-
TECHNISCHES GEBIET DER ERFINDUNG
-
Die Erfindung betrifft eine Situationserkennungseinrichtung sowie Verfahren zur automatisierten Überwachung von Vorgängen und Situationen, insbesondere zur automatisierten Erkennung von Gefahrensituationen in Passagierabteilen von Flugzeugen.
-
TECHNISCHER HINTERGRUND
-
In öffentlichen Verkehrsmitteln wie etwa Passagierflugzeugen müssen Vorgänge an Bord überwacht werden, um bei Abweichungen von vorschriftsgemäßen Reise- oder Transportbedingungen zeitnahe und situationsadäquate Gegenmaßnahmen seitens des Bordpersonals einleiten zu können. Hierzu ist es bekannt, dass dynamisch erzeugtes Bild- oder Tonmaterial im Inneren des Verkehrsmittels durch menschliche Begutachtung ausgewertet wird. Gerade in der Passagierluftfahrt ist es wünschenswert, ungewöhnliche Reise- oder Transportbedingungen schnell erkennen und bewerten zu können. Hierzu bedarf es üblicherweise einer Überwachung durch Bordpersonal, deren Kontinuierlichkeit und Omnipräsenz bei der Vielzahl von zu überwachenden Räumen, Situationen und Vorgängen nicht ständig gewährleistet werden kann.
-
Um für menschliches Bordpersonal eine Vorsortierung und anfängliche Bewertung von ungewöhnlichen Reise- oder Transportbedingungen bieten zu können, existieren daher Ansätze für eine Automatisierung von Überwachungsprozessen. Dadurch können maschinell erzeugte und von der tatsächlichen Situation abstrahierte Situationsindikatoren gewonnen werden, die durch das Bordpersonal einer weitergehenden Überprüfung unterzogen werden können.
-
Die Druckschriften
US 7,868,912 B2 ,
US 2008/0031491 A1 und
US 9,111,148 B2 offenbaren adaptiv lernenden Mustererkennungseinrichtungen für Videoüberwachungssysteme. Die Druckschrift
CN 107 600 440 A offenbart ein Videoüberwachungssystem zur Erkennung von nicht vorschriftsgemäßem Verhalten bei Passagieren. Die Druckschrift
DE 44 16 506 A1 offenbart Unterdeckpassagierabteile für Flugzeuge.
-
ZUSAMMENFASSUNG DER ERFINDUNG
-
Eine der Aufgaben der Erfindung besteht daher darin, verbesserte Lösungen für die automatisierte Erkennung von Situationen oder Vorgängen wie etwa in einem Passagierabteil eines Flugzeugs zu finden, die es menschlichem Bordpersonal des Flugzeugs ermöglichen, sich schneller und effizienter Informationen über das Auftreten potentiell ungewöhnlicher Situationen oder Vorgänge zu verschaffen.
-
Diese und andere Aufgaben werden durch eine Situationserkennungseinrichtung mit den Merkmalen des Anspruchs 1, durch ein Flugzeugpassagierabteil mit den Merkmalen des Anspruchs 7 sowie durch ein Verfahren zur automatisierten Überwachung von Vorgängen und Situationen in Flugzeugpassagierabteilen mit den Merkmalen des Anspruchs 9 gelöst.
-
Gemäß einem ersten Aspekt der Erfindung umfasst eine Situationserkennungseinrichtung einen Überwachungsprozessor mit einer Eingabeschnittstelle und einer Ausgabeschnittstelle, welcher dazu ausgelegt ist, über die Eingabeschnittstelle visuelle und/oder akustische Überwachungssignale aus einem Flugzeugpassagierabteil zu empfangen. Die Situationserkennungseinrichtung beinhaltet zudem ein einen KI-Prozessor, einen auf selbstlernenden Algorithmen basierenden Regelwerkgenerator und einen Referenzregelwerkspeicher aufweisendes KI-System, welches mit dem Überwachungsprozessor in bidirektionaler Datenkommunikation steht. Der KI-Prozessor ist dazu ausgelegt, auf Anfrage des Überwachungsprozessors Datenmuster in den empfangenen visuellen und/oder akustischen Überwachungssignalen auf Abweichungen von Datenmustern in einem in dem Referenzregelwerkspeicher abgelegten Referenzregelwerk zu überprüfen. Der Überwachungsprozessor ist dazu ausgelegt, über die Ausgabeschnittstelle Indikatorsignale auszugeben, falls die von dem KI-Prozessor ermittelten Abweichungen über einem oder mehreren vorgebbaren Abweichungsschwellwerten liegen.
