DE102019205892B4 - Method for operating a motor vehicle and motor vehicle designed to carry out such a method - Google Patents
Method for operating a motor vehicle and motor vehicle designed to carry out such a method Download PDFInfo
- Publication number
- DE102019205892B4 DE102019205892B4 DE102019205892.2A DE102019205892A DE102019205892B4 DE 102019205892 B4 DE102019205892 B4 DE 102019205892B4 DE 102019205892 A DE102019205892 A DE 102019205892A DE 102019205892 B4 DE102019205892 B4 DE 102019205892B4
- Authority
- DE
- Germany
- Prior art keywords
- data
- vehicle
- driving behavior
- motor vehicle
- determined
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/182—Selecting between different operative modes, e.g. comfort and performance modes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0026—Lookup tables or parameter maps
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
- B60W2050/0083—Setting, resetting, calibration
- B60W2050/0088—Adaptive recalibration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/60—Traffic rules, e.g. speed limits or right of way
- B60W2555/80—Country specific, e.g. driver age limits or right hand drive
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle for navigation systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/55—External transmission of data to or from the vehicle using telemetry
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/65—Data transmitted between vehicles
Abstract
Verfahren zum Betreiben eines Kraftfahrzeugs (10), das zumindest ein Fahrzeugsystem (12) umfasst, das dazu ausgelegt ist, das Kraftfahrzeug (10) zumindest teilautonom anzusteuern, wobei im Fahrzeugsystem (12) ein vorgegebener Fahrverhaltensmodus (16) aktiviert ist, der zumindest einen Ansteuerparameter (17) umfasst, der ein Fahrverhalten in einem vorgegebenen geographischen Gebiet (20) festlegt und der beim zumindest teilautonomen Ansteuern des Kraftfahrzeugs (10) berücksichtigt wird, umfassend die Schritte:- Erfassen einer aktuellen geographischen Position (11c) des Kraftfahrzeugs (10) (S9);- Feststellen des vorgegebenen geographischen Gebiets (20), in dem sich das Kraftfahrzeug (10) aktuell befindet, anhand der erfassten geographischen Position (11c) (S10);- Feststellen, welcher vorgegebene Fahrverhaltensmodus (16) von mehreren vorgegebenen positionsabhängigen Fahrverhaltensmodi (16) dem festgestellten geographischen Gebiet (20) zugeordnet ist (S11);- Überprüfen, ob der festgestellte Fahrverhaltensmodus (16) bereits im Fahrzeugsystem (12) aktiviert ist (S12);- Falls der festgestellte Fahrverhaltensmodus (16) aktuell nicht im Fahrzeugsystem (12) aktiviert ist, Deaktivieren des bereits aktivierten Fahrverhaltensmodus (16) sowie Aktivieren des festgestellten Fahrverhaltensmodus (16) (S14); und- zumindest teilautonomes Ansteuern des Kraftfahrzeugs (10) unter Berücksichtigung des zumindest einen Ansteuerparameters (17) des aktuell aktivierten Fahrverhaltensmodus (16) (S15); wobei das geographische Gebiet (20) für den jeweiligen Fahrverhaltensmodus (16) durch folgende Schritte festgelegt wird:- Bereitstellen von Fahrzeugdaten (30) von zumindest einem Fahrzeug, das von dem jeweiligen Fahrer betrieben wird und die Fahrzeugdaten (30) mit zumindest einer Erfassungseinrichtung des Fahrzeugs erfasst, wobei die jeweiligen Fahrzeugdaten (30) zumindest ein Fahrmanöver des zumindest einen Fahrzeugs beschreiben und zusätzlich einen Erfassungsort der Fahrzeugdaten (30) charakterisierende Ortsdaten (31) umfassen (S1);- Ermitteln der Fahrverhaltensdaten (40) und/oder der Verkehrsteilnehmerverhaltensdaten (42) durch Anwenden einer Methode des maschinellen Lernens auf die bereitgestellten Fahrzeugdaten (30) (S2);- Erkennen von zumindest einem Datenmuster (50) in den ermittelten Fahrverhaltensdaten (40) und/oder den ermittelten Verkehrsteilnehmerverhaltensdaten (42) durch Anwenden der Methode des maschinellen Lernens auf die ermittelten Fahrverhaltensdaten (40) und/oder die ermittelten Verkehrsteilnehmerverhaltensdaten (42) (S3);- Festlegen einer Ausdehnung des jeweiligen geographischen Gebiets (20) unter Berücksichtigung des zumindest einen erkannten Datenmusters (50) sowie der von den Fahrzeugdaten (30) umfassten Ortsdaten (31) (S4).Method for operating a motor vehicle (10), which comprises at least one vehicle system (12) which is designed to control the motor vehicle (10) at least partially autonomously, with a predefined driving behavior mode (16) being activated in the vehicle system (12), which has at least one Control parameter (17) which defines a driving behavior in a predetermined geographical area (20) and which is taken into account when the motor vehicle (10) is controlled at least partially autonomously, comprising the steps of:- detecting a current geographical position (11c) of the motor vehicle (10) (S9);- Determination of the predetermined geographical area (20) in which the motor vehicle (10) is currently located, based on the detected geographical position (11c) (S10);- Determining which predetermined driving behavior mode (16) of several predetermined position-dependent Driving behavior modes (16) is assigned to the determined geographic area (20) (S11); - checking whether the determined Driving behavior mode (16) is already activated in the vehicle system (12) (S12); - If the determined driving behavior mode (16) is currently not activated in the vehicle system (12), deactivating the already activated driving behavior mode (16) and activating the determined driving behavior mode (16) (S14); and- at least partially autonomous control of the motor vehicle (10) taking into account the at least one control parameter (17) of the currently activated driving behavior mode (16) (S15); wherein the geographic area (20) for the respective driving behavior mode (16) is defined by the following steps:- providing vehicle data (30) from at least one vehicle that is operated by the respective driver and the vehicle data (30) with at least one acquisition device of the vehicle, the respective vehicle data (30) describing at least one driving maneuver of the at least one vehicle and additionally comprising location data (31) characterizing a location where the vehicle data (30) was recorded (S1);- determining the driving behavior data (40) and/or the road user behavior data ( 42) by applying a machine learning method to the provided vehicle data (30) (S2);- Recognizing at least one data pattern (50) in the determined driving behavior data (40) and/or the determined road user behavior data (42) by applying the method of machine learning on the determined driving behavior data (40) and / or di e determined road user behavior data (42) (S3);- defining an extension of the respective geographical area (20) taking into account the at least one recognized data pattern (50) and the vehicle data (30) included location data (31) (S4).
Description
Die Erfindung betrifft ein Verfahren zum Betreiben eines solchen Kraftfahrzeugs, das zumindest ein Fahrzeugsystem umfasst, das dazu ausgelegt ist, das Kraftfahrzeug zumindest teilautonom anzusteuern. Die Erfindung betrifft auch ein Kraftfahrzeug mit einem Fahrzeugsystem, wobei das Kraftfahrzeug dazu ausgelegt ist, das besagte Verfahren durchzuführen.The invention relates to a method for operating such a motor vehicle that includes at least one vehicle system that is designed to control the motor vehicle at least partially autonomously. The invention also relates to a motor vehicle with a vehicle system, the motor vehicle being designed to carry out said method.
Voraussetzung für eine weltweit einsetzbare vollautonome Fahrfunktion für ein Kraftfahrzeug ist, dass die Fahrfunktion während einer vollautonomen Fahrt ein Fahrverhalten eines durchschnittlichen menschlichen Fahrers imitiert. Es ist also erforderlich, dass sich das Fahrverhalten des vollautonom fahrenden Kraftfahrzeugs an ortsüblichen Gegebenheiten und Fahrweisen orientiert. Es kann nämlich beispielsweise der Fall auftreten, dass eine auf einem Straßenschild angegebene Höchstgeschwindigkeit vor einer Straßenkurve in einem Staat ernster zu nehmen ist als dies in einem anderen Staat der Fall ist. Dies bedeutet, dass, wenn ein Kraftfahrzeug die Kurve mit einer Geschwindigkeit, die der jeweils angegebenen Höchstgeschwindigkeit entspricht, durchfährt, das Kraftfahrzeug im erstgenannten Staat höhere Seitenkräfte erfährt als in dem zweitgenannten Staat. Ein menschlicher Fahrer lernt solche regionalen Besonderheiten schnell und kann sich diesen anpassen. Bei einem nächsten Aufenthalt in dem erstgenannten Staat wird der menschliche Fahrer daher beispielsweise vorsichtiger in eine Kurve hineinfahren und dort beispielsweise langsamer fahren als es die dort angegebene Höchstgeschwindigkeit erlaubt. Außerdem wird es der menschliche Fahrer insbesondere vermeiden, dort mit einer höheren Geschwindigkeit zu fahren, als es die angezeigte Höchstgeschwindigkeit erlaubt. Außerdem gibt es diverse Unterschiede in Fahrweisen sowie in einer Interpretation von Verkehrsschildern und Verkehrsregeln, die üblicherweise ein Fahrer bereits im Rahmen seiner Ausbildung in einer Fahrschule in dem entsprechenden Staat beziehungsweise einem entsprechenden Bezirk erlernt. Denn ein Fahrverhalten in großen Ballungsräumen, wie beispielsweise in Paris oder Beijing, weicht von einem Fahrverhalten in eher ländlichen Regionen, wie beispielsweise in Ruanda oder auf einer Serpentinenstraße in den Alpen, teilweise deutlich ab. Es kann daher davon ausgegangen werden, dass kein weltweit einheitliches Modell existiert, anhand dessen ein vollautonomes Fahren überall ermöglicht werden sollte.A prerequisite for a fully autonomous driving function for a motor vehicle that can be used worldwide is that the driving function imitates the driving behavior of an average human driver during a fully autonomous trip. It is therefore necessary for the driving behavior of the fully autonomous motor vehicle to be based on local conditions and driving styles. It may be the case, for example, that a speed limit indicated on a road sign before a bend in the road is more serious in one country than it is in another country. This means that if a motor vehicle negotiates the curve at a speed corresponding to the specified maximum speed, the motor vehicle will experience higher lateral forces in the first-mentioned state than in the second-mentioned state. A human driver learns such regional peculiarities quickly and can adapt to them. During a next stay in the first-mentioned state, the human driver will therefore, for example, drive more carefully into a curve and drive there, for example, more slowly than the maximum speed specified there allows. In addition, the human driver will in particular avoid driving there at a higher speed than the displayed maximum speed allows. There are also various differences in driving styles and in an interpretation of traffic signs and traffic rules, which a driver usually already learns as part of his training in a driving school in the corresponding state or district. Because driving behavior in large urban areas, such as Paris or Beijing, differs significantly from driving behavior in more rural regions, such as in Rwanda or on a serpentine road in the Alps. It can therefore be assumed that there is no globally standardized model that would make fully autonomous driving possible everywhere.
Des Weiteren wird davon ausgegangen, dass ein zum vollautonomen Fahren ausgelegtes Kraftfahrzeug kein Lenkrad oder Bedienelemente für andere Eingriffsmöglichkeiten für einen Menschen während der vollautonomen Fahrt mehr aufweist. Dieses Kraftfahrzeug muss daher in der Lage sein, die Fahrt des Kraftfahrzeugs vollständig selbstständig, das heißt vollautonom, durchzuführen. Allerdings müssen auch Kraftfahrzeuge, die beispielsweise über Fahrerassistenzsysteme verfügen, die zumindest zum teilautonomen Fahren ausgelegt sind, in der Lage sein, derart das Kraftfahrzeug anzusteuern, dass es zu keinem atypischen Verhalten des teilautonom fahrenden Kraftfahrzeugs kommt, wodurch beispielsweise Unfälle mit anderen Kraftfahrzeugen, die von menschlichen Fahrern manuell gesteuert werden, auftreten. Ein derartiges atypisches Verhalten zeigt sich besonders häufig in Situationen, in denen ein manueller Fahrer sein Kraftfahrzeug nicht abbremsen würde, dagegen jedoch beispielsweise aufgrund von Verkehrsregeln oder Entscheidungskonflikten das zumindest teilautonom angesteuerte Kraftfahrzeug einen Notstopp durchführen würde.Furthermore, it is assumed that a motor vehicle designed for fully autonomous driving no longer has a steering wheel or operating elements for other intervention options for a human during fully autonomous driving. This motor vehicle must therefore be able to drive the motor vehicle completely independently, that is to say fully autonomously. However, motor vehicles that have, for example, driver assistance systems that are designed at least for semi-autonomous driving must also be able to control the motor vehicle in such a way that there is no atypical behavior of the semi-autonomous motor vehicle, which, for example, can lead to accidents with other motor vehicles that are driven by manually controlled by human drivers. Such atypical behavior is particularly common in situations in which a manual driver would not brake his motor vehicle, but the at least partially autonomously driven motor vehicle would perform an emergency stop, for example due to traffic regulations or conflicting decisions.
In der
Die
Die
Die
Die
Die
Es ist die Aufgabe der Erfindung, eine Lösung bereitzustellen, mittels der bei einer zumindest teilautonomen Fahrt eines Kraftfahrzeugs berücksichtigt wird, welche regionalen Fahrverhaltensbesonderheiten bestehen.It is the object of the invention to provide a solution by means of which, in the case of at least partially autonomous driving of a motor vehicle, regional driving behavior peculiarities are taken into account.
Diese Aufgabe wird durch die Gegenstände der unabhängigen Patentansprüche gelöst. Vorteilhafte Ausgestaltungen mit zweckmäßigen und nicht-trivialen Weiterbildungen der Erfindung sind in den abhängigen Ansprüchen, der folgenden Beschreibung und den Figuren angegeben.This object is solved by the subject matter of the independent patent claims. Advantageous configurations with expedient and non-trivial developments of the invention are specified in the dependent claims, the following description and the figures.
