeitungseinheit und dem Messsignal ermittelt.
Hierdurch ist es möglich, das Fahrverhalten des virtuellen menschlichen Fahrers bezüglich des zu befahrenden Streckenabschnitts automatisiert zu ermitteln.
Die erste Verarbeitungseinheit kann beispielsweise auch als maschinelle Lerneinheit bezeichnet werden und wird abhängig von einem maschinellen Lernverfahren und/oder einer Trainingsmethode breitgestellt. Die erste Verarbeitungseinheit umfasst beispielsweise ein neuronales Netz oder dergleichen.
Das Vortraining erfolgt abhängig von den Trainingsmesssignalen die repräsentativ sind für befahrene Streckenabschnitte, welche zu dem zu befahrenden Streckenabschnitt korrelieren. Beispielsweise ist der zu befahrende Streckenabschnitt repräsentativ für eine Überlandkreuzung. In diesem Fall sind die Trainingsmesssignale repräsentativ für Daten aufgezeichneter Fahrten eines oder mehrerer menschlicher Fahrer, wobei die Fahrten die Überlandkreuzung oder ähnliche Überlandkreuzungen umfassen. Beispielsweise sind die Trainingsmesssignale repräsentativ für weitere Informationen wie eine Verkehrsdichte und/oder eine Wetterinformation oder dergleichen. Durch das Vortraining abhängig von den Daten aufgezeichneter Fahrten, ist es möglich, die erste Verarbeitungseinheit derart zu trainieren, dass die erste Trajektorie repräsentativ ist für das Fahrverhalten des virtuellen menschlichen Fahrers.
Alternativ oder zusätzlich umfasst die Ermittlung der ersten Trajektorie abhängig von der ersten Verarbeitungseinheit eine virtuelle Verkehrssimulation.
Gemäß einer weiteren optionalen Ausgestaltung des ersten Aspekts wird die zweite Trajektorie abhängig von dem Messsignal derart ermittelt, dass ein Umgebungsmodell in Form einer Gitterkarte bereitgestellt wird. Das Umgebungsmodell ist repräsentativ für einen durch den Sensor erfassbaren Bereich einer Umgebung des Fahrzeuges. Die Gitterkarte umfasst mehrere Gitterzellen und jede der Gitterzellen ist repräsentativ für einen jeweiligen Teilbereich des erfassbaren Bereichs. Jeder der Gitterzellen wird ein jeweiliger Einsehbarkeitskennwert zugeordnet. Der jeweilige Einsehbarkeitskennwert ist repräsentativ für ein Maß der Erfassung des jeweiligen Teilbereichs durch den Sensor. Die zweite Trajektorie wird abhängig von den Einsehbarkeitskennwerten und dem zu befahrenden Streckenabschnitt ermittelt.
Hierdurch ist es möglich, das von der Fahreinheit vorgegebene Fahrverhalten bezüglich des zu befahrenden Streckenabschnitts automatisiert zu ermitteln.
Das Umgebungsmodell wird abhängig von einer vorgegebenen Karte der Umgebung des Fahrzeuges bereitgestellt.
Die Ermittlung der zweiten Trajektorie erfolgt abhängig von einer vorgegebenen Güte des Messsignals des Sensors und/oder unter Berücksichtigung von Unsicherheiten des Umgebungsmodells.
Beispielsweise ist die Gitterkarte repräsentativ für eine sogenannte „Gridmap“, wobei die jeweiligen Einsehbarkeitswerte sogenannten „Belief“-Werten entsprechen.
Der jeweilige Einsehbarkeitskennwert kann positive oder negative Werte annehmen. Beispielsweise ist ein positiver Wert repräsentativ dafür, dass der jeweilige Teilbereich gut durch den Sensor erfasst werden kann. Beispielsweise ist ein negativer Wert repräsentativ dafür, dass der jeweilige Teilbereich schlecht durch den Sensor erfasst werden kann. Dies kann der Fall sein, wenn der jeweilige Teilbereich beispielsweise aus Sicht des Sensors von einem Objekt verdeckt wird.
Beispielsweise wird bei der Trajektorienplanung der zweiten Trajektorie ein Fahrschlauch ermittelt, der jene Gitterzellen umfasst, die Teil des zu befahrenden Streckenabschnitts sind. Falls eine Summe der Einsehbarkeitskennwerte bezüglich des Fahrschlauchs einen vorgegebenen Schwellenwert übersteigt, wird die zweite Trajektorie angepasst, beispielsweise erfolgt eine Bremsung. Beispielsweise wird abhängig von dem Umgebungsmodell ermittelt, dass hinter dem verdeckenden Objekt eine Straße oder ein Fahrradweg verläuft.