-
Gemäß einem zweiten Aspekt der Erfindung umfasst ein Flugzeugpassagierabteil, insbesondere ein Unterdeckpassagierkompartment („lower deck passenger compartment“, LDC), eine Situationserkennungseinrichtung gemäß dem ersten Aspekt der Erfindung, eine oder mehrere Überwachungskameras, welche mit der Eingabeschnittstelle des Überwachungsprozessors gekoppelt ist/sind, und welche dazu ausgelegt ist/sind, visuelle und/oder akustische Überwachungssignale in Echtzeit an den Überwachungsprozessor zu senden, sowie eine Warneinrichtung, welche mit der Ausgabeschnittstelle des Überwachungsprozessors gekoppelt ist, und welche dazu ausgelegt ist, einem Nutzer in Abhängigkeit von empfangenen Indikatorsignalen des Überwachungsprozessors Warnhinweise über eine potentielle Gefährdungssituation in dem Flugzeugpassagierabteil anzuzeigen.
-
Gemäß einem dritten Aspekt der Erfindung umfasst ein Verfahren zur automatisierten Überwachung von Vorgängen und Situationen in Flugzeugpassagierabteilen die Schritte des Empfangens von visuellen und/oder akustischen Überwachungssignalen aus einem Flugzeugpassagierabteil durch einen Überwachungsprozessor, des Überprüfens der empfangenen visuellen und/oder akustischen Überwachungssignale auf Abweichungen von einem in einem Referenzregelwerkspeicher eines KI-Systems abgelegten und durch einen auf selbstlernenden Algorithmen basierenden Regelwerkgenerator erzeugten Referenzregelwerk durch einen KI-Prozessor des KI-Systems, und des Ausgebens von Indikatorsignalen durch den Überwachungsprozessor, falls die von dem KI-Prozessor ermittelten Abweichungen über einem oder mehreren vorgebbaren Abweichungsschwellwerten liegen.
-
Eine wesentliche Idee der Erfindung besteht darin, algorithmisches maschinelles Lernen einzusetzen, um beobachtbare Informationen über Situationen und Vorgänge in einem Flugzeugpassagierabteil hinsichtlich potentieller Abweichungen von Mustern und Gesetzmäßigkeiten in dynamisch und fortlaufend gesammelten Informationsdaten zu überwachen und zu bewerten. Dazu wird ein System künstlicher Intelligenz (KI-System) genutzt, welches mit entsprechenden Trainingsdaten über die Muster und Gesetzmäßigkeiten von Situationen und Vorgängen in dem Flugzeugpassagierabteil initialisiert wird. Gesammelte Informationsdaten wie etwa Video- oder Audioaufnahmen werden durch das KI-System in Echtzeit gemäß einem Referenzregelwerk arbitriert.
-
Kommt das KI-System zu dem Schluss, dass in den Informationsdaten abgebildete Situationen und Vorgänge von in dem Referenzregelwerk vorgegebenen Referenzsituationen bzw. Referenzvorgängen abweichen und diese Abweichungen vorgebbare Abweichungsschwellwerte überschreiten, kann das KI-System eine automatisierte Bewertung vornehmen und Indikatoren hinsichtlich einer vermuteten Gefährdungslage an eine für die Sicherheit des Flugzeugpassagierabteils zuständige Stelle abgeben. Auf der Basis solcher Indikatoern kann entweder automatisiert durch nachgeschaltete Systeme oder individuell nach Bewertung durch menschliche Nutzer reagiert werden.
-
Ein besonderer Vorteil in den erfindungsgemäßen Lösungen besteht darin, dass Gefährdungssituationen leichter, zuverlässiger und schneller als solche erkannt werden können, ohne dass es einer dauerhaften Speicherung von Informationsdaten bedarf. Eine anlasslose Speicherung von Informationsdaten könnte aufgrund der Nicht-Vorhersagbarkeit der beobachteten Situationen und Vorgänge in Persönlichkeitsrechte beobachteter Personen eingreifen - dies wird durch die erfindungsgemäßen Lösungen vorteilhafterweise vermieden, da lediglich vom tatsächlich aufgezeichneten Informationsmaterial abstrahierte Indikatoren über das vermutete Vorliegen von Gefährdungssituationen gespeichert werden müssen.