Mit dem erfindungsgemäßen Verfahren wird ein Kraftfahrzeug betrieben. Das Kraftfahrzeug umfasst zumindest ein Fahrzeugsystem, wobei es sich bei diesem Fahrzeugsystem beispielsweise um einen zentralen Fahrzeugregler oder eine Steuereinrichtung eines Fahrerassistenzsystems des Kraftfahrzeugs handelt, welche jeweils dazu ausgelegt sind, das Kraftfahrzeug hinsichtlich einer Längsführung und/oder Querführung anzusteuern. Das zumindest eine Fahrzeugsystem ist dazu ausgelegt, das Kraftfahrzeug zumindest teilautonom anzusteuern, wobei im Fahrzeugsystem ein vorgegebener Fahrverhaltensmodus aktiviert ist. Der vorgegebene Fahrverhaltensmodus umfasst zumindest einen Ansteuerparameter, der ein Fahrverhalten in einem vorgegebenen geografischen Gebiet festlegt und bei dem zumindest teilautonomen Ansteuern des Kraftfahrzeugs berücksichtigt wird. Das geographische Gebiet ist beispielsweise ein bestimmter Staat oder eine bestimmte Stadt. Unter dem Fahrverhalten wird im Sinne der Erfindung ein durch das Fahrzeugsystem nachgeahmtes Verhalten eines Fahrers bei einem manuellen Fahren des Kraftfahrzeugs im Straßenverkehr des geographischen Gebiets verstanden. Hierbei wird eine Gesamtheit an technischen Eigenschaften des Kraftfahrzeugs, die während des Ansteuerns durch den Fahrer auftreten, als Fahrverhalten verstanden Das Fahrverhalten kann beispielsweise spezifizieren, ob Geschwindigkeitsbegrenzungen, zum Beispiel eine typische Geschwindigkeitsunterschreitung und/oder Geschwindigkeitsüberschreitung des Fahrers, auf einer Schnellstraße, Landstraße und/oder im innerstädtischen Verkehr, berücksichtigt werden. Das Fahrverhalten kann somit mithilfe des Ansteuerparameters beziffert werden, der beispielsweise umfasst, dass der durchschnittliche Fahrer zum Beispiel typischerweise stets 10 Kilometer pro Stunde langsamer auf der Schnellstraße fährt, als es die auf dieser Schnellstraße in beispielsweise dem bestimmten Gebiet vorgegebene Höchstgeschwindigkeit erlaubt, zum Beispiel da die Schnellstraße kurvenreicher ist als eine typische Schnellstraße, an der sich die angegebene Höchstgeschwindigkeit orientiert. Der Ansteuerparameter umfasst folglich in diesem Beispiel die Information der das typische Fahrverhalten widerspiegelnden Geschwindigkeitsunterschreitung von 10 Kilometern pro Stunde auf Schnellstraßen. Diese vom Ansteuerparameter umfasste Information wird daraufhin beim tatsächlichen Ansteuern des Kraftfahrzeugs bei dessen zumindest teilautonomer Fahrt, die beispielsweise von einem Autopiloten durchgeführt wird, berücksichtigt. Der Fahrverhaltensmodus umfasst also, dass der Autopilot, der in diesem Beispiel das Fahrzeugsystem des Kraftfahrzeugs darstellt, stets die lokal vorgegebene Höchstgeschwindigkeit um 10 Kilometer pro Stunde unterschreitet und sich dadurch dem typischen Fahrverhalten in dem vorgegebenen geografischen Gebiet anpasst.A motor vehicle is operated using the method according to the invention. The motor vehicle comprises at least one vehicle system, this vehicle system being, for example, a central vehicle controller or a control device of a driver assistance system of the motor vehicle, each of which is designed to control the motor vehicle with regard to longitudinal guidance and/or lateral guidance. The at least one vehicle system is designed to control the motor vehicle at least partially autonomously, with a predefined driving behavior mode being activated in the vehicle system. The predefined driving behavior mode includes at least one control parameter that defines a driving behavior in a predefined geographical area and is taken into account in the at least partially autonomous driving of the motor vehicle. The geographic area is, for example, a particular state or city. Within the meaning of the invention, driving behavior is understood to mean behavior of a driver that is imitated by the vehicle system when the motor vehicle is driven manually in road traffic in the geographical area. A total of technical properties of the motor vehicle that occur while the driver controls the vehicle are understood as driving behavior. The driving behavior can specify, for example, whether speed limits, for example a typical underspeed and/or overspeed of the driver, on an expressway, country road and/or or in inner-city traffic, are taken into account. The driving behavior can thus be quantified using the control parameter, which includes, for example, that the average driver typically always drives 10 kilometers per hour slower on the expressway than the maximum speed specified on this expressway in, for example, the specific area allows, for example there the expressway has more bends than a typical expressway, which is the basis for the posted speed limit. In this example, the control parameter therefore includes the information on the underspeed of 10 kilometers per hour on expressways, which reflects the typical driving behavior. This information contained in the control parameter is then taken into account when the motor vehicle is actually controlled during its at least partially autonomous driving, which is carried out, for example, by an autopilot. The driving behavior mode thus includes the autopilot, which represents the vehicle system of the motor vehicle in this example, always falling below the locally specified maximum speed by 10 kilometers per hour and thereby adapting to the typical driving behavior in the specified geographical area.
Das erfindungsgemäße Verfahren umfasst folgende Schritte: Zunächst wird eine aktuelle geografische Position des Kraftfahrzeugs erfasst. Dieses Erfassen erfolgt beispielsweise mittels einer Erfassungseinrichtung des Kraftfahrzeugs, der beispielsweise Daten von einem globalen Navigationssatellitensystem (GNSS) bereitgestellt werden. Anhand der erfassten geografischen Position wird daraufhin das vorgegebene geografische Gebiet festgestellt, in dem sich das Kraftfahrzeug aktuell befindet. Dieses Feststellen kann beispielsweise in einer Auswerteeinrichtung des Fahrzeugsystems oder einer mit dem Fahrzeugsystem gekoppelten Steuervorrichtung des Kraftfahrzeugs erfolgen. In diesem Verfahrensschritt kann beispielsweise festgestellt werden, dass sich das Kraftfahrzeug aufgrund seiner aktuellen geografischen Position in einem bestimmten Land, zum Beispiel Portugal, befindet. Daraufhin wird nun, beispielsweise ebenfalls von der Auswerteeinheit, festgestellt, welcher vorgegebene Fahrverhaltensmodus von mehreren vorgegebenen positionsabhängigen Fahrverhaltensmodi dem festgestellten geografischen Gebiet zugeordnet ist. Es wird also bestimmt, welcher vorgegebene Fahrverhaltensmodi mit seinem jeweiligen zumindest einen Ansteuerparameter das Fahrverhalten in dem festgestellten geografischen Gebiet, in dem sich das Kraftfahrzeug befindet, festlegt. Beispielsweise kann ein jeweiliger Fahrverhaltensmodus für einzelnen Staaten, wie zum Beispiel Portugal, Deutschland und Frankreich, unterschieden werden, wobei zusätzlich zu der staatenbasierten Zuordnung des geografischen Gebiets auch eine Unterteilung des Gebiets des Staats beispielsweise in einzelne Stadtgebiete erfolgen kann. Beispielsweise kann ein Fahrverhaltensmodus für große Städte, wie beispielsweise Paris oder Berlin gesondert zu den Fahrverhaltensmodi für Frankreich beziehungsweise Deutschland vorgegeben sein.The method according to the invention comprises the following steps: First, a current geographic position of the motor vehicle is recorded. This detection takes place, for example, by means of a detection device in the motor vehicle, which is provided with data from a global navigation satellite system (GNSS), for example. The predetermined geographical area in which the motor vehicle is currently located is then determined on the basis of the recorded geographical position. This determination can take place, for example, in an evaluation device of the vehicle system or in a control device of the motor vehicle that is coupled to the vehicle system. In this method step it can be determined, for example, that the motor vehicle is located in a specific country, for example Portugal, based on its current geographic position. Then, for example also by the evaluation unit, it is now determined which predefined driving behavior mode from a plurality of predefined position-dependent driving behavior modes is assigned to the determined geographical area. It is therefore determined which predefined driving behavior mode with its respective at least one control parameter defines the driving behavior in the ascertained geographic area in which the motor vehicle is located. For example, a respective driving behavior mode can be differentiated for individual states, such as Portugal, Germany and France, in which case, in addition to the state-based assignment of the geographic area, the area of the state can also be subdivided into individual urban areas, for example. For example, a driving behavior mode for large cities, such as Paris or Berlin, can be specified separately from the driving behavior modes for France or Germany.
Daraufhin wird nun überprüft, ob der festgestellte Fahrverhaltensmodus bereits im Fahrzeugsystem aktiviert ist. Falls der festgestellte Fahrverhaltensmodus aktuell nicht im Fahrzeugsystem aktiviert ist, wird der bereits aktivierte Fahrverhaltensmodus deaktiviert sowie der festgestellte Fahrverhaltensmodus aktiviert. Im Fahrzeugsystem ist somit zu jeder Zeit immer nur ein Fahrverhaltensmodus aktiviert. Ein Zusammenspiel von mehreren Fahrverhaltensmodi, wie beispielsweise dem Fahrverhaltensmodus für Frankreich und dem Fahrverhaltensmodus für Paris innerhalb beispielsweise der Stadt Paris ist somit nicht vorgesehen, sondern es wird ein eigener Fahrverhaltensmodus für Paris vorgegeben. Falls das Kraftfahrzeug beispielsweise in einem Grenzgebiet zwischen zwei vorgegebenen geografischen Gebieten fährt, da es beispielsweise von einer Schnellstraße im ländlichen Frankreich in das Stadtgebiet von Paris hineingefahren ist, kann es sein, dass im Kraftfahrzeug noch der Fahrverhaltensmodus für Frankreich aktiviert ist und nicht der vorgegebene Fahrverhaltensmodus für die Stadt Paris. Ist dies der Fall kommt es, nachdem festgestellt wurde, dass sich das Kraftfahrzeug tatsächlich in Paris befindet, zu einem Deaktivieren des bisher aktivierten Fahrverhaltensmodus für Frankreich und dem Aktivieren des festgestellten Fahrverhaltensmodus, das heißt des Fahrverhaltensmodus für die Stadt Paris.It is then checked whether the determined driving behavior mode is already activated in the vehicle system. If the determined driving behavior mode is not currently activated in the vehicle system, the already activated driving behavior mode is deactivated and the determined driving behavior mode is activated. In the vehicle system, therefore, only one driving behavior mode is activated at any one time. An interaction of several driving behavior modes, such as the driving behavior mode for France and the driving behavior mode for Paris, for example, within the city of Paris is therefore not provided, but a separate driving behavior mode is specified for Paris. For example, if the motor vehicle is driving in a border area between two predetermined geographical areas, for example because it has entered the urban area of Paris from a highway in rural France, it may be that the driving behavior mode for France is still activated in the motor vehicle and not the predetermined driving behavior mode for the city of Paris. If this is the case, after it has been determined that the motor vehicle is actually located in Paris, the previously activated driving behavior mode for France is deactivated and the determined driving behavior mode, ie the driving behavior mode for the city of Paris, is activated.
In einem nächsten Schritt erfolgt das zumindest teilautonome Ansteuern des Kraftfahrzeugs unter Berücksichtigung des zumindest einen Ansteuerparameters des aktuell aktivierten Fahrverhaltensmodus. In dem besagten Beispiel wird also das zumindest teilautonome Ansteuern des Kraftfahrzeugs nach dem Aktivieren des festgestellten Fahrverhaltensmodus für die Stadt Paris unter Berücksichtigung des Ansteuerparameters des Fahrverhaltensmodus für Paris erfolgen. Dem beschriebenen Verfahren liegt die Erkenntnis zugrunde, dass innerhalb beispielsweise einer Stadt oftmals ein anderes typisches Fahrverhalten von Fahrern von Kraftfahrzeugen beobachtet wird, als es beispielsweise in einem ländlichen Raum und somit in anderen Teilen des Staats, in dem sich die Stadt befindet, beobachtet wird. Damit ein beispielsweise vollautonom fahrendes Kraftfahrzeug kein Hindernis oder Ärgernis für andere beispielsweise noch manuell ihr Kraftfahrzeug steuernde Verkehrsteilnehmer darstellt, kann daher der Fahrverhaltensmodus für das Stadtgebiet einen anderen zumindest einen Ansteuerparameter umfassen als es der Fahrverhaltensmodus für das ländliche Gebiet desselben Staates vorgibt.In a next step, the motor vehicle is controlled at least partially autonomously, taking into account the at least one control parameter of the currently activated driving behavior mode. In the example mentioned, the at least partially autonomous control of the motor vehicle will take place after the activation of the determined driving behavior mode for the city of Paris, taking into account the control parameter of the driving behavior mode for Paris. The method described is based on the knowledge that, for example, within a city, the typical driving behavior of drivers of motor vehicles is often different than is observed, for example, in a rural area and thus in other parts of the state in which the city is located. So that a motor vehicle that is driving fully autonomously, for example, does not represent an obstacle or annoyance for other road users who are still manually controlling their motor vehicle, for example, the driving behavior mode for the urban area can include at least one control parameter other than the driving behavior mode for the rural area of the same state.
Mithilfe des dem aktuellen geografischen Gebiet zugeordneten Fahrverhaltensmodus kann somit erreicht werden, dass sich das Kraftfahrzeug in seinem zumindest teilautonomen Fahren genauso verhält, wie sich ein durchschnittlicher menschlicher Fahrer in dem aktuellen geografischen Gebiet tatsächlich verhält. Hierdurch wird beispielsweise die Wahrscheinlichkeit für und Häufigkeit von Verkehrskomplikationen aufgrund eines unerwarteten und/oder untypischen Verhaltens des beispielsweise teilautonom oder vollautonom fahrenden Kraftfahrzeugs reduziert, da sich dieses den lokalen Fahrgegebenheiten anpasst. Das erfindungsgemäße Verfahren erlaubt somit ein Berücksichtigen von dem lokalen Fahrverhalten und stellt zudem sicher, dass zu einem bestimmten Zeitpunkt an einem bestimmten Ort stets der geeignete Fahrverhaltensmodus aktiviert ist. Das erfindungsgemäße Verfahren bringt also den Vorteil, dass beim zumindest teilautonomen Ansteuern des Kraftfahrzeugs regionale Fahrverhaltensbesonderheiten berücksichtigt werden.With the help of the driving behavior mode assigned to the current geographical area, it can thus be achieved that the motor vehicle behaves in its at least partially autonomous driving in exactly the same way as an average human driver actually behaves in the current geographical area. This reduces, for example, the probability and frequency of traffic complications due to an unexpected and/or atypical behavior of the partially or fully autonomously driving motor vehicle, for example, since it adapts to the local driving conditions. The method according to the invention thus allows the local driving behavior to be taken into account and also ensures that the appropriate driving behavior mode is always activated at a specific point in time and at a specific location. The method according to the invention therefore has the advantage that regional characteristics of driving behavior are taken into account when driving the motor vehicle at least partially autonomously.