Beispielsweise kann bei einem erhöhten Interesse an dem jeweiligen Teilbereich der vorgegebene Schwellenwert für den jeweiligen Teilbereich erhöht werden.
Beispielsweise wird abhängig von der Geschwindigkeit des Fahrzeuges und einer Geschwindigkeit eines anderen Objekts ein Ausgleich der Einsehbarkeitskennwerte ermittelt. Dies erfolgt insbesondere abhängig von eine Finiten-Elemente-Methode und/oder einem Gauss-Filter.
Gemäß einer weiteren optionalen Ausgestaltung des ersten Aspekts umfassen die erste Trajektorie und/oder die zweite Trajektorie eine Geschwindigkeitsinformation des zu befahrenden Streckenabschnitts. Alternativ oder zusätzlich umfassen die erste Trajektorie und/oder die zweite Trajektorie eine Beschleunigungsinformation des zu befahrenden Streckenabschnitts. Alternativ oder zusätzlich umfassen die erste Trajektorie und/oder die zweite Trajektorie eine Ortsinformation des zu befahrenden Streckenabschnitts. Alternativ oder zusätzlich umfassen die erste Trajektorie und/oder die zweite Trajektorie eine Zeitinformation des zu befahrenden Streckenabschnitts.
Hierdurch ist es möglich, die Abweichung anhand der Geschwindigkeitsinformation und/oder der Beschleunigungsinformation und/oder der Ortsinformation und/oder der Zeitinformation zu ermitteln.
Die Geschwindigkeitsinformation ist repräsentativ für eine Geschwindigkeit und/oder einen Geschwindigkeitsverlauf des Fahrzeuges bezüglich des zu befahrenden Streckenabschnitts. Beispielsweise umfasst die Geschwindigkeitsinformation die Zeitinformation.
Die Beschleunigungsinformation ist repräsentativ für eine Beschleunigung und/oder einen Beschleunigungsverlauf des Fahrzeuges bezüglich des zu befahrenden Streckenabschnitts. Beispielsweise umfasst die Beschleunigungsinformation die Zeitinformation.
Die Ortsinformation ist repräsentativ für eine geographische Region und/oder Positionen des Fahrzeuges bezüglich des zu befahrenden Streckenabschnitts. Beispielsweise umfasst die Ortsinformation die Koordinaten des ermittelten Pfades.
Beispielsweise umfasst die Zeitinformation die den einzelnen Koordinaten des ermittelten Pfades zugeordneten Zeitpunkte, zu denen das Fahrzeug sich auf dem entsprechenden Pfad bzw. der entsprechenden Koordinate befindet.
Gemäß einer weiteren optionalen Ausgestaltung des ersten Aspekts umfasst das Fahrzeug eine zweite Verarbeitungseinheit. Die zweite Verarbeitungseinheit ist vortrainiert, Bewertungskennwerte abhängig von Abweichungen, die repräsentativ sind dafür, wie signifikant der virtuelle menschliche Fahrer die Abweichungen wahrnehmen würde, zu ermitteln. Der Bewertungskennwert wird abhängig von der zweiten Verarbeitungseinheit und der Abweichung ermittelt.
Hierdurch ist es möglich, die Wahrnehmung der Abweichung durch den virtuellen menschlichen Fahrer automatisiert zu bewerten.
Die zweite Verarbeitungseinheit kann beispielsweise auch als maschinelle Lerneinheit bezeichnet werden und wird abhängig von einem maschinellen Lernverfahren und/oder einer Trainingsmethode breitgestellt. Die erste Verarbeitungseinheit umfasst beispielsweise ein neuronales Netz oder dergleichen.
Das Vortraining erfolgt abhängig von Trainingsabweichungen die repräsentativ sind Abweichungen zwischen dem Fahrverhalten des virtuellen menschlichen Fahrers bezüglich befahrener Streckenabschnitte und dem von der Fahreinheit vorgegebenen Fahrverhalten befahrener Streckenabschnitte.
Gemäß einem zweiten Aspekt zeichnet sich die Erfindung aus durch eine Vorrichtung zum Betreiben eines automatisierten Fahrzeuges. Die Vorrichtung ist dazu ausgebildet, das Verfahren zum Betreiben eines automatisierten Fahrzeuges gemäß dem ersten Aspekt durchzuführen.