-
Dies ermöglicht in vorteilhafter Weise einen Kompromiss zwischen der Wahrung der Privatsphäre von Passagieren und der für die Aufrechterhaltung der Flugsicherheit nötigen Überwachungsmaßnahmen. Mit den erfindungsgemäßen Lösungen können verschiedene potentiell problematische Situationen rasch von erwarteten oder unproblematischen Situationen in Flugzeugpassagierabteilen diskriminiert werden. Beispielsweise können Personen oder Gegenstände in freizuhaltenden Bereichen, Notausgänge versperrende Objekte, die Flugsicherheit aufgrund ihrer Natur gefährdende Objekte, Hilfeleistungen benötigende Personen, nicht vorschriftsgemäß handelnde Personen oder in krimineller Absicht handelnde Personen erkannt und dem Bordpersonal zur Einleitung von Gegenmaßnahmen automatisiert angezeigt werden.
-
Vorteilhafte Ausgestaltungen und Weiterbildungen ergeben sich aus den weiteren Unteransprüchen sowie aus der Beschreibung unter Bezugnahme auf die Figuren.
-
Gemäß einigen Ausführungsformen der Situationserkennungseinrichtung kann der Regelwerkgenerator dazu ausgelegt sein, auf der Basis von über die Eingabeschnittstelle des Überwachungsprozessors empfangenen zeitlich und räumlich aufgelösten Beobachtungsdaten über Situationen und Vorgänge in einem Flugzeugpassagierabteil Muster und Gesetzmäßigkeiten in den Beobachtungsdaten zu detektieren und die detektierten Muster und Gesetzmäßigkeiten in den Beobachtungsdaten als Referenzregelwerk in dem Referenzregelwerkspeicher zu speichern. Dadurch kann das Referenzregelwerk vorteilhafterweise adaptiv auf die jeweilige Umgebung des Flugzeugpassagierabteils durch Training des KI-Systems angepasst werden.
-
Gemäß einigen weiteren Ausführungsformen der Situationserkennungseinrichtung kann die Situationserkennungseinrichtung einen Indikatordatenspeicher umfassen, welcher mit dem Überwachungsprozessor gekoppelt und welcher dazu ausgelegt ist, eine Vielzahl von Indikatorsignalvorgaben zu speichern, wobei der Überwachungsprozessor dazu ausgelegt ist, je nach Art der von dem KI-Prozessor ermittelten Abweichungen eine der Vielzahl von Indikatorsignalvorgaben aus dem Indikatordatenspeicher abzurufen und als Indikatorsignal an der Ausgabeschnittstelle auszugeben. Dadurch können die Ausgabedaten der Situationserkennungseinrichtung von den erfassten visuellen und/oder akustischen Überwachungssignalen abstrahiert werden, so dass sensible, in die Persönlichkeitsrechte von in dem Flugzeugpassagierabteil befindlichen Personen potentiell eingreifende Daten nicht ausgegeben werden müssen. Stattdessen kann eine Gefährdungssituation aufgrund der Indikatorsignale abgeschätzt werden.
-
Gemäß einigen weiteren Ausführungsformen der Situationserkennungseinrichtung kann der Regelwerkgenerator einen Stützvektorklassifikator, ein neuronales Netzwerk, einen Random-Forest-Klassifikator, einen Entscheidungsbaum-Klassifikator, ein Monte-Carlo-Netzwerk oder einen Bayes'schen Klassifikator aufweisen.
-
Gemäß einigen weiteren Ausführungsformen der Situationserkennungseinrichtung können die visuellen und/oder akustischen Überwachungssignale Echtzeit-Videoaufnahmen einer oder mehrerer Überwachungskameras umfassen.