Die Erfindung befasst sich mit der Frage, mit welchen folgenden Schritten das geografische Gebiet für den jeweiligen Fahrverhaltensmodus festgelegt wird. Zunächst erfolgt ein Bereitstellen von Fahrzeugdaten von zumindest einem Fahrzeug, das von dem jeweiligen Fahrer betrieben wird und die Fahrzeugdaten mit zumindest einer Erfassungseinrichtung des Fahrzeugs erfasst. Bei der zumindest einen Erfassungseinrichtung handelt es sich beispielsweise um eine Sensoreinrichtung des Fahrzeugs, wie beispielsweise ein Kamerasystem, ein Radargerät, einen Laserscanner und/oder ein Infrarotkamerasystem. Bei der Erfassungseinrichtung kann es sich alternativ oder zusätzlich dazu zum Beispiel um einen Temperatursensor, einen Geschwindigkeitsmesssensor und/oder ein Navigationssystem des Kraftfahrzeugs, das Positionsdaten des Fahrzeugs bereitstellt, handeln. Die Fahrzeugdaten werden beispielsweise in einer Speichereinheit des jeweiligen Fahrzeugs gespeichert und beispielweise nach einer Fahrt über eine Kommunikationsverbindung an eine externe Recheneinrichtung übermittelt. Diese Recheneinrichtung ist zum Beispiel als Servereinrichtung ausgebildet. Die jeweiligen Fahrzeugdaten beschreiben zumindest ein Fahrmanöver des zumindest einen Fahrzeugs und umfassen zusätzlich dazu Ortsdaten, die einen Erfassungsort der Fahrzeugdaten charakterisieren. Für die jeweiligen Fahrzeugdaten ist also zusätzlich ein jeweiliger Erfassungsort in Form der Ortsdaten gespeichert, sodass Rückschlüsse dahingehend geschlossen werden können, wo die jeweiligen Fahrzeugdaten von der Erfassungseinrichtung erfasst wurden. Handelt es sich bei den Fahrzeugdaten beispielsweise um Geschwindigkeitsdaten, die angeben, mit welcher Geschwindigkeit das Fahrzeug gefahren ist, enthalten die entsprechenden Daten zusätzlich zu jeweiligen Geschwindigkeitswerten die jeweiligen Ortsdaten, die angeben, wo der jeweilige Geschwindigkeitswert erfasst wurde. Der Recheneinrichtung können insgesamt Fahrzeugdaten von mehreren Fahrzeugen vorliegen, die beispielsweise bei mehreren Fahrmanövern, während denen das jeweilige Fahrzeug von zumindest einem jeweiligen Fahrer gesteuert wurde, erfasst und gespeichert wurden.The invention deals with the question of which subsequent steps are used to define the geographic area for the respective driving behavior mode. First of all, vehicle data is provided by at least one vehicle that is operated by the respective driver and collects the vehicle data with at least one detection device of the vehicle. The at least one detection device is, for example, a sensor device of the vehicle, such as a camera system, a radar device, a laser scanner and/or an infrared camera system. Alternatively or additionally, the detection device can be, for example, a temperature sensor, a speed sensor and/or a navigation system of the motor vehicle, which provides position data of the vehicle. The vehicle data is stored, for example, in a memory unit of the respective vehicle and, for example, is transmitted to an external computing device via a communication link after a trip. This computing device is designed, for example, as a server device. The respective vehicle data ten describe at least one driving maneuver of the at least one vehicle and also include location data that characterize a location where the vehicle data was recorded. A respective acquisition location in the form of location data is also stored for the respective vehicle data, so that conclusions can be drawn as to where the respective vehicle data was acquired by the acquisition device. If the vehicle data is, for example, speed data that indicates the speed at which the vehicle was driving, the corresponding data contain the respective location data in addition to the respective speed values, which indicate where the respective speed value was recorded. The computing device can have a total of vehicle data from a number of vehicles, which were recorded and stored, for example, during a number of driving maneuvers during which the respective vehicle was controlled by at least one respective driver.
In einem nächsten Schritt werden durch die Recheneinrichtung die Fahrverhaltensdaten und/oder die Verkehrsteilnehmerverhaltensdaten ermittelt. Das Ermitteln der Fahrverhaltensdaten und/oder der Verkehrsteilnehmerverhaltensdaten erfolgt durch Anwenden einer Methode des maschinellen Lernens auf die bereitgestellten Fahrzeugdaten. Diese Fahrverhaltensdaten enthalten daraufhin beispielsweise Informationen darüber, um wie viel Prozent beziehungsweise um wie viele Kilometer pro Stunde der Fahrer auf einer Straße einer bestimmten Straßenart, wie zum Beispiel einer Schnellstraße, zu langsam und/oder zu schnell gefahren ist, was anhand der Fahrzeugdaten und der den Fahrzeugdaten zugeordneten Ortsdaten ermittelbar ist. Denn die Fahrzeugdaten umfassen beispielsweise die erfasste Geschwindigkeit des Fahrzeugs sowie vom Kamerasystem des Fahrzeugs erfasste Bilddaten von einem Straßenschild mit der vorgegebenen Höchstgeschwindigkeit auf der Straße. Es können somit Daten gewonnen werden, die charakterisieren, wie sich der zumindest eine Fahrer des Fahrzeugs während seiner Fahrt verhält. Zusätzlich oder alternativ dazu können Daten gewonnen werden, die beschreiben, wie sich zumindest ein Verkehrsteilnehmer verhält. Die Information über die anderen Verkehrsteilnehmer lässt sich beispielsweise mittels mit dem Kamerasystem, dem Laserscanner, dem Radargerät und/oder dem Infrarotkamerasystem erfassten Daten, die ebenfalls als Fahrzeugdaten von dem zumindest einen Fahrzeug bereitgestellt werden, bestimmen.In a next step, the driving behavior data and/or the road user behavior data are determined by the computing device. The driving behavior data and/or road user behavior data is determined by applying a machine learning method to the vehicle data provided. This driving behavior data then contains, for example, information about by what percentage or by how many kilometers per hour the driver drove too slowly and/or too fast on a road of a certain type of road, such as an expressway, which can be determined on the basis of the vehicle data and the location data assigned to the vehicle data can be determined. This is because the vehicle data include, for example, the recorded speed of the vehicle and image data recorded by the vehicle's camera system from a street sign with the specified maximum speed on the street. Data can thus be obtained that characterize how the at least one driver of the vehicle behaves while driving. In addition or as an alternative to this, data can be obtained which describe how at least one road user behaves. The information about the other road users can be determined, for example, using data recorded with the camera system, the laser scanner, the radar device and/or the infrared camera system, which are also provided as vehicle data by the at least one vehicle.
In einem nächsten Schritt erfolgt ein Erkennen von zumindest einem Datenmuster in den ermittelten Fahrverhaltensdaten und/oder den ermittelten Verkehrsteilnehmerverhaltensdaten durch Anwenden einer Methode des maschinellen Lernens auf die ermittelten Fahrverhaltensdaten und/oder die ermittelten Verkehrsteilnehmerverhaltensdaten. Es wird also sowohl zum Ermitteln der Fahrverhaltensdaten und/oder der Verkehrsteilnehmerverhaltensdaten als auch zum Erkennen von zumindest einem Datenmuster in den derart ermittelten Fahrverhaltensdaten und/oder den ermittelten Verkehrsteilnehmerverhaltensdaten jeweils eine Methode des maschinellen Lernens verwendet. Hierbei handelt es sich um eine Methode der künstlichen Intelligenz, die beispielsweise durch Verwendung von einem jeweiligen künstlichen neuronalen Netzwerk durchgeführt wird. Es ist also vorgesehen, dass beispielsweise ein künstliches neuronales Netzwerk auf die der Recheneinrichtung bereitgestellten Fahrzeugdaten angewendet wird.In a next step, at least one data pattern is recognized in the determined driving behavior data and/or the determined road user behavior data by applying a machine learning method to the determined driving behavior data and/or the determined road user behavior data. A method of machine learning is therefore used both to determine the driving behavior data and/or the road user behavior data and to recognize at least one data pattern in the driving behavior data determined in this way and/or the determined road user behavior data. This is a method of artificial intelligence, which is carried out, for example, by using a respective artificial neural network. It is therefore provided that, for example, an artificial neural network is applied to the vehicle data provided to the computing device.
Ein künstliches neuronales Netzwerk ist ein Netz aus künstlichen Neuronen. In der Neuroinformatik werden künstliche neuronale Netzwerke als künstliche Intelligenz eingesetzt, da sie beispielsweise ohne detailliertes Wissen betreffend einer Funktionsweise oder einer Kommunikationsbeziehung zwischen einzelnen Teilmengen von Daten zur Auswertung dieser Daten geeignet sind. Als künstliches neuronales Netzwerk wird also ein selbstständig lernendes Computerprogramm bezeichnet, das in einer relativ kurzen Zeit komplizierte Regelmäßigkeiten und Zusammenhänge in großen Datenmengen erkennen kann. Einem neuronalen Netzwerk liegt hierfür ein abstrahiertes Modell miteinander verbundener Neutronen zugrunde, sodass ein künstliches neuronales Netzwerk zumindest bis zu einem gewissen Grad dem Aufbau eines biologischen Gehirns nachempfunden ist. Vereinfacht beschrieben kann der Aufbau und die Funktionsweise eines künstlichen neuronalen Netzwerks mit einem Netzwerk aus Neuronen beschrieben werden, die jeweils Informationen von außen oder von anderen Neuronen aufnehmen und modifiziert an andere Neuronen weiterleiten oder als Endergebnis ausgeben. Hierbei können beispielsweise positive oder negative Gewichtungen vorgenommen werden, die einen erregenden beziehungsweise hemmenden Einfluss der Neuronen untereinander darstellen. Das Wissen und damit die künstliche Intelligenz eines künstlichen neuronalen Netzwerkes ist letztendlich in den Verbindungen zwischen den einzelnen Neuronen und deren Gewichtungen gespeichert. Während eines Trainings des neuronalen Netzwerkes verändern sich diese Gewichtungen der Verbindungen abhängig von den angewandten Lernregeln und erzielten Ergebnissen.An artificial neural network is a network of artificial neurons. In neuroinformatics, artificial neural networks are used as artificial intelligence, since they are suitable, for example, for evaluating this data without detailed knowledge of how it works or of a communication relationship between individual subsets of data. An artificial neural network is an independently learning computer program that can recognize complicated regularities and relationships in large amounts of data in a relatively short time. A neural network is based on an abstract model of interconnected neutrons, so that an artificial neural network is modeled on the structure of a biological brain, at least to a certain extent. To put it simply, the structure and functioning of an artificial neural network can be described with a network of neurons, which each receive information from the outside or from other neurons and pass it on to other neurons in a modified form or output it as the end result. Here, for example, positive or negative weightings can be made, which represent an exciting or inhibitory influence of the neurons on one another. The knowledge and thus the artificial intelligence of an artificial neural network is ultimately stored in the connections between the individual neurons and their weightings. During training of the neural network, these weights of the connections change depending on the applied learning rules and the results achieved.
Mit anderen Worten kann durch Anwendung des künstlichen neuronalen Netzwerks auf die Fahrzeugdaten erreicht werden, dass aus diesen Fahrzeugdaten innerhalb einer kurzen Zeitdauer die Fahrverhaltensdaten und/oder die Verkehrsteilnehmerverhaltensdaten ermittelt werden können. Außerdem können in den ermittelten Fahrverhaltensdaten und/oder die Verkehrsteilnehmerverhaltensdaten auffallende Datenpakete, die sogenannten Datenmuster, identifiziert werden. In einem vereinfachten Beispiel können die bei der Ermittlung der Fahrverhaltensdaten festgestellten Differenzen zwischen der erlaubten Fahrgeschwindigkeit und der tatsächlichen Höchstgeschwindigkeit abhängig von einer Anzahl an Fahrzeugen, bei denen eine derartige Differenz beobachtet wurde, aufgetragen werden. Ein dadurch entstehender Funktionsgraph, weist beispielsweise mehrere Maxima und Minima auf. Die Fahrer deren Daten einem jeweiligen Bereich der Maxima eines derartigen Funktionsgraphen zugeordnet sind, zeigen folglich ein ähnliches Verhalten hinsichtlich einer bestimmten Geschwindigkeitsunterschreitung, beispielsweise aufgrund eines kurvenreichen Straßenverlaufs. Beispielsweise zeigt sich ein derartiges Maximum bei einer typischen Unterschreitung der zulässigen Maximalgeschwindigkeit von 10 Kilometern pro Stunde.In other words, by applying the artificial neural network to the vehicle data, the driving behavior data and/or the road user behavior data can be determined from this vehicle data within a short period of time. Except conspicuous data packets, the so-called data patterns, can be identified in the determined driving behavior data and/or the road user behavior data. In a simplified example, the differences between the permitted driving speed and the actual maximum speed determined when determining the driving behavior data can be plotted as a function of a number of vehicles for which such a difference was observed. A function graph resulting from this has, for example, several maxima and minima. The drivers whose data are assigned to a respective area of the maxima of such a function graph consequently show a similar behavior with regard to a specific underspeed, for example due to a winding road. Such a maximum occurs, for example, when the speed falls below the permissible maximum speed of 10 kilometers per hour.