Gemäß einem dritten Aspekt zeichnet sich die Erfindung aus durch ein Computerprogramm, wobei das Computerprogramm Anweisungen umfasst, die, wenn das Computerprogramm von einem Computer ausgeführt wird, den Computer dazu veranlassen das Verfahren zum Betreiben eines automatisierten Fahrzeuges gemäß dem ersten Aspekt durchzuführen.
Gemäß einem vierten Aspekt zeichnet sich die Erfindung aus durch ein computerlesbares Speichermedium, auf dem das Computerprogramm gemäß dem dritten Aspekt gespeichert ist.
Optionale Ausgestaltungen des ersten Aspekts können auch entsprechend bei den weiteren Aspekten vorhanden sein und entsprechende Wirkungen aufweisen.
Gemäß einem fünften Aspekt zeichnet sich die Erfindung aus durch ein Verfahren, bei dem eine Trajektorie abhängig von einem Messsignal derart ermittelt wird, dass ein Umgebungsmodell in Form einer Gitterkarte bereitgestellt wird. Das Umgebungsmodell ist repräsentativ für einen durch einen Sensor erfassbaren Bereich einer Umgebung eines Fahrzeuges. Die Gitterkarte umfasst mehrere Gitterzellen und jede der Gitterzellen ist repräsentativ für einen jeweiligen Teilbereich des erfassbaren Bereichs. Jeder der Gitterzellen wird ein jeweiliger Einsehbarkeitskennwert zugeordnet. Der jeweilige Einsehbarkeitskennwert ist repräsentativ für ein Maß der Erfassung des jeweiligen Teilbereichs durch den Sensor. Die Trajektorie wird abhängig von den Einsehbarkeitskennwerten und einem zu befahrenden Streckenabschnitt ermittelt.
Der fünfte Aspekt weist dieselben Vorteile und Wirkungen auf, wie die neunte optionale Ausgestaltung des ersten Aspekts.
Die Trajektorie kann beispielsweise dieselben Eigenschaften aufweisen, wie die zweite Trajektorie gemäß dem ersten Aspekt.
Das Messsignal kann beispielsweise dieselben Eigenschaften aufweisen, wie das Messsignal gemäß dem ersten Aspekt.
Der Sensor kann beispielsweise dieselben Eigenschaften aufweisen, wie der Sensor gemäß dem ersten Aspekt.
Das Fahrzeug kann beispielsweise dieselben Eigenschaften aufweisen, wie das Fahrzeug gemäß dem ersten Aspekt.
Der zu befahrende Streckenabschnitt kann beispielsweise dieselben Eigenschaften aufweisen, der zu befahrende Streckenabschnitt gemäß dem ersten Aspekt.
Ausführungsbeispiele der Erfindung sind im Folgenden anhand der schematischen Zeichnungen näher erläutert.
Es zeigen:

1 ein Ablaufdiagramm eines Programms zum Betreiben eines teil- oder vollautonomen Fahrzeuges,
2 eine schematische Zeichnung eines verteilten Systems,
3 eine beispielhafte Visualisierung einer ersten Trajektorie bezüglich eines zu befahrenden Streckenabschnitts, und
4 eine beispielhafte Visualisierung einer zweiten Trajektorie bezüglich des zu befahrenden Streckenabschnitts.

Elemente gleicher Konstruktion oder Funktion sind figurenübergreifend mit den gleichen Bezugszeichen gekennzeichnet.
Die 1 zeigt ein Ablaufdiagramm eines Programms zum Betreiben eines teil- oder vollautonomen Fahrzeuges 100, das einen Sensor 103 zur Erzeugung eines Messsignals 105 aufweist, wobei das Messsignal 105 repräsentativ ist für einen durch das Fahrzeug 100 zu befahrenden Streckenabschnitt 301. Des Weiteren weist das Fahrzeug 100 eine Fahrassistenzeinheit 107 auf, die dazu ausgebildet ist, das Fahrzeug 100 teil- oder vollautonom zu betreiben.
Das Programm kann insbesondere von einer Vorrichtung ausgeführt werden. Die Vorrichtung weist hierfür insbesondere eine Recheneinheit, einen Programm- und Datenspeicher, sowie beispielsweise eine oder mehrere Kommunikationsschnittstellen auf. Der Programm- und Datenspeicher und/oder die Recheneinheit und/oder die Kommunikationsschnittstellen können in einer Baueinheit und/oder verteilt auf mehrere Baueinheiten ausgebildet sein.
Die Vorrichtung kann auch als Vorrichtung 113 zum Betreiben eines teil- oder vollautonomen Fahrzeuges bezeichnet werden.
Auf dem Programm- und Datenspeicher der Vorrichtung ist hierfür insbesondere das Programm gespeichert.