-
Gemäß einigen weiteren Ausführungsformen der Situationserkennungseinrichtung kann der Überwachungsprozessor dazu ausgelegt sein, die visuellen und/oder akustischen Überwachungssignale nach einer Überprüfung durch den KI-Prozessor zu löschen. Dies ermöglicht es in vorteilhafter Weise, eine Überwachung eines Flugzeugpassagierabteils vorzunehmen, ohne dass anlasslos Daten von Flugzeugpassagieren länger als notwendig gespeichert werden. Insbesondere werden die aufgezeichneten visuellen und/oder akustischen Überwachungssignale lediglich für die automatisierte Situationserkennung durch das KI-System verwendet und können nicht an unbefugte Dritte weitergegeben werden.
-
Gemäß einigen Ausführungsformen des Verfahrens kann der Regelwerkgenerator einen Stützvektorklassifikator, ein neuronales Netzwerk, einen Random-Forest-Klassifikator, einen Entscheidungsbaum-Klassifikator, ein Monte-Carlo-Netzwerk oder einen Bayes'schen Klassifikator aufweisen. In manchen Ausführungsformen des Verfahrens kann das Ausgeben von Indikatorsignalen durch den Überwachungsprozessor in Abhängigkeit von einer momentanen Flugphase eines das Flugzeugpassagierabteil aufweisenden Flugzeugs erfolgen.
-
Gemäß einigen Ausführungsformen des Flugzeugpassagierabteils kann das Flugzeugpassagierabteil weiterhin eine Warnsignalschnittstelle aufweisen, über welche die Warneinrichtung Warnsignale in das Cockpit eines Flugzeugs und/oder auf eine Flugbegleiterkonsole ausgeben kann. Dies ermöglicht es vorteilhafterweise, dass Flugbegleiter oder andere Crewmitglieder auch an weiter entfernten Arbeitsplätzen im Flugzeug über potentielle Gefährdungssituationen in einem Flugzeugpassagierabteil informiert werden könne. Besonders für Unterdeckpassagierkompartments, welche durch Bordpersonal nicht ohne längere Wege erreichbar sind, kann die KI-basierte automatisierte Überwachung als unterstützendes Werkzeug für die Überwachung der Flugsicherheit hilfreich sein.
-
Die obigen Ausgestaltungen und Weiterbildungen lassen sich, sofern sinnvoll, beliebig miteinander kombinieren. Weitere mögliche Ausgestaltungen, Weiterbildungen und Implementierungen der Erfindung umfassen auch nicht explizit genannte Kombinationen von zuvor oder im Folgenden bezüglich der Ausführungsbeispiele beschriebenen Merkmale der Erfindung. Insbesondere wird dabei der Fachmann auch Einzelaspekte als Verbesserungen oder Ergänzungen zu der jeweiligen Grundform der vorliegenden Erfindung hinzufügen.
-
Figurenliste
-
Die vorliegende Erfindung wird nachfolgend anhand der in den schematischen Figuren angegebenen Ausführungsbeispiele näher erläutert. Es zeigen dabei:
- 1 ein schematisches Blockschaubild einer Situationserkennungseinrichtung in einem Flugzeugpassagierabteil gemäß einer Ausführungsform der Erfindung;
- 2 ein Flussdiagramm eines Verfahrens zur Überwachung von Verkehrsbewegungen gemäß einer weiteren Ausführungsform der Erfindung; und
- 3 eine schematische Illustration eines Flugzeugs mit einem Passagierabteil und einer Situationserkennungseinrichtung gemäß einer weiteren Ausführungsform der Erfindung.
-
Die beiliegenden Figuren sollen ein weiteres Verständnis der Ausführungsformen der Erfindung vermitteln. Sie veranschaulichen Ausführungsformen und dienen im Zusammenhang mit der Beschreibung der Erklärung von Prinzipien und Konzepten der Erfindung. Andere Ausführungsformen und viele der genannten Vorteile ergeben sich im Hinblick auf die Zeichnungen. Die Elemente der Zeichnungen sind nicht notwendigerweise maßstabsgetreu zueinander gezeigt. Richtungsangebende Terminologie wie etwa „oben“, „unten“, „links“, „rechts“, „über“, „unter“, „horizontal“, „vertikal“, „vorne“, „hinten“ und ähnliche Angaben werden lediglich zu erläuternden Zwecken verwendet und dienen nicht der Beschränkung der Allgemeinheit auf spezifische Ausgestaltungen wie in den Figuren gezeigt.
-
In den Figuren der Zeichnung sind gleiche, funktionsgleiche und gleich wirkende Elemente, Merkmale und Komponenten - sofern nichts anderes ausgeführt ist - jeweils mit denselben Bezugszeichen versehen.