In einem nächsten Schritt erfolgt das Festlegen einer Ausdehnung des jeweiligen geografischen Gebiets unter Berücksichtigung des zumindest einen erkannten Datenmusters sowie der von den Fahrzeugdaten umfassten Ortsdaten. Wird nun beispielsweise festgestellt, dass all die Fahrzeugdaten, die auf die Unterschreitung der zulässigen Höchstgeschwindigkeit um 10 Kilometern pro Stunde schließen lassen, in einem bestimmten begrenzten Gebiet festgestellt wurden, beispielsweise auf diversen Straßen einer Gebirgsregion, kann die Ausdehnung dieser Gebirgsregion als geografisches Gebiet definiert werden. Durch Anwendung von Methoden der künstlichen Intelligenz kann nämlich auf Zusammenhänge beziehungsweise ähnliches Verhalten von einzelnen Fahrzeugdatenteilmengen, Fahrverhaltensdatenteilmengen und/oder Verkehrsteilnehmerverhaltensdatenteilmengen, jeweilige sogenannte Cluster, geschlossen werden. Anhand dieser Ähnlichkeiten kann letztendlich ein geografisches Gebiet bestimmt werden, in dem sich Fahrer ähnlich verhalten. Letztendlich wird zum Beispiel auf Koordinaten, die das geografische Gebiet beschreiben, geschlossen. Dies ermöglicht, dass anhand von von beispielsweise mehreren Fahrzeugen bereitgestellten Fahrzeugdaten letztendlich mittels Anwendung der Methoden des maschinellen Lernens, insbesondere in einer kurzen Zeitdauer sowie gründlich, einzelne geografische Gebiete unterschieden werden können, die sich in dem dort üblichen Fahrverhalten von Fahrern von Fahrzeugen und/oder weiteren Verkehrsteilnehmer unterscheiden. Dies trägt letztendlich dazu bei, dass eine geeignete geografische Unterteilung der von Fahrzeugen befahrenen Welt ermöglicht wird, sodass letztendlich basierend auf den erfassten Ausdehnungen der jeweiligen geografischen Gebiete erkannt wird, wie viele und welche spezifischen Fahrverhaltensmodi bestimmt und für Kraftfahrzeuge bereitgestellt werden müssen, um zu ermöglichen, dass beim zumindest teilautonomen Fahren auf lokale Besonderheiten im Fahrverhalten Rücksicht genommen werden kann.In a next step, an extension of the respective geographic area is defined, taking into account the at least one recognized data pattern and the location data included in the vehicle data. If, for example, it is now determined that all the vehicle data that indicate that the speed limit is 10 kilometers per hour below the permitted speed limit was found in a specific, limited area, for example on various roads in a mountainous region, the extent of this mountainous region can be defined as a geographical area . By using artificial intelligence methods, conclusions can be drawn about relationships or similar behavior of individual vehicle data subsets, driving behavior data subsets and/or road user behavior data subsets, so-called clusters. These similarities can ultimately be used to identify a geographic area where drivers behave similarly. Ultimately, for example, coordinates that describe the geographical area are inferred. This makes it possible, on the basis of vehicle data provided by, for example, several vehicles, to ultimately use machine learning methods to differentiate, in particular in a short period of time and thoroughly, individual geographical areas that differ in the driving behavior of drivers of vehicles and/or drivers that are usual there distinguish between other road users. Ultimately, this helps to enable a suitable geographical subdivision of the world traveled by vehicles, so that ultimately, based on the recorded extents of the respective geographical areas, it is recognized how many and which specific driving behavior modes must be determined and made available for motor vehicles in order to enable that with at least semi-autonomous driving, local peculiarities in driving behavior can be taken into account.
Zu der Erfindung gehören außerdem Ausgestaltungsformen, durch die sich zusätzliche Vorteile ergeben.The invention also includes configurations that result in additional advantages.
In einer vorteilhaften Ausgestaltungsform der Erfindung ist es vorgesehen, dass der zumindest eine Ansteuerparameter aus Daten zumindest einer von folgenden Datenarten bestimmt wird: Verkehrsregeldaten, die zumindest eine in dem geografischen Gebiet aktuell geltende Verkehrsregel charakterisieren, Fahrverhaltensdaten, die das für einen Fahrer eines Fahrzeugs im geografischen Gebiet typische Fahrverhalten charakterisieren, Verkehrsteilnehmerverhaltensdaten, die ein für zumindest einen Verkehrsteilnehmer in dem geografischen Gebiet typisches Verhalten charakterisieren, Interpretationsdaten, die eine Interpretationsvorschrift für zumindest ein Verkehrssymbol in dem geografischen Gebiet charakterisieren und/oder Fahrzeugkenndaten, die das Kraftfahrzeug charakterisieren.In an advantageous embodiment of the invention, it is provided that the at least one control parameter is determined from data of at least one of the following types of data: Traffic rule data that characterizes at least one traffic rule currently in force in the geographical area, driving behavior data that describes the situation for a driver of a vehicle in the geographical Characterize typical driving behavior in the area, road user behavior data that characterizes a behavior that is typical for at least one road user in the geographical area, interpretation data that characterizes an interpretation rule for at least one traffic symbol in the geographical area and / or vehicle characteristics that characterize the motor vehicle.
Der dem Fahrverhaltensmodus zugrundeliegende zumindest eine Ansteuerparameter wird also beispielsweise aus Daten ermittelt, die geltende Verkehrsregeln in dem geografischen Gebiet beschreiben. Diese Verkehrsregeldaten umfassen beispielsweise Angaben zum Links- oder Rechtsverkehr, der in dem geografischen Gebiet vorgeschrieben ist. Außerdem umfassen diese Daten gesetzliche Vorschriften hinsichtlich einer Verkehrsführung in dem geografischen Gebiet. Die Fahrverhaltensdaten umfassen wiederum Informationen dazu, wie sich der Fahrer eines beliebigen Fahrzeugs im geografischen Gebiet typischerweise verhält. Die Fahrverhaltensdaten können hierbei das jeweilige typische Fahrverhalten von mehreren Fahrern von insgesamt mehreren jeweiligen Fahrzeugen in dem geografischen Gebiet charakterisieren. Die Fahrverhaltensdaten umfassen daher beispielsweise, wie wahrscheinlich es ist, dass der Fahrer in dem geografischen Gebiet für einen Fußgänger vor einer für das Fahrzeug grünen Ampel und/oder einem Zebrastreifen anhält und/oder um wie viel Prozent er beispielsweise innerhalb eines Stadtgebiets langsamer und/oder schneller fährt, als es die vorgegebene Höchstgeschwindigkeit vorgibt. Ein Anhalten oder zumindest ein Reduzieren der Geschwindigkeit des Fahrzeugs durch den Fahrer für einen Fußgänger trotz einer für das Fahrzeug grünen Ampelschaltung kann sich in bestimmten geographischen Gebieten als Reaktion auf ungeduldig wartende Fußgänger, insbesondere in urbanen Gebieten, ergeben und kann von dem zumindest einen Ansteuerparameter berücksichtigt werden. Die Verkehrsteilnehmerverhaltensdaten beschreiben hingegen ein typisches Verhalten von anderen Verkehrsteilnehmern im geografischen Gebiet, wie beispielsweise wie viel Abstand diese anderen Verkehrsteilnehmer von dem Fahrzeug des Fahrers, der die Fahrverhaltensdaten bereitstellt, halten oder wie sich andere Verkehrsteilnehmer in einer Gefahrensituation, beispielsweise bei einem auf die Straße laufenden Kind, reagieren. Die Interpretationsdaten umfassen Informationen, wie in dem geografischen Gebiet Verkehrsschilder, Fahrbahnmarkierungen und somit unterschiedliche Verkehrssymbole aufgenommen werden und das Fahrverhalten beeinflussen. Hierbei werden auch beispielsweise nicht in einem Regelwerk niedergeschriebene aber in dem geografischen Gebiet beispielsweise bereits in der Fahrschule erlernte Interpretationen von Verkehrsregeln berücksichtigt, die sich im tatsächlichen Fahrverhalten von Fahrern im geografischen Gebiet widerspiegeln. Die Fahrzeugkenndaten umfassen beispielsweise einen Modelltyp des Kraftfahrzeugs, wie beispielsweise dessen Länge und Breite sowie Kenndaten hinsichtlich des Fahrzeugsystems und/oder beispielsweise eines Antriebs des Kraftfahrzeugs. Diese Informationen sind beispielsweise hinsichtlich einer Fahrt auf einer engen Straße oder auf einem Parkplatz besonders relevant.The at least one control parameter on which the driving behavior mode is based is thus determined, for example, from data that describes the applicable traffic regulations in the geographical area. This traffic regulation data includes, for example, information on left-hand or right-hand traffic that is prescribed in the geographic area. In addition, this data includes legal regulations regarding traffic routing in the geographic area. The driving behavior data, in turn, includes information about how the driver of any vehicle in the geographic area typically behaves. In this case, the driving behavior data can characterize the respective typical driving behavior of several drivers of a total of several respective vehicles in the geographical area. The driving behavior data therefore include, for example, how likely it is that the driver will stop in the geographic area for a pedestrian in front of a traffic light that is green for the vehicle and/or a zebra crossing and/or by what percentage he will be slower, for example, within an urban area and/or drives faster than the specified maximum speed. Stopping or at least reducing the speed of the vehicle by the driver for a pedestrian despite a green traffic light for the vehicle can occur in certain geographical areas as a reaction to impatiently waiting pedestrians, especially in urban areas, and can be taken into account by the at least one control parameter will. The Road User Association On the other hand, stopping data describe typical behavior of other road users in the geographical area, such as how far these other road users keep from the vehicle of the driver providing the driving behavior data, or how other road users are in a dangerous situation, for example a child running onto the road , react. The interpretation data includes information on how traffic signs, lane markings and thus different traffic symbols are recorded in the geographic area and affect driving behavior. Here, for example, interpretations of traffic rules that are not written down in a set of rules but that are already learned in the driving school in the geographical area, for example, are taken into account, which are reflected in the actual driving behavior of drivers in the geographical area. The vehicle characteristic data include, for example, a model type of the motor vehicle, such as its length and width, and characteristic data with regard to the vehicle system and/or, for example, a drive of the motor vehicle. This information is particularly relevant, for example, when driving on a narrow street or in a parking lot.
Dem zumindest einen Ansteuerparameter werden somit diejenigen Informationen zugrundegelegt, die letztendlich dazu beitragen, das Fahrverhalten in dem geografischen Gebiet festzulegen. Mittels einer geeigneten Berechnung und Gewichtung der Informationen, die den einzelnen genannten Daten entnommen werden können, kann der zumindest eine Ansteuerparameter ermittelt werden. Zur Bestimmung des Ansteuerparameters liegen somit alle verfügbaren Daten hinsichtlich des Verhaltens von manuellen Fahrern, anderen Verkehrsteilnehmern, den bestehenden Verkehrsregeln, die Interpretation von Verkehrssymbolen sowie Informationen über das Kraftfahrzeug selbst bereit, sodass ein zuverlässiger Ansteuerparameter, der das für das geografische Gebiet typische Fahrverhalten beschreibt, ermittelt werden kann.The at least one control parameter is thus based on the information that ultimately contributes to defining the driving behavior in the geographical area. The at least one control parameter can be determined by means of a suitable calculation and weighting of the information that can be taken from the individually named data. All available data regarding the behavior of manual drivers, other road users, the existing traffic regulations, the interpretation of traffic symbols and information about the motor vehicle itself are therefore available to determine the control parameter, so that a reliable control parameter that describes the driving behavior that is typical for the geographical area can be determined.
Eine besonders vorteilhafte Ausgestaltungsform der Erfindung sieht außerdem vor, dass ein Festlegen des zumindest einen Ansteuerparameters des vorgegebenen Fahrverhaltensmodus für das jeweilige geografische Gebiet folgende Schritte umfasst: Zunächst erfolgt ein Festlegen eines Realverhaltensmodells für das jeweilige geografische Gebiet unter Berücksichtigung der ermittelten Fahrverhaltensdaten und/oder Verkehrsteilnehmerverhaltensdaten, die dem jeweiligen festgelegten geografischen Gebiet zugeordnet sind. Es wird also letztendlich ein Modell ermittelt, das beschreibt, wie sich ein typischer Fahrer eines Fahrzeugs in dem geografischen Gebiet verhält. Anhand dieses Modells kann beispielsweise das durchschnittliche Fahrverhalten eines menschlichen Fahrers für das jeweilige geografische Gebiet simuliert werden. Das Festlegen des Realverhaltensmodells erfolgt beispielsweise ebenfalls in der externen Recheneinrichtung und bevorzugt nicht innerhalb des Kraftfahrzeugs selbst.A particularly advantageous embodiment of the invention also provides that defining the at least one control parameter of the predefined driving behavior mode for the respective geographical area includes the following steps: First, a real behavior model is defined for the respective geographical area, taking into account the determined driving behavior data and/or road user behavior data, assigned to each specified geographical area. Ultimately, a model is determined that describes how a typical driver of a vehicle behaves in the geographical area. This model can be used, for example, to simulate the average driving behavior of a human driver for the respective geographic area. The real behavior model is also defined, for example, in the external computing device and preferably not within the motor vehicle itself.
Der Recheneinrichtung werden außerdem die Verkehrsregeldaten, Interpretationsdaten und/oder Fahrzeugkenndaten, die dem jeweiligen festgelegten geografischen Gebiet beziehungsweise dem jeweiligen Kraftfahrzeug zugeordnet sind, bereitgestellt. Daraufhin erfolgt ein Festlegen eines Idealverhaltensmodells für das zumindest eine Kraftfahrzeug in dem festgelegten jeweiligen geografischen Gebiet unter Berücksichtigung der genannten bereitgestellten Verkehrsregeldaten, Interpretationsdaten oder Fahrzeugkenndaten. Es werden also jeweils die Informationen über die im geographischen Gebiet geltenden Verkehrsregeln, die Interpretationsvorschriften, die in dem geografischen Gebiet herrschen, sowie die Fahrzeugkenndaten, die das Kraftfahrzeug, in dem der jeweilige Fahrverhaltensmodus aktiviert werden soll, beschreiben, berücksichtigt, um ein ideales und somit den rechtlich vorgegebenen Verhaltensweisen entsprechendes Fahrverhaltensmodell zu bestimmen, das als Idealverhaltensmodell bezeichnet wird.The computing device is also provided with the traffic regulation data, interpretation data and/or vehicle characteristic data that are associated with the respective specified geographical area or the respective motor vehicle. An ideal behavior model is then defined for the at least one motor vehicle in the defined respective geographical area, taking into account the traffic control data, interpretation data or vehicle characteristic data provided. The information about the traffic regulations in force in the geographical area, the interpretation rules that prevail in the geographical area, and the vehicle characteristics that describe the motor vehicle in which the respective driving behavior mode is to be activated are taken into account in order to achieve an ideal and thus to determine the driving behavior model that corresponds to the legally prescribed behavior, which is referred to as the ideal behavior model.