Das Programm wird in einem Schritt S101 gestartet, in dem gegebenenfalls Variablen initialisiert werden können.
In einem Schritt S103 wird abhängig von dem Messsignal 105 eine erste Trajektorie 310 (vgl. 3) ermittelt. Die erste Trajektorie 310 ist repräsentativ ist für ein Fahrverhalten eines virtuellen menschlichen Fahrers bezüglich des zu befahrenden Streckenabschnitts 301 (vgl. 3).
Beispielsweise umfasst das Messsignal 105 Rohdaten des Sensors 103 und/oder eine oder mehrere verarbeitete / abgeleitete Messgrößen des Sensors 103.
Beispielsweise umfasst das Fahrzeug 100 mehrere Sensoren 103 zur Erzeugung mehrerer Messsignale 105.
Optional umfasst in dem Schritt S103 die erste Trajektorie 310 eine Geschwindigkeitsinformation des zu befahrenden Streckenabschnitts 301. Alternativ oder zusätzlich umfasst die erste Trajektorie 310 eine Beschleunigungsinformation des zu befahrenden Streckenabschnitts 301. Alternativ oder zusätzlich umfasst die erste Trajektorie 310 eine Ortsinformation des zu befahrenden Streckenabschnitts 301. Alternativ oder zusätzlich umfasst die erste Trajektorie 310 eine Zeitinformation des zu befahrenden Streckenabschnitts 301.
Optional umfasst in dem Schritt S103 das Fahrzeug 100 eine erste Verarbeitungseinheit 109. Die erste Verarbeitungseinheit 109 ist vortrainiert, anhand von Trainingsmesssignalen, die repräsentativ sind für befahrene Streckenabschnitte, Trajektorien zu ermitteln, die repräsentativ sind für das Fahrverhalten des virtuellen menschlichen Fahrers bezüglich zu befahrender Streckenabschnitte. Die erste Trajektorie 310 wird abhängig von der ersten Verarbeitungseinheit 109 und dem Messsignal 105 ermittelt.
In einem Schritt S105 wird abhängig von dem mindestens einen Messsignal 105 wird eine zweite Trajektorie 320 ermittelt. Die zweite Trajektorie 320 ist repräsentativ für ein von der Fahrassistenzeinheit 107 vorgegebenes Fahrverhalten bezüglich des zu befahrenden Streckenabschnitts 301.
Optional umfasst in dem Schritt S105 die zweite Trajektorie 320 eine Geschwindigkeitsinformation des zu befahrenden Streckenabschnitts 301. Alternativ oder zusätzlich umfasst die zweite Trajektorie 320 eine Beschleunigungsinformation des zu befahrenden Streckenabschnitts 301. Alternativ oder zusätzlich umfasst die zweite Trajektorie 320 eine Ortsinformation des zu befahrenden Streckenabschnitts 301. Alternativ oder zusätzlich umfasst die zweite Trajektorie 320 eine Zeitinformation des zu befahrenden Streckenabschnitts 301.
Der Schritt S111 kann eine Abfolge von optionalen Schritten S105-1, S105-2, S105-3, umfassen:

In dem Schritt S105-1 wird die zweite Trajektorie 320 abhängig von dem Messsignal 105 derart ermittelt, dass ein Umgebungsmodell in Form einer Gitterkarte bereitgestellt wird. Das Umgebungsmodell ist repräsentativ für einen durch den Sensor 103 erfassbaren Bereich einer Umgebung des Fahrzeuges 100. Die Gitterkarte umfasst mehrere Gitterzellen und jede der Gitterzellen ist repräsentativ für einen jeweiligen Teilbereich des erfassbaren Bereichs.

In dem Schritt S105-2 wird jeder der Gitterzellen ein jeweiliger Einsehbarkeitskennwert zugeordnet. Der jeweilige Einsehbarkeitskennwert ist repräsentativ für ein Maß der Erfassung des jeweiligen Teilbereichs durch den Sensor.
In dem Schritt S105-3 wird die zweite Trajektorie 320 abhängig von den Einsehbarkeitskennwerten und dem zu befahrenden Streckenabschnitt 301 ermittelt.
In einem Schritt S107 wird abhängig von der ersten Trajektorie 310 und der zweiten Trajektorie 320 eine Abweichung zwischen der ersten Trajektorie 310 und der zweiten Trajektorie 320 ermittelt.
In einem Schritt S109 wird abhängig von der Abweichung ein Bewertungskennwert ermittelt. Der Bewertungskennwert ist repräsentativ für eine Wahrnehmung der Abweichung durch den virtuellen menschlichen Fahrer.