-
BESCHREIBUNG VON AUSFÜHRUNGSBEISPIELEN
-
In der folgenden Beschreibung wird auf selbstlernende Algorithmen Bezug genommen, welche in einem System künstlicher Intelligenz (KI-System) genutzt werden. Allgemein gesprochen, bildet ein selbstlernender Algorithmus kognitive Funktionen nach, die nach menschlichem Ermessen einer menschlichen Denkleistung zugeordnet werden. Dabei kann der selbstlernende Algorithmus durch Hinzunahme neuer Trainingsinformationen die bislang aus alten Trainingsinformationen gewonnenen Erkenntnisse dynamisch an die veränderten Umstände anpassen, um in der Gesamtheit der Trainingsinformationen Muster und Gesetzmäßigkeiten zu erkennen und zu extrapolieren.
-
In selbstlernenden Algorithmen im Sinne der vorliegenden Erfindung können alle Arten des den menschlichen Erkenntnisgewinn bildenden Trainings verwendet werden, wie besipielsweise überwachtes Lernen, teil-überwachtes Lernen, selbständiges Lernen auf der Basis generativer, nicht-generativer oder tiefer kontradiktorischer Netzwerke („adversarial networks“, AN), bestärkendes Lernen oder aktives Lernen. Dabei kann in jeder Instanz merkmalsbasiertes Lernen („representation learning“) eingesetzt werden. Die selbstlernenden Algorithmen im Sinne der vorliegenden Erfindung können insbesondere eine iterative Anpassung von zu lernenden Parametern und Merkmalen über rückkoppelnde Analyse vornehmen.
-
Ein selbstlernender Algorithmus im Sinne der vorliegenden Erfindung kann auf einem Stützvektorklassifikator („support vector network“, SVN), einem neuronalen Netzwerk wie etwa ein faltendes neuronales Netzwerk („convolutional neural network“, CNN), ein Kohonen-Netz, ein rekurrentes neuronales Netzwerk, ein zeitverzögerndes neuronales Netzwerk („time-delayed neural network“, TDNN) oder ein oszillierendes neronales Netzwerk („oscillatory neural network“, ONN), einem Random-Forest-Klassifikator, einem Entscheidungsbaum-Klassifikator, einem Monte-Carlo-Netzwerk oder einem Bayes'schen Klassifikator aufbauen. Dabei kann ein selbstlernender Algorithmus im Sinne der vorliegenden Erfindung eigenschaftshereditäre Algorithmen, k-Means-Algorithmen wie etwa Lloyd- oder MacQueen's-Algorithmen oder TD-Lernalgorithmen wie etwa SARSA oder Q-Learning einsetzen.
-
Flugzeugpassagierabteile im Sinne der vorliegenden Erfindung können insbesondere alle modulartig aufgebauten Kabinenmonumente umfassen, welche für die Beförderung und den Aufenthalt von Passagieren während einer Flugzeugreise ausgelegt sind. Derartige Flugzeugpassagierabteile können beispielsweise als Unterdeckpassagierabteile ausgelegt werden. Die Erfindung nicht beschränkende Beispiele für derartige Unterdeckpassagierabteile sind im Internet unter https://www.safran-cabin.com/printpdf/media/airbus-and-zodiacaerospace-enter-partnership-new-lower-deck-sleeping-facilities-20180410 offenbart.
-
1 zeigt eine beispielhafte Illustration einer Situationserkennungseinrichtung 10. Die Situationserkennungseinrichtung 10 weist einen Überwachungsprozessor 1 mit einer Eingabeschnittstelle 7 und einer Ausgabeschnittstelle 8 auf. An der Eingabeschnittstelle 7 können einerseits visuelle und/oder akustische Überwachungssignale E aus einem Flugzeugpassagierabteil 20 empfangen werden, beispielsweise von in dem Flugzeugpassagierabteil 20 an strategischen Überwachungspunkten angebrachten Überwachungseinrichtungen wie etwa Überwachungskameras 21. Andererseits können über die Eingabeschnittstelle 7 zeitlich und räumlich aufgelöste Beobachtungsdaten über Situationen und Vorgänge in einem Flugzeugpassagierabteil 20 an den Überwachungsprozessor 1 gesendet werden, aus denen Muster und Gesetzmäßigkeiten abgeleitet werden können. Diese zeitlich und räumlich aufgelösten Beobachtungsdaten können beispielsweise ebenfalls durch Überwachungskameras im realen Betrieb des Flugzeugpassagierabteils 20 aufgezeichnete Daten oder von angeschlossenen weiteren Systemen als computer-generierte Trainingsdaten an den Überwachungsprozessor 1 gesendete Daten sein.