Daraufhin wird der zumindest eine Ansteuerparameter für das jeweilige geografische Gebiet aus dem für das jeweilige festgelegte geografische Gebiet festgelegten Realverhaltensmodell und Idealverhaltensmodell durch Anwenden eines vorgegebenen Gewichtungskriteriums bestimmt. Es werden also all die Daten oder zumindest Teile der Daten, die oben bereits als Daten genannten wurden, aus denen der zumindest eine Ansteuerparameter bestimmt wird, zur Bestimmung des Ansteuerparameters hinzugezogen. Mithilfe eines Bewertungssystems, das durch das Gewichtungskriterium bereitgestellt wird, erfolgt ein Abgleich zwischen dem Realverhaltensmodell und dem Idealverhaltensmodell, woraus letztendlich der Fahrverhaltensmodus abgeleitet wird. Es werden also beispielsweise nicht beliebig gravierende mit den geltenden Verkehrsregeln nicht konforme Fahrmanöver, die beispielsweise im Realverhaltensmodell hinterlegt sind, in den Fahrverhaltensmodus übernommen, sondern es erfolgt ein geeigneter Abgleich der real beobachteten Verhaltensweise mit der rechtlich vorgegebenen Verhaltensweise, die im Idealverhaltensmodell enthalten ist. Hierdurch wird es ermöglicht, dass ein von dem festgelegten geografischen Gebiet abhängiges Fahrverhalten derart beziffert wird, dass der zumindest eine Ansteuerparameter bereitgestellt wird, anhand dessen letztendlich das Fahrzeugsystem das Kraftfahrzeug zumindest teilautonom ansteuern kann. Durch die Wahl des Gewichtungskriteriums wird folglich ermöglicht, dass ein möglichst realitätsnahes, aber dennoch ausreichend regelkonformes Fahrverhalten mithilfe des Fahrverhaltensmodus in das zumindest teilautonom fahrende Kraftfahrzeug implementiert werden kann. Ein Irritieren und Behindern von manuell fahrenden Verkehrsteilnehmern durch ein Kraftfahrzeug, das gemäß dem Fahrverhaltensmodus angesteuert wird, ist somit besonders klein, da sich der Fahrverhaltensmodus direkt an dem tatsächlichen Fahrverhalten in dem bestimmten geografischen Gebiet orientiert.The at least one control parameter for the respective geographic area is then determined from the real behavior model and ideal behavior model defined for the respective defined geographic area by applying a predetermined weighting criterion. All the data or at least parts of the data that have already been mentioned above as data from which the at least one control parameter is determined are therefore used to determine the control parameter. With the help of an evaluation system, which is provided by the weighting criterion, a comparison is made between the real behavior model and the ideal behavior model, from which the driving behavior mode is ultimately derived. For example, no arbitrarily serious driving maneuvers that do not comply with the applicable traffic rules, which are stored in the real behavior model, for example, are transferred to the driving behavior mode, but the actually observed behavior is compared with the legally prescribed behavior contained in the ideal behavior model. This makes it possible for a driving behavior that is dependent on the specified geographical area to be quantified in such a way that the at least one control parameter is provided, based on which the vehicle system can ultimately control the motor vehicle at least partially autonomously. By choosing the weight The criterion consequently makes it possible for a driving behavior that is as realistic as possible, but still sufficiently compliant with the rules, to be implemented in the at least partially autonomously driving motor vehicle using the driving behavior mode. An irritating and impeding of manually driving road users by a motor vehicle that is controlled according to the driving behavior mode is therefore particularly small, since the driving behavior mode is based directly on the actual driving behavior in the specific geographical area.
Es ist in einer weiteren Ausgestaltungsform vorgesehen, dass das Gewichtungskriterium durch eine Simulation und/oder eine Schattenmodusfunktion bestimmt wird. Das Bewertungskriterium wird also mithilfe eines Lernsystems ermittelt. Hierbei kann beispielsweise bei einer Simulation eines erfassten Fahrmanövers anhand der Fahrzeugdaten mittels Simulieren des Fahrverhaltens in der entsprechenden Situation entsprechend des Realverhaltensmodells und des Idealverhaltensmodells festgestellt werden, welches der Modell wie stark gewichtet wird, um eine angestrebte Funktionsgüte, das heißt einen angestrebtes Verhalten während des Fahrmanövers, zu erreichen. Beim Bestimmen des Gewichtungskriteriums mithilfe der Schattenmodusfunktion wird eine erste Version des Gewichtungskriteriums im Kraftfahrzeug bereitgestellt, wobei das Kraftfahrzeug selbst ohne Berücksichtigung des Gewichtungskriteriums sowie jeglichen Fahrverhaltensmodus fährt. Eine Auswerteeinheit des Kraftfahrzeugs bestimmt jedoch beispielsweise für jedes manuell gefahrene Fahrmanöver ein erwartungsgemäßes Verhalten des Kraftfahrzeugs bei aktiviertem Fahrverhaltensmodus. Der Fahrverhaltensmodus ist also nur im Hintergrund aktiviert, sodass mithilfe eines Abgleichens der Fahrverhaltensergebnisse dieses quasi im Schatten arbeitenden Fahrverhaltensmodus mit dem tatsächlichen Fahrverhalten des Fahrers das Gewichtungskriterium angepasst werden kann. Das Gewichtungskriterium wird dadurch derart eingestellt, dass eine optimale Übereinstimmung zwischen der simulierten Ansteuerung unter Verwendung des Fahrverhaltensmodus mit dem tatsächlichen Fahrverhalten des manuellen Fahrers erreicht werden kann. Der hier als Schattenmodusfunktion bezeichnete Modus wird häufig auch mit der englischen Bezeichnung Shadow Mode bezeichnet. Es wird also durch die Simulation und/oder die Schattenmodusfunktion besonders einfach das geeignete Gewichtungskriterium festgelegt.A further embodiment provides that the weighting criterion is determined by a simulation and/or a shadow mode function. The evaluation criterion is thus determined using a learning system. For example, when simulating a detected driving maneuver based on the vehicle data by simulating the driving behavior in the corresponding situation according to the real behavior model and the ideal behavior model, it can be determined which of the models is weighted and how heavily in order to achieve a desired functional quality, i.e. a desired behavior during the driving maneuver , to reach. When determining the weighting criterion using the shadow mode function, a first version of the weighting criterion is provided in the motor vehicle, the motor vehicle itself driving without taking into account the weighting criterion and any driving behavior mode. However, an evaluation unit of the motor vehicle determines, for example, an expected behavior of the motor vehicle for each manually driven driving maneuver when the driving behavior mode is activated. The driving behavior mode is therefore only activated in the background, so that the weighting criterion can be adjusted by comparing the driving behavior results of this driving behavior mode, which works more or less in the shadows, with the actual driving behavior of the driver. The weighting criterion is thereby adjusted in such a way that an optimum correspondence can be achieved between the simulated activation using the driving behavior mode and the actual driving behavior of the manual driver. The mode referred to here as the shadow mode function is also often referred to with the English term shadow mode. The suitable weighting criterion is thus established in a particularly simple manner by the simulation and/or the shadow mode function.
Eine weitere Ausgestaltungsform der Erfindung sieht vor, dass im Rahmen einer Bestimmung einer Fahrroute von der aktuellen geografischen Position zu einer vorgegebenen Zielposition des Kraftfahrzeugs überprüft wird, ob das Kraftfahrzeug bei einer Fahrt entlang der bestimmten Fahrroute mehrere vorgegebene geografische Gebiete durchfährt. Beispielsweise wird bereits im Rahmen der Fahrroutenbestimmung festgestellt, ob sich das Kraftfahrzeug auf dieser Fahrroute in mehr als einem vorgegebenen geografischen Gebiet aufhalten wird. Falls mehrere vorgegebene geografische Gebiete durchfahren werden, werden die Fahrverhaltensmodi, die dem jeweiligen vorgegebenen geografischen Gebiet zugeordnet sind, von der externen Einrichtung über eine Kommunikationsverbindung des Kraftfahrzeugs heruntergeladen. Es wird also sichergestellt, dass in dem Kraftfahrzeug alle für diese Fahrroute benötigten Fahrverhaltensmodi bereits bei Fahrtantritt bereitstehen, sodass, abhängig von der aktuellen Position des Kraftfahrzeugs, die beispielsweise in vorgegebenen Zeitabständen erfasst wird, ein Wechsel zwischen den einzelnen bereits heruntergeladenen Fahrverhaltensmodi möglich ist. Es ist beispielsweise möglich, dass bei einer Fahrt von einer Stadt in eine andere sowohl die jeweiligen Fahrverhaltensmodi von die Startstadt sowie die Zielstadt als auch entsprechende Fahrverhaltensmodi für eine Überlandfahrt zwischen den beiden Städten heruntergeladen werden. Es ist folglich nicht nötig, dass alle für beispielsweise einen gesamten Staat, Kontinent oder sogar die ganze Welt verfügbaren Fahrverhaltensmodi stets im Fahrzeugsystem, in einer mit dem Fahrzeugsystem gekoppelten Steuervorrichtung oder einer mit dem Fahrzeugsystem gekoppelten Speichervorrichtung des Kraftfahrzeugs hinterlegt sind. Vielmehr können stets nur die Fahrverhaltensmodi im Kraftfahrzeug hinterlegt sein, indem sie beispielsweise temporär in der Speichervorrichtung gespeichert sind, die das Kraftfahrzeug tatsächlich während der geplanten Fahrroute benötigt. Insbesondere hinsichtlich vollautonom fahrender Kraftfahrzeuge ist es vorteilhaft, dass die komplette Fahrroute bereits bei Fahrantritt bekannt ist, sodass beispielsweise unabhängig von einem regional vorhandenen oder zugreifbaren mobilen Datennetz sichergestellt ist, dass das Fahrzeugsystem auf alle für diese Fahrroute benötigten Fahrverhaltensmodi zugreifen kann, sobald diese zu aktivieren sind. Hierdurch wird die Anwendung des Verfahrens zum Ansteuern des Kraftfahrzeugs auch in entlegenen Regionen zuverlässig möglich, die beispielsweise keine flächendeckende Versorgung mit einem mobilen Datennetz aufweisen. In diesem Zusammenhang ist es in einer vorteilhaften Ausgestaltungsform vorgesehen, dass ein Übergang von dem bisherigen Fahrverhaltensmodus zu dem festgestellten Fahrverhaltensmodus bei einer Fahrt des Kraftfahrzeugs über eine vorgegebene Übergangsfahrstrecke erfolgt. Es erfolgt also nicht zwangsläufig ein abrupter Übergang von dem bisherigen Fahrverhaltensmodus zu dem aufgrund der aktuellen Position des Kraftfahrzeugs vorgegebenen aktuellen Fahrverhaltensmodus. Vielmehr kann vorgesehen sein, dass beispielsweise ein Übergangsgebiet von beispielsweise 5 Kilometern Länge zwischen zwei aneinander räumlich angrenzende geographische Gebiete vorgegeben ist. Wird erfasst, dass sich das Kraftfahrzeug in diesem Übergangsgebiet befindet, wird für die 5 Kilometer Übergangsfahrstrecke durch das Übergangsgebiet ein kontinuierlicher Übergang von dem bisherigen Fahrverhaltensmodus zu dem neuen Fahrverhaltensmodus im angrenzenden und bald erreichten geographischen Gebiet aktiviert. Hierdurch wird vermieden, dass die Insassen des beispielsweise vollautonom fahrenden Kraftfahrzeugs von einer plötzlich abrupt ändernden Fahrweise überrascht werden. Die Insassen des Kraftfahrzeugs können sich vielmehr kontinuierlich an das sich nun veränderte Fahrverhalten des Kraftfahrzeugs gewöhnen und auf dieses einstellen.A further embodiment of the invention provides that when determining a driving route from the current geographic position to a specified target position of the motor vehicle, it is checked whether the motor vehicle drives through several specified geographical areas when traveling along the determined driving route. For example, as part of determining the driving route, it is already determined whether the motor vehicle will be in more than one predetermined geographical area on this driving route. If several predetermined geographical areas are driven through, the driving behavior modes that are associated with the respective predetermined geographical area are downloaded from the external device via a communication link of the motor vehicle. It is therefore ensured that all driving behavior modes required for this driving route are already available in the motor vehicle when the journey starts, so that, depending on the current position of the motor vehicle, which is recorded, for example, at predetermined time intervals, it is possible to switch between the individual driving behavior modes that have already been downloaded. It is possible, for example, that when driving from one city to another, both the respective driving behavior modes for the starting city and the destination city as well as corresponding driving behavior modes for a cross-country trip between the two cities are downloaded. It is therefore not necessary for all driving behavior modes available for, for example, an entire country, continent or even the entire world to always be stored in the vehicle system, in a control device coupled to the vehicle system or in a memory device of the motor vehicle coupled to the vehicle system. Rather, only the driving behavior modes can always be stored in the motor vehicle, for example by temporarily storing them in the memory device that the motor vehicle actually needs during the planned route. Especially with regard to fully autonomous motor vehicles, it is advantageous that the complete route is already known when starting the journey, so that it is ensured, for example, independently of a regionally available or accessible mobile data network, that the vehicle system can access all driving behavior modes required for this route as soon as they are activated are. As a result, the use of the method for controlling the motor vehicle is also reliably possible in remote regions which, for example, do not have nationwide coverage with a mobile data network. In this context, one advantageous embodiment provides for a transition from the previous driving behavior mode to the determined driving behavior mode to take place when the motor vehicle is traveling over a predefined transition route. There is therefore not necessarily an abrupt transition from the previous driving behavior mode to the current driving behavior mode predetermined on the basis of the current position of the motor vehicle. Rather, it can be provided that, for example, a transitional area of, for example, 5 kilometers in length between two geographically adjacent areas areas is specified. If it is detected that the motor vehicle is in this transition area, a continuous transition from the previous driving behavior mode to the new driving behavior mode in the adjacent and soon to be reached geographical area is activated for the 5 km transition route through the transition area. This avoids the occupants of the motor vehicle, which is driving fully autonomously, for example, being surprised by a driving style that suddenly changes abruptly. Rather, the occupants of the motor vehicle can continuously get used to the now changed driving behavior of the motor vehicle and adjust to it.
Alternativ dazu ist es in einer vorteilhaften Ausgestaltungsform der Erfindung vorgesehen, dass der festgestellte Fahrverhaltensmodus von einer externen Einrichtung über eine Kommunikationsverbindung an das Kraftfahrzeug heruntergeladen wird, wobei festgestellt wird, dass sich das Kraftfahrzeug in dem dem festgestellten Fahrverhaltensmodus zugeordneten geografischen Gebiet befindet. Bei dieser alternativen Ausgestaltungsform wird immer erste dann der Fahrverhaltensmodus in das Kraftfahrzeug heruntergeladen, wenn festgestellt wird, dass sich das Kraftfahrzeug in dem dazugehörigen geografischen Gebiet befindet. Voraussetzung hierfür ist, dass eine Kommunikationsverbindung mit der externen Einrichtung, in der die jeweiligen Fahrverhaltensmodi hinterlegt sind, aufbaubar und aufrechterhaltbar ist. Dies ermöglicht den Vorteil, dass im Kraftfahrzeug selbst die großen Datenmengen für die jeweiligen Fahrverhaltensmodi nicht jederzeit hinterlegt sein müssen, da die entsprechenden Daten immer erst dann heruntergeladen werden, wenn sie tatsächlich von dem Fahrzeugsystem benötigt werden. Hierdurch wird also die Anforderung des Verfahrens an eine Speicherkapazität des Kraftfahrzeugs so gering wie möglich gehalten.Alternatively, an advantageous embodiment of the invention provides for the determined driving behavior mode to be downloaded from an external device via a communication link to the motor vehicle, with it being determined that the motor vehicle is located in the geographical area assigned to the determined driving behavior mode. In this alternative embodiment, the driving behavior mode is always first downloaded into the motor vehicle when it is determined that the motor vehicle is located in the associated geographic area. The prerequisite for this is that a communication connection with the external device in which the respective driving behavior modes are stored can be established and maintained. This enables the advantage that the large amounts of data for the respective driving behavior modes do not have to be stored in the motor vehicle at all times, since the corresponding data are only downloaded when they are actually required by the vehicle system. As a result, the requirement of the method for a storage capacity of the motor vehicle is kept as low as possible.