Optional umfasst in dem Schritt S109 das Fahrzeug 100 eine zweite Verarbeitungseinheit 111. Die zweite Verarbeitungseinheit 111 ist vortrainiert, Bewertungskennwerte abhängig von Abweichungen, die repräsentativ sind dafür, wie signifikant der virtuelle menschliche Fahrer die Abweichungen wahrnehmen würde, zu ermitteln. Der Bewertungskennwert wird abhängig von der zweiten Verarbeitungseinheit 111 und der Abweichung ermittelt.
In einem Schritt S111 wird abhängig von dem Bewertungskennwert mindestens eine Fahrzeugfunktion des Fahrzeuges 100 ausgeführt.
Der Schritt S111 kann eine Abfolge von optionalen Schritten S111-1, S111-2, S111-3, S111-4, S111-5, umfassen:

In dem Schritt S111-1 umfasst die mindestens eine Fahrzeugfunktion des Fahrzeuges 100 eine erste Fahrzeugfunktion. Die erste Fahrzeugfunktion wird derart ausgeführt, dass abhängig von dem Messsignal 105 und dem Bewertungskennwert eine Datenbankinformation ermittelt wird. Die Datenbankinformation ermöglicht eine Zuordnung des Bewertungskennwerts zu dem zu befahrenden Streckenabschnitt 301.

In dem Schritt S111-2 wird die Datenbankinformation einer extern zu dem Fahrzeug 100 angeordneten Datenbank 200 bereitgestellt.
In dem Schritt S111-3 umfasst die mindestens eine Fahrzeugfunktion des Fahrzeuges 100 eine zweite Fahrzeugfunktion. Die zweite Fahrzeugfunktion wird derart ausgeführt, dass abhängig von dem Messsignal 105 und der zweiten Trajektorie 320 eine Visualisierungsinformation ermittelt wird.
In dem Schritt S111-4 wird die Visualisierungsinformation einem Bildschirm des Fahrzeuges 100 bereitgestellt, um die Visualisierungsinformation einem Insassen des Fahrzeuges 100 anzuzeigen.
Optional wird in dem Schritt S111-4 eine Insasseninformation bereitgestellt. Die Insasseninformation ist repräsentativ für eine Information bezüglich des Insassen des Fahrzeuges 100. Die Visualisierungsinformation wird abhängig von der Insasseninformation ermittelt.
Optional wird in dem Schritt S111-4 die Visualisierungsinformation abhängig von einer Nutzereingabe ermittelt.
In dem Schritt S111-5 umfasst die mindestens eine Fahrzeugfunktion des Fahrzeuges 100 eine dritte Fahrzeugfunktion. Die dritte Fahrzeugfunktion wird derart ausgeführt, dass abhängig von dem Bewertungskennwert die zweite Trajektorie 320 angepasst wird.
In einem Schritt S113 wird das Programm beendet und kann gegebenenfalls wieder in dem Schritt S101 gestartet werden.
Die 2 zeigt eine schematische Zeichnung eines verteilten Systems. Das verteilte System umfasst ein teil- oder vollautonomes Fahrzeug 100 und eine extern zu dem Fahrzeug 100 angeordnete Datenbank 200. Das Fahrzeug 100 weist einen Sensor 103 zur Erzeugung eines Messsignals 105 auf. Das Messsignal 105 ist repräsentativ für einen durch das Fahrzeug 100 zu befahrenden Streckenabschnitt 301. Des Weiteren weist das Fahrzeug 100 eine Fahrassistenzeinheit 107 auf, die dazu ausgebildet ist, das Fahrzeug 100 teil- oder vollautonom zu betreiben. Des Weiteren weist das Fahrzeug 100 eine erste Verarbeitungseinheit 109 auf. Die erste Verarbeitungseinheit 109 ist vortrainiert, anhand von Trainingsmesssignalen, die repräsentativ sind für befahrene Streckenabschnitte, Trajektorien zu ermitteln, die repräsentativ sind für das Fahrverhalten eines virtuellen menschlichen Fahrers bezüglich zu befahrender Streckenabschnitte. Des Weiteren weist das Fahrzeug 100 eine zweite Verarbeitungseinheit 111 auf. Die zweite Verarbeitungseinheit 111 ist vortrainiert, Bewertungskennwerte abhängig von Abweichungen, die repräsentativ sind dafür, wie signifikant der virtuelle menschliche Fahrer die Abweichungen wahrnehmen würde, zu ermitteln. Des Weiteren weist das Fahrzeug 100 eine Vorrichtung 113 zum Betreiben des teil- oder vollautonomen Fahrzeuges 100 auf. Des Weiteren weist das Fahrzeug 100 eine erste Kommunikationsschnittstelle 115 auf. Die extern zu dem Fahrzeug 100 angeordnete Datenbank 200 umfasst eine zweite Kommunikationsschnittstelle 215.