-
Die Situationserkennungseinrichtung 10 weist zudem ein KI-System 3 auf. Das KI-System 3 weist einen KI-Prozessor 4, einen auf selbstlernenden Algorithmen basierenden Regelwerkgenerator 5 und einen Referenzregelwerkspeicher 6 auf. Das KI-System 3 steht über den KI-Prozessor 4 mit dem Überwachungsprozessor 1 in bidirektionaler Datenkommunikation. Der Überwachungsprozessor 1 kann dem KI-System 3 zunächst eine Vielzahl von historischen und/oder aktuellen Beobachtungsdaten über Situationen und Vorgänge in dem Flugzeugpassagierabteil 20. Diese Beobachtungsdaten können als Basis für die Detektion von Mustern und Gesetzmäßigkeiten hinsichtlich möglicher Situationen und Vorgänge durch den Regelwerkgenerator 5 dienen. Der Regelwerkgenerator 5 kann beispielsweise einen Stützvektorklassifikator, ein neuronales Netzwerk, einen Random-Forest-Klassifikator, einen Entscheidungsbaum-Klassifikator, ein Monte-Carlo-Netzwerk oder einen Bayes'schen Klassifikator aufweisen.
-
Die detektierten Muster und Gesetzmäßigkeiten in den Situationen und Vorgängen werden zunächst iterativ in einem Trainingsregelwerk T abgelegt, welches dynamisch und laufend aktualisiert wird. Aus dem Trainingsregelwerk T wird ein operatives Referenzregelwerk R gebildet, welches der Regelwerkgenerator 5 in den Referenzregelwerkspeicher 6 speichert. Wenn der KI-Prozessor 4 nun eine Anfrage Q des Überwachungsprozessors 1 erhält, Datenmuster in empfangenen visuellen und/oder akustischen Überwachungssignalen E auf Abweichungen von zu erwartenden und als unkritisch eingestuften Datenmustern zu überprüfen, greift der KI-Prozessor 4 als Referenz auf das in dem Referenzregelwerkspeicher 6 abgelegte Referenzregelwerk R zurück. Gegenüber dieser Referenz überprüft der KI-Prozessor 4, ob Abweichungen von erwarteten bzw. als gewöhnlich anzusehenden Situationen oder Vorgängen innerhalb des überwachten Bereichs des Flugzeugpassagierbauteils 20 aufgetreten sind. Der Regelwerkgenerator 5 kann das in dem Referenzregelwerkspeicher 6 abgelegte Referenzregelwerk R in periodischen Abständen auf der Basis neu hinzukommender Beobachtungsdaten oder auf der Basis neuer externer Vorgaben aktualisieren.
-
Die Ergebnisse der Abweichungsanalyse werden dem Überwachungsprozessor 1 rückübermittelt, welcher dann dazu ausgelegt ist, über die Ausgabeschnittstelle 8 Indikatorsignale A auszugeben, falls die von dem KI-Prozessor 4 ermittelten Abweichungen über einem oder mehreren vorgebbaren Abweichungsschwellwerten liegen.
-
An den Überwachungsprozessor 1 kann ein Indikatordatenspeicher 2 angekoppelt sein. Dieser Indikatordatenspeicher 2 dient zur temporären oder dauerhaften Speicherung einer Vielzahl von Indikatorsignalvorgaben L zu speichern, auf die der Überwachungsprozessor 1 zugreifen kann, um je nach Art der von dem KI-Prozessor 4 ermittelten Abweichungen eine der Vielzahl von Indikatorsignalvorgaben L aus dem Indikatordatenspeicher 2 abzurufen und als Indikatorsignal A an der Ausgabeschnittstelle 8 auszugeben.