In einer besonders vorteilhaften Ausgestaltungsform der Erfindung ist es vorgesehen, dass das geografische Gebiet zumindest eines von folgenden Gebieten umfasst: Einen Staat, einen Gliedstaat, einen Bezirk und/oder eine Siedlung. Das geografische Gebiet umfasst somit ein relativ großes Gebiet, insbesondere wenn es einen einzelnen Staat, das heißt ein einzelnes Land der Erde, umfasst. Alternativ oder zusätzlich dazu kann bei unterschiedlichen Fahrverhalten für die einzelnen Gliedstaaten, wie beispielsweise Bundesstaaten, Bundesländer, zumindest teilautonome Regionen oder andere politische Substaaten, jeweils ein eigener Fahrverhaltensmodus vorgesehen sein. Gegebenenfalls ist es außerdem notwendig, dass für einen bestimmten Bezirk, wie beispielsweise einen Landkreis, oder einen Ballungsraum, wie beispielsweise eine Großstadt, eine Kleinstadt oder ein Dorf, das heißt für eine Siedlung, jeweils ein eigener Fahrverhaltensmodus vorgesehen ist, da sich beispielsweise das typische Fahrverhalten in diesen kleinen geografischen Gebieten auffallend von umliegenden Gebieten unterscheidet. Es sind also je nachdem, wie lokal differenziert das Fahrverhalten ist, verschiedene Arten von geographischen Gebieten möglich, sodass stets eine ausreichend differenzierte Aufteilung in geographische Gebiete erfolgen kann.In a particularly advantageous embodiment of the invention, it is provided that the geographic area includes at least one of the following areas: a state, a federal state, a district and/or a settlement. The geographic area thus encompasses a relatively large area, particularly when it encompasses a single state, i.e. a single country of the world. As an alternative or in addition to this, a separate driving behavior mode can be provided for different driving behaviors for the individual member states, such as federal states, federal states, at least partially autonomous regions or other political sub-states. It may also be necessary for a specific district, such as a rural district, or a metropolitan area, such as a large city, a small town or a village, i.e. for a settlement, to have its own driving behavior mode, since, for example, the typical Driving behavior in these small geographic areas is strikingly different from surrounding areas. Depending on how locally differentiated the driving behavior is, different types of geographical areas are possible, so that a sufficiently differentiated division into geographical areas can always take place.
Erfindungsgemäß ist außerdem ein Kraftfahrzeug mit einem Fahrzeugsystem vorgesehen, wobei das Fahrzeugsystem dazu ausgelegt ist, das Kraftfahrzeug zumindest teilautonom anzusteuern. Das Fahrzeugsystem oder eine mit dem Fahrzeugsystem gekoppelte Steuervorrichtung ist dazu ausgelegt, ein Verfahren, wie es oben beschrieben wurde, durchzuführen. Die im Zusammenhang mit dem erfindungsgemäßen Verfahren vorgestellten bevorzugten Ausgestaltungsformen und deren Vorteile gelten entsprechend, soweit anwendbar, für das erfindungsgemäße Kraftfahrzeug.. Aus diesem Grund sind die entsprechenden Weiterbildungen des erfindungsgemäßen Kraftfahrzeugs hier nicht noch einmal beschrieben. Das Fahrzeugsystem kann hierbei eine zentrale Steuereinrichtung des Kraftfahrzeugs sein, beispielsweise ein zentraler Fahrzeugregler. Es kann sich bei dem Fahrzeugsystem jedoch auch um eine Steuereinrichtung eines Fahrerassistenzsystems handeln. In diesem Fall wird das Verfahren teilweise von der mit dem Fahrzeugsystem gekoppelten Steuervorrichtung durchgeführt. Die Steuervorrichtung ist dann dazu ausgelegt, unter Berücksichtigung der Ansteuerbefehle der Steuereinrichtung des Fahrerassistenzsystems beispielsweise eine Längssteuerung und/oder Quersteuerung des Kraftfahrzeugs anzusteuern.According to the invention, a motor vehicle with a vehicle system is also provided, the vehicle system being designed to control the motor vehicle at least partially autonomously. The vehicle system or a control device coupled to the vehicle system is designed to carry out a method as described above. The preferred embodiments presented in connection with the method according to the invention and their advantages apply correspondingly, to the extent applicable, to the motor vehicle according to the invention. For this reason, the corresponding developments of the motor vehicle according to the invention are not described again here. In this case, the vehicle system can be a central control device of the motor vehicle, for example a central vehicle controller. However, the vehicle system can also be a control device of a driver assistance system. In this case, the method is partially carried out by the control device coupled to the vehicle system. The control device is then designed to control, for example, a longitudinal control and/or lateral control of the motor vehicle, taking into account the control commands of the control device of the driver assistance system.
Zu der Erfindung gehören auch das Fahrzeugsystem sowie die mit dem Fahrzeugsystem gekoppelte Steuervorrichtung für das Kraftfahrzeug. Das Fahrzeugsystem beziehungsweise die Steuervorrichtung weisen jeweils eine Prozessoreinrichtung auf, die dazu eingerichtet ist, eine Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen. Die Prozessoreinrichtung kann hierzu zumindest einen Mikroprozessor und/oder einen Mikrocontroller aufweisen. Des Weiteren kann die Prozessoreinrichtung Programmcode aufweisen, der dazu eingerichtet, ist, bei Ausführen durch die Prozessoreinrichtung eine Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen. Der Programmcode kann in einem Datenspeicher der Prozessoreinrichtung gespeichert sein.The invention also includes the vehicle system and the control device for the motor vehicle coupled to the vehicle system. The vehicle system or the control device each have a processor device that is set up to carry out an embodiment of the method according to the invention. For this purpose, the processor device can have at least one microprocessor and/or one microcontroller. Furthermore, the processor device can have program code which is set up to carry out an embodiment of the method according to the invention when executed by the processor device. The program code can be stored in a data memory of the processor device.
Die Erfindung umfasst auch die Kombinationen der Merkmale der beschriebenen Ausgestaltungsformen.The invention also includes the combinations of features of the described embodiments.
Im Folgenden sind Ausführungsbeispiele der Erfindung beschrieben. Hierzu zeigt:
-
1 eine schematische Darstellung von drei Kraftfahrzeugen in verschiedenen geografischen Gebieten, -
2 in schematischer Darstellung einen Signalflussgraph für ein Festlegen eines geografischen Gebiets; -
3 in schematischer Darstellung einen Signalflussgraph für ein Festlegen von zumindest einem Ansteuerparameter für einen Fahrverhaltensmodus für ein bestimmtes geografisches Gebiet; und -
4 in schematischer Darstellung einen Signalflussgraph für ein Verfahren zum Betreiben eines Kraftfahrzeugs.
-
1 a schematic representation of three motor vehicles in different geographic areas, -
2 a schematic representation of a signal flow graph for defining a geographic area; -
3 a schematic representation of a signal flow graph for specifying at least one control parameter for a driving behavior mode for a specific geographic area; and -
4 a schematic representation of a signal flow graph for a method for operating a motor vehicle.
Bei den im Folgenden erläuterten Ausführungsbeispielen handelt es sich um bevorzugte Ausführungsformen der Erfindung. Bei den Ausführungsbeispielen stellen die beschriebenen Komponenten der Ausführungsform jeweils einzelne, unabhängig voneinander zu betrachtende Merkmale der Erfindung dar, welche die Erfindung jeweils auch unabhängig voneinander weiterbilden und damit auch einzeln oder in einer anderen als der gezeigten Kombination als Bestandteil der Erfindung anzusehen sind. Des Weiteren sind die beschriebenen Ausführungsformen auch durch weitere der bereits beschriebenen Merkmale der Erfindung ergänzbar.The exemplary embodiments explained below are preferred embodiments of the invention. In the exemplary embodiments, the described components of the embodiment each represent individual features of the invention to be considered independently of one another, which also develop the invention independently of one another and are therefore also to be regarded as part of the invention individually or in a combination other than that shown. Furthermore, the described embodiments can also be supplemented by further features of the invention that have already been described.
In den Figuren sind funktionsgleiche Elemente jeweils mit denselben Bezugszeichen versehen.Elements with the same function are each provided with the same reference symbols in the figures.
In
In dem jeweiligen Fahrzeugsystem 12 ist ein vorgegebener Fahrverhaltensmodus 16 (dargestellt mit dem Bezugszeichen 16 in
In
In einem nächsten Schritt S2 werden durch Anwenden einer Methode des maschinellen Lernens, beispielsweise durch Anwenden eines künstlichen neuronalen Netzwerks, auf die bereitgestellten Fahrzeugdaten 30, Fahrverhaltensdaten 40 und/oder Verkehrsteilnehmerverhaltensdaten 42 ermittelt. Unter Fahrverhaltensdaten 40 werden Daten verstanden, die das für den Fahrer des Fahrzeugs typische Fahrverhalten charakterisieren. Als Verkehrsteilnehmerverhaltensdaten 42 werden Daten bezeichnet, die ein für zumindest einen Verkehrsteilnehmer typisches Verhalten charakterisieren. Als Fahrverhaltensdaten 40 wird also beispielsweise beziffert, wie häufig das zumindest ein Fahrzeug anhält, wenn eine wartende Person an einer für das Fahrzeug grünen Ampel und/oder an einem Zebrastreifen erfasst wird, welchen Abstand es zu seitlich am Straßenrand fahrenden Radfahrern einhält, welche Geschwindigkeit es auf der Straße 14 mit einer erlaubten Höchstgeschwindigkeit von 30 Kilometer pro Stunde fährt und/oder welche Bremsbeschleunigung vor einer rot werdenden Ampel gewählt wird, um das Fahrzeug in den Stillstand abzubremsen. Allgemein können Fahrverhaltensdaten 40 also eine Häufigkeit oder Wahrscheinlichkeit für ein bestimmtes Fahrverhalten ausdrücken. Bei den Verkehrsteilnehmerverhaltensdaten 42 handelt es sich beispielsweise um Daten, die eine Häufigkeit von Notstopps wegen Fußgängern, die beispielsweise bei einem roten Signal einer Fußgängerampel dennoch über die Straße 14 laufen, angeben und/oder die Geschwindigkeiten anderer Fahrzeuge in einer Umgebung des die Fahrzeugdaten 30 bereitstellenden Fahrzeug, die beispielsweise ebenfalls auf der Straße 14 fahren. Allgemein können Verkehrsteilnehmerverhaltensdaten 42 also eine Häufigkeit oder Wahrscheinlichkeit für ein bestimmtes Fahrverhalten ausdrücken.In a next step S2, driving
Es kann also beispielsweise ermittelt werden, mit welcher Geschwindigkeitsreduktion und/oder Geschwindigkeitserhöhung der Fahrer des zumindest einen Fahrzeugs auf der Straße 14 fährt. Gegebenenfalls werden hierfür von beispielsweise dem Kamerasystem des Fahrzeugs bereitgestellte Bilddaten von einem Straßenschild, das die zulässige Höchstgeschwindigkeit auf der Straße 14 anzeigt, und/oder in einem Navigationssystem des Fahrzeugs hinterlegte Informationen zur zulässigen Höchstgeschwindigkeit berücksichtigt.It can therefore be determined, for example, at what speed reduction and/or speed increase the driver of the at least one vehicle is driving on the
In einem Schritt S3 wird zumindest ein Datenmuster 50 in den ermittelten Fahrverhaltensdaten 40 oder den ermittelten Verkehrsteilnehmerverhaltensdaten 42 durch Anwenden der Methode des maschinellen Lernens auf die ermittelten Fahrverhaltensdaten 40 oder die ermittelten Verkehrsteilnehmerverhaltensdaten 42 erkannt. Im Schritt S3 wird also beispielsweise ermittelt, welche Anzahl 41 von Fahrzeugen welche Fahrverhaltensdaten 40 aufweist, das heißt es wird beispielsweise aufgetragen, welche Anzahl 41 an Fahrzeugen mit welcher erniedrigten Geschwindigkeit gefahren ist. In diesem Beispiel zeigen sich zum Beispiel zwei Maxima in dem in
In einem nächsten Schritt S4 wird unter Berücksichtigung des zumindest einen erkannten Datenmusters 50 sowie der von den Fahrzeugdaten 30 erfassten Ortsdaten 31 eine Ausdehnung des jeweiligen geografischen Gebiets 20c festgelegt. Werden nun beispielsweise für verschiedene geographische Koordinaten, die jeweils in diesem Beispiel einem x-Wert und einem y-Wert zugeordnet sind, die den jeweiligen Datenmustern 50 zugehörigen Fahrverhaltensdaten 40 aufgetragen, zeigen sich einzelne Gebiete, die diesen beiden Maxima des im Schritt S3 ermittelten Funktionsgraphen zugeordnet werden können. Folglich kann eine tatsächliche geografische Ausdehnung von zwei Städten, die jeweils als geografisches Gebiet 20c bezeichnet werden, festgestellt werden. In diesen verhält sich das Fahrverhalten nämlich deutlich anders beziehungsweise auffällig anders als in dem umliegenden Gebiet des zweiten Staates, das heißt dem geografischen Gebiet 20b. Durch derartige abhängig von verschiedenen Parametern bestimmte einzelne geografische Gebiete 20a, 20b, 20c können somit die Gebiete identifiziert werden, in denen sich der Fahrer des zumindest einen Fahrzeugs typischerweise zumindest ähnlich verhält, und deren jeweilige Ausdehnung bestimmt werden. Bei diesen geografischen Gebieten 20a, 20b, 20c kann es sich um jeweilige Staaten, wie es für die geografischen Gebiete 20a und 20b in diesem Beispiel der Fall ist, einen Gliedstaat, einen Bezirk und/oder eine Siedlung, wie es in diesem Beispiel für das geografische Gebiet 20c der Fall ist, handeln.In a next step S4, taking into account the at least one recognized