Die extern zu dem Fahrzeug 100 angeordnete Datenbank 200 ist beispielsweise ein Backend oder eine Cloud oder dergleichen.
Beispielsweise erfolgt eine Kommunikation zwischen der ersten Kommunikationsschnittstelle 115 und der zweiten Kommunikationsschnittstelle 215 über eine Kommunikationsverbindung. Beispielsweise ist die Kommunikationsverbindung eine drahtlose Netzwerkverbindung.
Die 3 zeigt eine beispielhafte Visualisierung einer ersten Trajektorie 310 bezüglich eines zu befahrenden Streckenabschnitts 301. Die beispielhafte Visualisierung weist den zu befahrenden Streckenabschnitt 301 auf, der repräsentativ ist für eine zu befahrende Straße. Des Weiteren weist die beispielhafte Visualisierung eine gegenüber dem zu befahrenden Streckenabschnitt 301 vorfahrtsberechtigte Querstraße 303 auf. Der zu befahrende Streckenabschnitt 301 und die vorfahrtsberechtigte Querstraße 303 bilden eine Kreuzung 305. Des Weiteren weist die beispielhafte Visualisierung einen Bereich 307 auf, welcher eine Einsehbarkeit von dem zu befahrenden Streckenabschnitt 301 auf die vorfahrtsberechtigte Querstraße 303 erschwert. Beispielsweise ist der erste Bereich 307 repräsentativ für ein Kornfeld oder eine ungemähte Wiese. Des Weiteren weist die beispielhafte Visualisierung einen zweiten Bereich 309 auf, der repräsentativ ist für eine Pfütze. Des Weiteren weist die beispielhafte Visualisierung das Fahrzeug 100, sowie die erste Trajektorie 310 auf. Das Fahrzeug 100 weist dieselben Eigenschaften auf, wie gemäß der 1. Eine Dicke der ersten Trajektorie 310 gemäß der beispielhaften Visualisierung der ersten Trajektorie 310 ist repräsentativ für eine Geschwindigkeitsinformation der ersten Trajektorie 310 des zu befahrenden Streckenabschnitts 301, wobei die Dicke zu einer Höhe einer Geschwindigkeit des Fahrzeuges 100 korreliert.
Beispielsweise ist das Fahrzeug 100 auf dem zu befahrenden Streckenabschnitt 301 gegenüber der vorfahrtsberechtigten Querstraße 303 wartepflichtig.
Die erste Trajektorie 310 ist repräsentativ dafür, dass der virtuelle menschliche Fahrer den zweiten Bereich 309 erkennt und der Pfütze ausweicht. Des Weiteren kann der virtuelle Fahrer problemlos feststellen, ob sich ein vorfahrtsberechtigtes Querverkehrsfahrzeug auf der vorfahrtsberechtigten Querstraße 303 nähert oder nicht. Gemäß der beispielhaften Visualisierung nähert sich kein vorfahrtsberechtigtes Querverkehrsfahrzeug und der virtuelle Fahrer bremst das Fahrzeug 100 nicht wesentlich ab beim Überfahren der Kreuzung 305.
Die 4 zeigt eine beispielhafte Visualisierung einer zweiten Trajektorie 320 bezüglich des zu befahrenden Streckenabschnitts 301. Die beispielhafte Visualisierung der zweiten Trajektorie 320 weist dieselben Eigenschaften auf, wie die beispielhafte Visualisierung der ersten Trajektorie 310. Eine Dicke der zweiten Trajektorie 320 gemäß der beispielhaften Visualisierung der zweiten Trajektorie 320 ist repräsentativ für eine Geschwindigkeitsinformation der zweiten Trajektorie 320 des zu befahrenden Streckenabschnitts 301, wobei die Dicke zu der Höhe der Geschwindigkeit des Fahrzeuges 100 korreliert.
Die zweite Trajektorie 320 ist repräsentativ dafür, dass das von der Fahrassistenz vorgegebene Fahrverhalten den zweiten Bereich 309 nicht erkennt und der Pfütze nicht ausweicht.
Das Fahrzeug 100 umfasst mehrere Sensoren 103, wie beispielsweise eine Kamera und/oder ein Radarsensor und/oder ein LIDAR-Sensor und/oder ein Sensor zur Umfelderfassung des Fahrzeuges und/oder eine Navigationsvorrichtung des Fahrzeuges, wie beispielsweise ein GPS-Modul, oder dergleichen. Die mehreren Sensoren 103 erzeugen mehrere Messsignale 105.