-
An der Ausgabeschnittstelle 8 ist eine Warneinrichtung 22 angeschlossen. Diese Warneinrichtung 22 kann dazu genutzt werden, einem Nutzer in Abhängigkeit von empfangenen Indikatorsignalen A des Überwachungsprozessors 1 Warnhinweise über eine potentielle Gefährdungssituation in dem Flugzeugpassagierabteil 20 anzuzeigen, ohne dass tatsächliche Bild- oder Tonaufzeichnungen aus dem Flugzeugpassagierabteil 20 angezeigt werden müssen. Dies kann zur Wahrung der Privatsphäre von Flugzeugpassagieren in dem überwachten Abteil 20 beitragen.
-
Wie in 3 beispielhaft illustriert, kann die Situationserkennungseinrichtung 10 in einem Flugzeugpassagierabteil 20 eines Passagierflugzeugs A installiert sein. Dazu können eine oder mehrere Überwachungskameras 21 in dem Flugzeugpassagierabteil 20 mit der Eingabeschnittstelle 7 des Überwachungsprozessors 1 gekoppelt werden, um visuelle und/oder akustische Überwachungssignale E in Echtzeit an den Überwachungsprozessor 1 zu senden. Das Flugzeugpassagierabteil 20 kann zusätzlich eine Warnsignalschnittstelle 24 verfügen, über welche die Warneinrichtung 22 Warnsignale C in das Cockpit des Flugzeugs A und/oder auf eine Flugbegleiterkonsole 30 ausgeben kann.
-
Vorteilhafterweise können alle Komponenten der Situationserkennungseinrichtung 10 sowie die Warneinrichtung 22 in dem Flugzeugpassagierabteil 20 installiert werden. Es kann jedoch auch möglich sein, einzelne Komponenten oder Systembestandteile außerhalb des Flugzeugpassagierabteils 20 zu installieren.
-
2 zeigt ein Verfahren M zur zur automatisierten Überwachung von Vorgängen und Situationen in Flugzeugpassagierabteilen. Das Verfahren M kann beispielsweise in einer Situationserkennungseinrichtung 10 wie beispielhaft in der 1 dargestellt implementiert werden und kann zur Überwachung von Flugzeugpassagierabteilen 20 wie in 1 beispielhaft illustriert verwendet werden, zum Beispiel in einem Passagierflugzeug A, wie in 3 beispielhaft dargestellt und erläutert.
-
Das Verfahren M weist als ersten Schritt M1 ein Empfangen von visuellen und/oder akustischen Überwachungssignalen E aus einem Flugzeugpassagierabteil 20 durch einen Überwachungsprozessor 1 auf. Die Situationserkennungseinrichtung 10 kann dabei beispielsweise ein Teil eines elektronischen Datenverarbeitungssystems sein, in dem die Beobachtungsdaten über Verkehrsbewegungen aufgenommen, verarbeitet und lediglich temporär gespeichert werden. In einem zweiten Schritt M2 werden die empfangenen visuellen und/oder akustischen Überwachungssignale E auf Abweichungen von einem in einem Referenzregelwerkspeicher 6 eines KI-Systems 3 abgelegten und durch einen auf selbstlernenden Algorithmen basierenden Regelwerkgenerator 5 erzeugten Referenzregelwerk R durch einen KI-Prozessor 4 des KI-Systems 3 überprüft. Dies geschieht mittels eines auf selbstlernenden Algorithmen basierenden Regelwerkgenerators 5 eines KI-Systems 3. Ein solcher Regelwerkgenerator 5 kann beispielsweise einen Stützvektorklassifikator, ein neuronales Netzwerk, einen Random-Forest-Klassifikator, einen Entscheidungsbaum-Klassifikator, ein Monte-Carlo-Netzwerk oder einen Bayes'schen Klassifikator aufweisen.