In
Demgegenüber spiegelt das Realverhaltensmodell 60, das im Schritt S5 bestimmt wurde, wieder, wie sich ein realer Fahrer in dem geografischen Gebiet 20c typischerweise verhält. In einem nächsten Verfahrensschritt S8 werden nun das Realverhaltensmodell 60 und das Idealverhaltensmodell 70 durch Anwenden eines vorgegebenen Gewichtungskriteriums derart miteinander verrechnet, dass für das geografische Gebiet 20c der zumindest eine Ansteuerparameter 17 ermittelt wird. Folglich wird hiermit der Fahrverhaltensmodus 16 für das geografische Gebiet 20c zumindest hinsichtlich des Ansteuerparameters 17 für die Geschwindigkeit des Kraftfahrzeugs 10a, 10b, 10c festgelegt. Unter Berücksichtigung von Daten der verschiedenen oben genannten Fahrzeugdatenarten sowie unter Berücksichtigung der wie in
In
In einem nächsten Schritt 13a wird der im geografischen Gebiet 20c benötigte Fahrverhaltensmodus 16c in das Kraftfahrzeug 10c heruntergeladen. Hierfür wird eine Kommunikationsverbindung 19 mit einer externen Einrichtung 18, wie beispielsweise einer externen Servereinrichtung, aufgebaut. Dieser Kommunikationsverbindungsaufbau erfolgt, sobald festgestellt wird, dass sich das Kraftfahrzeug 10c in dem dem festgestellten Fahrverhaltensmodus 16c zugeordneten geografischen Gebiet 20c befindet. Dies ist hier kurz hinter der Stadtgrenze 24 für das Kraftfahrzeug 10c an der erfassten geografischen Position 11c der Fall. Der bisher in dem Fahrzeugsystem 12 gespeicherte Fahrverhaltensmodus 16b kann nun beispielsweise gelöscht werden, sobald der der aktuellen Position 11c zugeordnete Fahrverhaltensmodus 16c heruntergeladen worden ist. Alternativ dazu kann in einem Schritt S13b vorgesehen sein, dass bereits im Rahmen einer Bestimmung einer Fahrroute des Kraftfahrzeugs 10c, das beispielsweise von einem Ort außerhalb des geografischen Gebietes 20c zu einer Zielposition innerhalb der Stadt, das heißt innerhalb des geografischen Gebiets 20c, fährt, überprüft wurde, ob das Kraftfahrzeug 10c bei der Fahrt entlang der bestimmten Fahrroute mehrere vorgegebene geografische Gebiete 20a, 20b, 20c durchfährt. Falls mehrere der vorgegebenen geografischen Gebiete 20a, 20b, 20c durchfahren werden, werden die Fahrverhaltensmodi 16, die den jeweiligen vorgegebenen geografischen Gebieten 20a, 20b, 20c zugeordnet sind, von der externen Einrichtung 18 über die Kommunikationsverbindung 19 in das Kraftfahrzeug 10c heruntergeladen. Liegt die Startposition des Kraftfahrzeugs 10c beispielsweise im geografischen Gebiet 20b und die Zielposition im geografischen Gebiet 20c, sind daher bereits bei Fahrbeginn im Fahrzeugsystem 12 und/oder in einer mit dem Fahrzeugsystem 12 gekoppelten Speichereinrichtung des Kraftfahrzeugs 10c die jeweiligen Fahrverhaltensmodi 16b und 16c hinterlegt.In a next step 13a, the driving
In einem nächsten Schritt S14 wird, falls der festgestellte Fahrverhaltensmodus 16c aktuell nicht im Fahrzeugsystem 12 aktiviert ist, der bereits aktivierte Fahrverhaltensmodus 16b deaktiviert und der festgestellte Fahrverhaltensmodus 16c aktiviert. Daraufhin erfolgt in einem Schritt S15 das zumindest teilautonome Ansteuern des Kraftfahrzeugs 10c. Dies erfolgt unter Berücksichtigung des zumindest einen Ansteuerparameters 17 des aktuell aktivierten Fahrverhaltensmodus 16c. Dieses zumindest teilautonome Ansteuern des Kraftfahrzeugs 10c ist hier mit einem Pfeil in einer Fahrtrichtung 13 des Kraftfahrzeugs 10c auf der Straße 14 skizziert. Die im Zusammenhang mit
Insgesamt zeigen die Beispiele ein lokalisiertes Fahrermodell und eine ortsbasierte Fahrermodellauswahl zum hochautomatisierten Fahren. Die Erfindung bezieht sich in einem ersten Teil auf die Erkenntnis, dass eine Steuerung, Regelung und Führung eines autonomen Fahrzeugs der höchsten Stufe, das heißt einem zum vollautonomen Fahren ausgelegten Fahrzeug, abhängig von eine Lokalität durchgeführt werden sollte. Hierbei wird davon ausgegangen, dass es im Fahrzeug ein aktives Modell gibt, das die Ansteuerung des Fahrzeugs übernimmt. Dieses Modell beinhaltet das Wissen über das spezifische Fahrzeugverhalten und die geltenden Verkehrsregeln. Dieses Modell wird im Rahmen dieser Patentanmeldung als Fahrverhaltensmodus 16 bezeichnet. Der Fahrverhaltensmodus 16 weiß somit, welche Aktionen zu erfolgen haben, wenn das Fahrzeugsystem 12 entsprechende Sensorsignale von Sensoreinheiten des Fahrzeugs erhält. Es ist darüber hinaus in der Lage, eine Planung, beispielsweise für die nächsten mehreren 100 Meter vor dem Fahrzeug, vorzunehmen, das heißt es führt eine Bahnplanung für eine Fahrroute des Fahrzeugs durch. Die Fahrroute selbst von der Startposition zu der Zielposition wird von einem externen Modul vorgegeben. Bei diesem externen Modul handelt es sich beispielsweise um eine Steuereinrichtung eines Navigationssystems, das die entsprechenden Daten an das Fahrzeugsystem 12 übermittelt. Da erwartet wird, dass vollautonom fahrende Fahrzeuge und Fahrzeuge zumindest für eine vorgegebene Zeitdauer mit menschlichen Fahrern koexistieren, ist es notwendig, dass von dem Fahrzeugsystem 12 das menschliche Verhalten des Fahrers und/oder der anderen Verkehrsteilnehmer richtig gedeutet und vorausgesagt wird. Dass sich Menschen in verschiedenen Teilen der Welt jedoch verschieden verhalten, erfährt jede Fahrer persönlich, der in einem bisher fremden Staat mit einem Fahrzeug gefahren ist. Beispielsweise verlangt China daher eine erneute Fahrprüfung und erkennt ausländische Führerscheine nicht an.Overall, the examples show a localized driver model and a location-based driver model selection for highly automated driving. In a first part, the invention relates to the finding that control, regulation and guidance of an autonomous vehicle of the highest level, ie a vehicle designed for fully autonomous driving, should be carried out depending on a locality. It is assumed here that there is an active model in the vehicle that controls the vehicle. This model includes knowledge about the specific vehicle behavior and the applicable traffic regulations. This model is referred to as driving
Soll sich das zumindest teilautonom fahrende Fahrzeug wie ein typischer Mensch verhalten, muss es das Verhalten eines typischen Menschen kennen, verstehen und nachahmen können. Hierbei sind außerdem Verhaltensmuster relevant, die ein Mensch vor Ort in einer Fahrschule lernt, die sich aber gegebenenfalls so nicht aus jeweiligen Verkehrsregeln, das heißt aus den entsprechenden Gesetzestexten, ableiten lassen. Es gibt daher nicht einen Fahrverhaltensmodus, sondern mehrere Fahrverhaltensmodi. Diese können klassisch mithilfe eines Softwareprogramms umgesetzt sein oder durch Methoden der künstlichen Intelligenz, das heißt durch Methoden des maschinellen Lernens, erzeugt sein.If the at least semi-autonomous vehicle is to behave like a typical human, it must know, understand and be able to imitate the behavior of a typical human. Behavioral patterns that a person learns on site in a driving school, but which may not be derived from the respective traffic regulations, i.e. from the relevant legal texts, are also relevant here. There is therefore not one driving behavior mode, but several driving behavior modes. These can be implemented in the classic way with the help of a software program or generated by methods of artificial intelligence, i.e. by methods of machine learning.
In einem zweiten Teil bezieht sich die Erfindung darauf, dass die einzelnen Fahrverhaltensmodi 16 abhängig von der Lokalität, das heißt dem Ort, an dem sich das Fahrzeug befindet oder in Kürze befinden wird, im Fahrzeug aktiviert werden. Beispielsweise wird kurz vor einem Grenzübertritt nach Portugal die Aktivierung des Fahrverhaltensmodus 16 für Portugal erfolgen, das heißt kurz vor dem Grenzübertritt wird der typische portugiesische Fahrer geladen. Das Gleiche passiert beispielsweise, wenn das Fahrzeug in den Stadtbereich von Paris einfährt. Dann wird der Fahrverhaltensmodus 16 für die Siedlung Paris aktiviert. Es kann beispielsweise direkt an der Grenze zwischen Spanien und Portugal, zum Beispiel bei einem entsprechenden Staatenschild, der Wechsel zwischen dem bisherigen Fahrverhaltensmodus 16 und dem nun für Portugal vorgesehen Fahrverhaltensmodus 16 erfolgen. Der Wechsel kann beispielsweise weich gestaltet werden, sodass ein kontinuierlicher Übertritt von dem für Spanien vorgegebenen Fahrverhaltensmodus 16 für den in Portugal vorgegebenen Fahrverhaltensmodus 16 über die Übergangsfahrstrecke 15 erfolgt.In a second part, the invention relates to the fact that the individual
Der Fahrverhaltensmodus 16 beziehungsweise genau genommen der zumindest eine Ansteuerparameter 17, der vom Fahrverhaltensmodus 16 umfasst wird, beinhaltet zumindest: Die geltenden Verkehrsregeln im aktuellen Gebiet, wie zum Beispiel Links- und Rechtsverkehr, das heißt Verkehrsregeldaten 44; die nicht niedergeschriebenen, aber geltenden Interpretationen dieser Regel, Informationen, wie lokale Schilder und Fahrbahnmarkierungen zu interpretieren sind, das heißt die Interpretationsdaten 46; das typische Verhalten von anderen Verkehrsteilnehmern an diesem Ort, das heißt die Verkehrsteilnehmerverhaltensdaten 42, sowie Daten zur Art des Fahrzeugs, das heißt gegebenenfalls das exakte Fahrzeugmodell, wie es den Fahrzeugkenndaten 48 zu entnehmen ist. Eine Größe, das heißt eine Ausdehnung, der jeweiligen Orte, das heißt eines Staates, einer Siedlung oder eines Bezirks, sowie die Zuordnung der einzelnen Fahrverhaltensmodi 16 ist hierbei beliebig und muss im Rahmen der Erzeugung der Fahrverhaltensmodi 16, das auch als Lernen bezeichnet werden kann, bestimmt werden. Der Fahrverhaltensmodus 16 kann theoretisch bereits im Fahrzeug geladen sein, es ist jedoch wahrscheinlicher, dass der Fahrverhaltensmodus 16 rechtzeitig per Onlineverbindung, das heißt über die Kommunikationsverbindung 19, in das Fahrzeug geladen wird. Daher ist eine Aktualisierung bei zum Beispiel neuen Verkehrsregeln möglich. Darüber hinaus haben die Fahrverhaltensmodi 16 einen nicht unerheblichen Platzbedarf in einer Speichereinrichtung des Fahrzeugs. Es ist außerdem generell davon auszugehen, dass ein autonomes Fahrzeug stets weiß, wohin es will. Die vorausliegende Strecke ist daher dem Fahrzeug bereits bei Fahrtantritt bekannt. Das rechtzeitige Herunterladen des passenden Fahrverhaltensmodus 16 ist daher gut planbar. Dies kann zum Beispiel bei der Fahrtroutenplanung erfolgen oder beispielsweise erst dann, wenn festgestellt wird, dass sich das Fahrzeug nun in einem neuen geografischen Gebiet 20 befindet.The driving
Wird nun davon ausgegangen, dass der Fahrverhaltensmodus 16 für das Fahrzeugsystem 12 in der Recheneinrichtung mithilfe von künstlicher Intelligenz erzeugt wird, wäre das Lernen als solches mit Sicherheit in einer externen Recheneinrichtung verortet, wo alle relevanten Fahrzeugdaten 30 zusammenlaufen und ein gemeinsames Lernen aus all diesen Daten stattfindet. Mit dem Lernen ist in diesem Zusammenhang das Anwenden der Methoden des maschinellen Lernens auf Daten gemeint, um den zumindest einen Ansteuerparameter 17 des vorgegebenen Fahrverhaltensmodus 16 für das jeweilige geografische Gebiet 20 zu ermitteln. An dieser Stelle muss außerdem entschieden werden, welche Orte, das heißt welche geografischen Gebiete 20, einen eigenen Fahrverhaltensmodus 16 zugeordnet bekommen, um eine angestrebte Funktionsgüte, das heißt Performance, des Verfahrens zu erreichen. Hierzu müssen die einzelnen Fahrverhaltensmodi 16 beziehungsweise deren jeweilige Funktionsgüte für den jeweiligen Einsatzort, das heißt für das jeweilige geografische Gebiet 20, bewertet werden. Hierbei kann mit einem einheitlichen Fahrverhaltensmodus 16 begonnen, dem die bekannten Verkehrsregeln beigebracht werden, das heißt es wird das Idealverhaltensmodell 70 bestimmt. Es muss außerdem ein Bewertungssystem in Form des Gewichtungskriteriums eingeführt werden, das es ermöglicht, das Gelernte auf Funktionsgüte zu prüfen. Hierbei kann es sich um ein Simulationssystem handeln oder auch um eine Schattenmodusfunktionalität, bei der reale Fahrzeuge lesend den bisher vorgegebenen Fahrverhaltensmodus 16 nutzen. Eine ständige Bewertung der Funktionsgüte für verschiedene Orte wird zwangsläufig zeigen, dass eine Verbesserung an einem Ort A durch eine Verschlechterung an einem Ort B erkauft wird. Das ist etwas, das schon heute bei Navigations- und Assistenzsystemen in Fahrzeugen beobachtet wird. In diesem Fall muss das Lernsystem den Zielkonflikt erkennen und eine ortsspezifische Ausprägung des Fahrverhaltensmodus 16 erzeugen, sodass sowohl Ort A als auch Ort B mit einem eigenen optimalen Fahrverhaltensmodus 16 befahren werden können. Denn das Fahrzeug wird dann stets mit dem gerade optimalen Fahrverhaltensmodus 16 für den aktuellen Ort, das heißt für die aktuelle Position 11c, des Fahrzeugs geladen. Hierbei wird davon ausgegangen, dass der optimale Fahrverhaltensmodus 16 für Berlin beispielsweise in Paris oder Shanghai keine ausreichende Funktionalität zeigt. Daher werden letztendlich ortspezifische Fahrverhaltensmodi 16 für die Steuerung autonomer Fahrzeuge, die zum teilautonomen und/oder vollautonomen Fahren ausgebildet sind, erstellt und genutzt. Hierbei werden lokale Gegebenheiten anhand der Fahrverhaltensdaten 40, der Verkehrsteilnehmerverhaltensdaten 42, der Interpretationsdaten 46 und der Verkehrsregeldaten 44 berücksichtigt. Außerdem wird ein typisches Verhalten berücksichtigt, das aus den Fahrverhaltensdaten 40 und den Verkehrsteilnehmerverhaltensdaten 42 zu entnehmen ist, das heißt das Realverhaltensmodell 60. Die Bewertung und Entscheidung über die Lokalitäten für die einzelnen Fahrverhaltensmodi 16 kann derart erstellt werden, wie es oben betreffend