Beispielsweise umfassen die mehreren Messsignale 105 Rohdaten der mehreren Sensoren 103 und/oder eine oder mehrere verarbeitete / abgeleitete Messgrößen der mehreren Sensoren 103.
Beispielsweise sind die mehreren Sensoren 103 im Wesentlichen in einem unteren Bereich des Fahrzeuges 100 angeordnet, sodass die Feststellung, ob sich das vorfahrtsberechtigte Querverkehrsfahrzeug auf der vorfahrtsberechtigten Querstraße 303 nähert oder nicht, nicht mit einer gleichen Konfidenz und/oder Präzision möglich ist wie für den virtuellen Fahrer. Gemäß der beispielhaften Visualisierung nähert sich kein vorfahrtsberechtigtes Querverkehrsfahrzeug, jedoch bremst das Fahrzeug 100 in einem Bereich vor der Kreuzung 305 wesentlich ab, um bei einem Erreichen der Kreuzung 305 final zu entscheiden, ob sich das vorfahrtsberechtigte Querverkehrsfahrzeug nähert. Da dies nicht der Fall ist, erfolgt anschließend eine Beschleunigung des Fahrzeuges 100.
Beispielsweise ist ein solches Verhalten für den Insassen des Fahrzeuges 100 absolut nicht nachvollziehbar.

Claims

Verfahren zum Betreiben eines automatisierten Fahrzeuges (100) mit zumindest automatisierter Längsführung, wobei das Fahrzeug (100) eine Fahreinheit (107) zum automatisierten Fahren des Fahrzeuges (100) aufweist, die dazu ausgebildet ist, das Fahrzeug (100) automatisiert zu betreiben, und bei dem Verfahren - zumindest eine erste Trajektorie (310) ermittelt wird, die repräsentativ ist für ein Fahrverhalten eines virtuellen menschlichen Fahrers bezüglich eines durch das Fahrzeug (100) zu befahrenden Streckenabschnitts (301), - eine zweite Trajektorie (320) ermittelt wird, die repräsentativ ist für ein von der Fahreinheit (107) vorgegebenes Fahrverhalten bezüglich des zu befahrenden Streckenabschnitts (301), - ein Vergleich der ersten Trajektorie (310) und der zweiten Trajektorie (320) durchgeführt wird, und - abhängig von dem Vergleich mindestens eine Fahrzeugfunktion des Fahrzeuges (100) ausgeführt wird.
Verfahren nach Anspruch 1, bei dem der Vergleich derart durchgeführt wird, dass - abhängig von der ersten Trajektorie (310) und der zweiten Trajektorie (320) eine Abweichung zwischen der ersten Trajektorie (310) und der zweiten Trajektorie (320) ermittelt wird, und abhängig von der Abweichung ein Bewertungskennwert ermittelt wird, der repräsentativ ist für eine Wahrnehmung der Abweichung durch den virtuellen menschlichen Fahrer, und bei dem die Fahrzeugfunktion derart ausgeführt wird, dass - abhängig von dem Bewertungskennwert die mindestens eine Fahrzeugfunktion des Fahrzeuges (100) ausgeführt wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei das Fahrzeug einen Sensor (103) zur Erzeugung eines Messsignals (105), das repräsentativ ist für den zu befahrenden Streckenabschnitt (301), wobei die mindestens eine Fahrzeugfunktion des Fahrzeuges (100) eine zweite Fahrzeugfunktion umfasst, und bei dem Verfahren die zweite Fahrzeugfunktion derart ausgeführt wird, dass - eine Visualisierungsinformation ermittelt wird, insbesondere abhängig von dem Messsignal (105) und/oder der zweiten Trajektorie (320), und - die Visualisierungsinformation einer Anzeigevorrichtung des Fahrzeuges (100) bereitgestellt wird, um die Visualisierungsinformation einem Insassen des Fahrzeuges (100) anzuzeigen.