-
In iterativen und dynamisch adaptiven Lernprozessen kann ein Trainingsregelwerk T in dem Regelwerkgenerator 5 erzeugt werden. Dieses Trainingsregelwerk T kann einmal erzeugt oder ständig aktualisiert werden, insbesondere bei einem laufenden Empfang von aktuellen Beobachtungsdaten über Situationen und Vorgänge in dem Flugzeugpassagierabteil 20. Der Regelwerkgenerator 5 kann aus dem Trainingsregelwerk T ein Referenzregelwerk R erzeugen, welches auf den durch den Regelwerkgenerator 5 detektierten Mustern und Gesetzmäßigkeiten basiert. Das Referenzregelwerk R wird durch den Regelwerkgenerator 5 in dem Referenzregelwerkspeicher 6 des KI-Systems 3 gespeichert. Dieses Referenzregelwerk R stellt das operative Regelwerk dar, mithilfe dessen Datenmuster in empfangenen visuellen und/oder akustischen Überwachungssignalen E auf Abweichungen von zu erwartenden und als unkritisch eingestuften Datenmustern überprüft werden. Dazu greift der KI-Prozessor 4 als Referenz auf das in dem Referenzregelwerkspeicher 6 abgelegte Referenzregelwerk R zurück. Gegenüber dieser Referenz überprüft der KI-Prozessor 4, ob Abweichungen von erwarteten bzw. als gewöhnlich anzusehenden Situationen oder Vorgängen innerhalb des überwachten Bereichs des Flugzeugpassagierbauteils 20 aufgetreten sind.
-
In einem dritten Schritt M3 des Verfahrens M werden schließlich Indikatorsignale A durch den Überwachungsprozessor 1 ausgegeben, falls die von dem KI-Prozessor 4 ermittelten Abweichungen über einem oder mehreren vorgebbaren Abweichungsschwellwerten liegen. Diese Indikatorsignale A dienen dazu, menschliche Nutzer über das Vorliegen als ungewöhnlich anzusehender Situationen oder Vergänge in dem Flugzeugpassagiergbauteil 20 aufmerksam zu machen. Die als ungewöhnlich klassifizierten Situationen oder Vergänge können dann automatisiert oder teil-automatisiert in ein System zur Einleitung geeigneter Reaktionsmaßnahmen eingespeist werden, um frühzeitig auf das Auftreten potentieller Gefährdungen der Flugsicherheit reagieren zu können. Insbesondere kann es möglich sein, die Indikatorsignale A flugphasenabhängig auszugeben. Beispielsweise kann es während eines Start- oder Landevorgangs des Flugzeugs notwendig sein, bestimmte Bereiche wie etwa Notausgänge von Objekten wie Taschen oder Koffern freizuhalten, die im Reiseflug oder während eines Aufenthalts des Flugzeugs am Boden dort temporär deponiert werden dürfen. Daher kann der Überwachungsprozessor 1 mit einem Flugzeugnetzwerk verbunden werden, um Betriebsstatussignale des Flugzeugs zu erhalten, die in die Entscheidung des Überwachungsprozessors 1, ob und welche Indikatorsignale A ausgegeben werden sollen, miteinbezogen werden können.
-
In der vorangegangenen detaillierten Beschreibung sind verschiedene Merkmale zur Verbesserung der Stringenz der Darstellung in einem oder mehreren Beispielen zusammengefasst worden. Es sollte dabei jedoch klar sein, dass die obige Beschreibung lediglich illustrativer, keinesfalls jedoch beschränkender Natur ist. Sie dient der Abdeckung aller Alternativen, Modifikationen und Äquivalente der verschiedenen Merkmale und Ausführungsbeispiele. Viele andere Beispiele werden dem Fachmann aufgrund seiner fachlichen Kenntnisse in Anbetracht der obigen Beschreibung sofort und unmittelbar klar sein.
-
Die Ausführungsbeispiele wurden ausgewählt und beschrieben, um die der Erfindung zugrundeliegenden Prinzipien und ihre Anwendungsmöglichkeiten in der Praxis bestmöglich darstellen zu können. Dadurch können Fachleute die Erfindung und ihre verschiedenen Ausführungsbeispiele in Bezug auf den beabsichtigten Einsatzzweck optimal modifizieren und nutzen. In den Ansprüchen sowie der Beschreibung werden die Begriffe „beinhaltend“ und „aufweisend“ als neutralsprachliche Begrifflichkeiten für die entsprechenden Begriffe „umfassend“ verwendet. Weiterhin soll eine Verwendung der Begriffe „ein“, „einer“ und „eine“ eine Mehrzahl derartig beschriebener Merkmale und Komponenten nicht grundsätzlich ausschließen.
-
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
-
- US 7868912 B2 [0004]
- US 2008/0031491 A1 [0004]
- US 9111148 B2 [0004]
- CN 107600440 A [0004]
- DE 4416506 A1 [0004]