Verfahren nach einem der vorhergehenden Ansprüche, wobei die mindestens eine Fahrzeugfunktion des Fahrzeuges (100) eine erste Fahrzeugfunktion umfasst, und bei dem Verfahren die erste Fahrzeugfunktion derart ausgeführt wird, dass - abhängig von dem Messsignal (105) und dem Bewertungskennwert eine Datenbankinformation ermittelt wird, wobei die Datenbankinformation eine Zuordnung des Bewertungskennwerts zu dem zu befahrenden Streckenabschnitt (301) ermöglicht, und - die Datenbankinformation einer extern zu dem Fahrzeug (100) angeordneten Datenbank (200) bereitgestellt wird.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem - eine Insasseninformation abgerufen wird, die repräsentativ ist für eine Information bezüglich des Insassen des Fahrzeuges (100), und - die Visualisierungsinformation abhängig von der Insasseninformation ermittelt wird.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem die Visualisierungsinformation abhängig von einer Nutzereingabe ermittelt wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei die mindestens eine Fahrzeugfunktion des Fahrzeuges (100) eine dritte Fahrzeugfunktion umfasst, und bei dem Verfahren die dritte Fahrzeugfunktion derart ausgeführt wird, dass abhängig von dem Bewertungskennwert die zweite Trajektorie (320) angepasst wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei für das Fahrzeug (100) ein Vortraining durchgeführt worden ist, um anhand von Trainingsmesssignalen, die repräsentativ sind für befahrene Streckenabschnitte, Trajektorien zu ermitteln, die repräsentativ sind für das Fahrverhalten des virtuellen menschlichen Fahrers bezüglich zu befahrender Streckenabschnitte, und bei dem Verfahren die erste Trajektorie (310), insbesondere abhängig von dem Messsignal (105), ermittelt wird.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem die zweite Trajektorie (320) abhängig von dem Messsignal (105) derart ermittelt wird, dass - ein Umgebungsmodell in Form einer Gitterkarte bereitgestellt wird, das repräsentativ ist für einen durch den Sensor (103) erfassbaren Bereich einer Umgebung des Fahrzeuges (100), wobei die Gitterkarte mehrere Gitterzellen umfasst und jede der Gitterzellen repräsentativ ist für einen jeweiligen Teilbereich des erfassbaren Bereichs, - jeder der Gitterzellen ein jeweiliger Einsehbarkeitskennwert zugeordnet wird, der repräsentativ ist für ein Maß der Erfassung des jeweiligen Teilbereichs durch den Sensor (103), und - die zweite Trajektorie (320) abhängig von den Einsehbarkeitskennwerten und dem zu befahrenden Streckenabschnitt (301) ermittelt wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei die erste Trajektorie (310) und/oder die zweite Trajektorie (320) umfassen: - eine Geschwindigkeitsinformation des zu befahrenden Streckenabschnitts (301), und/oder - eine Beschleunigungsinformation des zu befahrenden Streckenabschnitts (301), und/oder - eine Ortsinformation des zu befahrenden Streckenabschnitts (301), und/oder - eine Zeitinformation des zu befahrenden Streckenabschnitts (301) .
Verfahren nach einem der vorhergehenden Ansprüche, wobei für das Fahrzeug (100) ein weiteres Vortraining durchgeführt worden ist, um Bewertungskennwerte abhängig von Abweichungen, die repräsentativ sind dafür, wie signifikant der virtuelle menschliche Fahrer die Abweichungen wahrnehmen würde, zu ermitteln, und bei dem Verfahren der Bewertungskennwert abhängig von der Abweichung ermittelt wird.
Vorrichtung (113) zum Betreiben eines automatisierten Fahrzeuges (100) mit zumindest automatisierter Längsführung, wobei das Fahrzeug (100) eine Fahreinheit (107) zum automatisierten Fahren des Fahrzeuges (100) aufweist, die dazu ausgebildet ist, das Fahrzeug (100) automatisiert zu betreiben, wobei die Vorrichtung dazu ausgebildet ist, - zumindest eine erste Trajektorie (310) zu ermitteln, die repräsentativ ist für ein Fahrverhalten eines virtuellen menschlichen Fahrers bezüglich eines zu befahrenden Streckenabschnitts (301), - eine zweite Trajektorie (320) zu ermitteln, die repräsentativ ist für ein von der Fahreinheit (107) vorgegebenes Fahrverhalten bezüglich des zu befahrenden Streckenabschnitts (301), - einen Vergleich der ersten Trajektorie (310) und der zweiten Trajektorie (320) durchzuführen, und - abhängig von dem Vergleich mindestens eine Fahrzeugfunktion des Fahrzeuges (100) auszuführen.
Computerprogramm, wobei das Computerprogramm Anweisungen umfasst, die, wenn das Programm von einem Computer ausgeführt wird, den Computer veranlassen das Verfahren nach einem der Ansprüche 1 bis 11 durchzuführen.
Computerlesbares Speichermedium, auf dem das Computerprogramm nach Anspruch 13 gespeichert ist.