Lernen, Ausprägung und Verortung der einzelnen Fahrverhaltensmodi 16 erfolgt hierbei in der externen Einrichtung und wird den Fahrzeugen online zur Verfügung gestellt. Außerdem gibt es eine Simulationsumgebung, die eine Prüfung der Funktionsgüte ermöglicht, das heißt in deren Rahmen das Bewertungskriterium ermittelt wird. Änderungen am Ort und dessen Verkehrsregeln werden automatisch für einen neuen Fahrverhaltensmodus 16 aktualisiert, da stets beispielsweise erneute Berechnungen hinsichtlich der vorgegebenen Fahrverhaltensmodi 16 durchgeführt werden können. Im Idealfall ist es also möglich, dass, nachdem ein erstes Fahrzeug in Portugal war, auch ein nächstes Fahrzeug weiß, wie man dort typischerweise fährt.Learning, characterization and localization of the individual
Das Erlernen, das heißt das Festlegen des geografischen Gebiets 20 sowie des zumindest einen Ansteuerparameters 17 des vorgegebenen Fahrverhaltensmodus 16 kann theoretisch auch im Fahrzeug selbst erfolgen. In diesem Fall erfolgt dieses Erlernen rein lokal und ohne Austausch mit anderen Fahrzeugen. Hierzu wird auch alles hinsichtlich des Lernens, wie es in den
Einzelne Fahrzeuge können sich außerdem direkt austauschen und auch Fahrverhaltensmodi 16 untereinander weitergeben, ohne beispielsweise eine externe Einrichtung 18 zu nutzen. In diesem Fall wären eine Standardisierung für den Fahrverhaltensmodus 16 und ein dazugehöriges Austauschprotokoll notwendig. Der standardisierte Fahrverhaltensmodus 16 berücksichtigt beispielsweise nicht die Fahrzeugkenndaten 48. Ein Fahrzeug, das beispielsweise nach Portugal kommt, könnte dann von einem Fahrzeug vor Ort Informationen bekommen, wie man dort vor Ort fährt. Dies würde erfolgen, indem dem neu in Portugal ankommenden Fahrzeug der vorgegebene Fahrverhaltensmodus 16 für Portugal übermittelt wird. Die weiteren beschriebenen Verfahrensschritte bleiben hierbei jedoch prinzipiell identisch.Individual vehicles can also exchange information directly and also pass on driving
Es kann theoretisch nach und nach ein globaler Fahrverhaltensmodus 16 erzeugt werden, der eine Komplexität hat, die jede ortsspezifische Eigenheit kennt und daher tatsächlich weltweit einsetzbar ist. Weiterhin ist hierbei zu berücksichtigen, dass dieser globale Fahrverhaltensmodus 16 jeweils einzelne, den geografischen Gebieten 20 zugeordnete Fahrverhaltensmodi 16 umfasst.Theoretically, a global
Es gibt außerdem die Überlegung, ein vollautonomes Fahrzeug so anzubieten, dass es fernsteuerbar ist und daher in einer Situation, die der im Fahrzeug aktivierte Fahrverhaltensmodus 16 nicht bewältigen kann, von einem Menschen, der zum Beispiel in einem Callcenter arbeitet und Zugriff auf das Fahrzeugsystem 12 des Fahrzeugs hat, ferngesteuert wird. Der entsprechende Callcenter-Mitarbeiter hat dann den Grad von lokalem Wissen beziehungsweise kennt die lokalen Verkehrsregeln, um alternativ zu einem automatisch ermittelten und bereitgestellten Fahrverhaltensmodus 16 das Fahrzeug aus der Ferne anzusteuern.There is also the consideration of offering a fully autonomous vehicle in such a way that it can be controlled remotely and therefore in a situation that the vehicle-activated
Insgesamt handelt es sich also um ein selbst erlerntes System, das zum vollautonomen Fahren in einem Mix mit manuell fahrenden Fahrzeugen ermöglicht und weltweit eingesetzt werden kann. Den Fahrzeugen wird somit ein typischer Fahrer beziehungsweise das Fahrverhalten eines typischen Fahrers mithilfe des jeweiligen vorgegebenen Fahrverhaltensmodus 16 direkt zur Verfügung gestellt, wenn das Fahrzeug in das dem vorgegebenen Fahrverhaltensmodus 16 zugeordnete geografische Gebiet 20 fährt.All in all, it is a self-taught system that enables fully autonomous driving in a mix with manually driven vehicles and can be used worldwide. A typical driver or the driving behavior of a typical driver is thus made directly available to the vehicles using the respective predefined
Das beschriebene Verfahren eignen sich besonders für vollautonom fahrende Fahrzeuge. Allerdings kann auch ein zum teilautonom Fahren ausgelegtes Fahrerassistenzsysteme als Fahrzeugsystem 12 von derartigen lokalisierten Fahrverhaltensmodi 16 profitieren. Beispielsweise ein Navigationssystem, eine Multimediavorrichtung sowie weitere Vorstufen zum vollautonomen Fahren, wie zum Beispiel ein Spurhalteassistent, eine Lichtsteuerung, eine Schaltungseinrichtung und so weiter. Es scheint daher wahrscheinlich, dass der Einsatz von mehreren lokalen Fahrverhaltensmodi 16 erst dann effizient möglich ist, wenn mit Methoden der künstlichen Intelligenz gearbeitet wird, wodurch diese einzelnen Fahrverhaltensmodi 16 angelernt werden können. Generell eignet sich das beschriebene Verfahren für alle Systeme, die mit Modellen arbeiten, die von lokalem und ortsbezogenem Wissen profitieren. Dies können nicht nur Fahrzeuge sein. Zurzeit werden nämlich meist marktspezifische Softwarevarianten erzeugt, aber gerade, wenn die Verfahren der künstlichen Intelligenz sich durchsetzen sollten, kann eine genauere Aufteilung und Optimierung abhängig von dem geografischen Gebiet 20 erfolgen.The method described is particularly suitable for fully autonomous vehicles. However, a driver assistance system configured for semi-autonomous driving as a
BezugszeichenlisteReference List
- 10, 10a, 10b, 10c10, 10a, 10b, 10c
- Kraftfahrzeugmotor vehicle
- 11c11c
- Positionposition
- 1212
- Fahrzeugsystemvehicle system
- 1313
- Fahrtrichtungdriving direction
- 1414
- Straßeroad
- 1515
- Übergangsfahrstrecketransition route
- 16, 16b, 16c16, 16b, 16c
- Fahrverhaltensmodusldriving behavior model
- 1717
- Ansteuerparametercontrol parameters
- 1818
- externe Einrichtungexternal facility
- 1919
- Kommunikationsverbindungcommunication link
- 20, 20a, 20b, 20c20, 20a, 20b, 20c
- geografisches Gebietgeographic area
- 2222
- Staatengrenzestate border
- 2424
- Stadtgrenzecity limits
- 3030
- Fahrzeugdatenvehicle data
- 3131
- Ortsdatenlocation data
- 4040
- Fahrverhaltensdatendriving behavior data
- 4141
- Anzahlnumber
- 4242
- Verkehrsteilnehmerverhaltensdatenroad user behavior data
- 4444
- Verkehrsregeldatentraffic regulation data
- 4646
- Interpretationsdateninterpretation data
- 4848
- Fahrzeugkenndatenvehicle identification data
- 5050
- Datenmusterdata pattern
- 6060
- Realverhaltensmodellreal-world behavior model
- 7070
- Idealverhaltensmodellideal behavior model
- S1 bis S15S1 to S15
- Schrittesteps
Claims (9)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019205892.2A DE102019205892B4 (en) | 2019-04-25 | 2019-04-25 | Method for operating a motor vehicle and motor vehicle designed to carry out such a method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019205892.2A DE102019205892B4 (en) | 2019-04-25 | 2019-04-25 | Method for operating a motor vehicle and motor vehicle designed to carry out such a method |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102019205892A1 DE102019205892A1 (en) | 2020-10-29 |
DE102019205892B4 true DE102019205892B4 (en) | 2022-12-29 |
Family
ID=72839693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102019205892.2A Active DE102019205892B4 (en) | 2019-04-25 | 2019-04-25 | Method for operating a motor vehicle and motor vehicle designed to carry out such a method |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102019205892B4 (en) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102020112899A1 (en) | 2020-05-13 | 2021-11-18 | Audi Aktiengesellschaft | Method and system for fully automatic guidance of a motor vehicle and motor vehicle |
DE102020119318A1 (en) | 2020-07-22 | 2022-01-27 | Zf Cv Systems Global Gmbh | Method for coordinating a vehicle in a depot, as well as function control device and vehicle |
DE102021203057A1 (en) | 2021-03-26 | 2022-09-29 | Volkswagen Aktiengesellschaft | Segment-based driver analysis and individualized driver assistance |
DE102022200077A1 (en) | 2022-01-05 | 2023-07-06 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method for automated driving of a motor vehicle in an environment |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012016802A1 (en) | 2012-08-23 | 2014-02-27 | Audi Ag | Method for controlling an autonomous vehicle system and motor vehicle |
DE102014102819A1 (en) | 2013-03-15 | 2014-09-18 | GM Global Technology Operations, LLC (n.d. Ges. d. Staates Delaware) | Method for operating a hybrid vehicle |
DE102014217389A1 (en) | 2013-09-05 | 2015-03-05 | Ford Global Technologies, Llc | AUTONOMOUS DRIVING IN AREAS FOR NON-DRIVERS |
US20150166062A1 (en) | 2013-12-12 | 2015-06-18 | Magna Electronics Inc. | Vehicle control system with traffic driving control |
US20170106876A1 (en) | 2015-10-15 | 2017-04-20 | International Business Machines Corporation | Controlling Driving Modes of Self-Driving Vehicles |
DE102016120508A1 (en) | 2015-11-05 | 2017-05-11 | Ford Global Technologies, Llc | Autonomous driving at intersections based on perceptual data |
DE102016219121A1 (en) | 2016-09-30 | 2018-04-05 | Bayerische Motoren Werke Aktiengesellschaft | Method for selecting autonomous driving modes |
DE102016122759A1 (en) | 2016-11-25 | 2018-05-30 | Valeo Schalter Und Sensoren Gmbh | Method for operating a driver assistance system for the at least semi-autonomous maneuvering of a motor vehicle taking into account a geographical area, driver assistance system and motor vehicle |
-
2019
- 2019-04-25 DE DE102019205892.2A patent/DE102019205892B4/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012016802A1 (en) | 2012-08-23 | 2014-02-27 | Audi Ag | Method for controlling an autonomous vehicle system and motor vehicle |
DE102014102819A1 (en) | 2013-03-15 | 2014-09-18 | GM Global Technology Operations, LLC (n.d. Ges. d. Staates Delaware) | Method for operating a hybrid vehicle |
DE102014217389A1 (en) | 2013-09-05 | 2015-03-05 | Ford Global Technologies, Llc | AUTONOMOUS DRIVING IN AREAS FOR NON-DRIVERS |
US20150166062A1 (en) | 2013-12-12 | 2015-06-18 | Magna Electronics Inc. | Vehicle control system with traffic driving control |
US20170106876A1 (en) | 2015-10-15 | 2017-04-20 | International Business Machines Corporation | Controlling Driving Modes of Self-Driving Vehicles |
DE102016120508A1 (en) | 2015-11-05 | 2017-05-11 | Ford Global Technologies, Llc | Autonomous driving at intersections based on perceptual data |
DE102016219121A1 (en) | 2016-09-30 | 2018-04-05 | Bayerische Motoren Werke Aktiengesellschaft | Method for selecting autonomous driving modes |
DE102016122759A1 (en) | 2016-11-25 | 2018-05-30 | Valeo Schalter Und Sensoren Gmbh | Method for operating a driver assistance system for the at least semi-autonomous maneuvering of a motor vehicle taking into account a geographical area, driver assistance system and motor vehicle |
Also Published As
Publication number | Publication date |
---|---|
DE102019205892A1 (en) | 2020-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102019205892B4 (en) | Method for operating a motor vehicle and motor vehicle designed to carry out such a method | |
EP3436325B1 (en) | Method for producing control data for rule-based driver assistance | |
EP3542237B1 (en) | Autonomous control of a motor vehicle on the basis of lane data; motor vehicle | |
AT518489B1 (en) | Driver assistance system for assisting a driver in driving a vehicle | |
EP3671693B1 (en) | Method and driver assistance system for assisting a driver of a vehicle during guiding of the vehicle | |
DE102019104974A1 (en) | Method and system for determining a driving maneuver | |
DE102016121691A1 (en) | Method and system for operating a motor vehicle | |
WO2015197353A2 (en) | Method for producing a model of the surroundings of a vehicle | |
EP2762988A1 (en) | Demand-activated remote control system for motor vehicles | |
EP3500469B1 (en) | Automated operation of a motor vehicle | |
DE202013100347U1 (en) | If necessary activatable remote control system for motor vehicles | |
DE102016007899B4 (en) | Method for operating a device for traffic situation analysis, motor vehicle and data processing device | |
WO2019048009A1 (en) | Offboard trajectories for difficult situations | |
DE102019127974B4 (en) | Method and system for evaluating driving behavior | |
DE102019215657A1 (en) | Vehicle control system and method | |
WO2019215222A1 (en) | Method for operating a motor vehicle for improving the working conditions of evaluation units in the motor vehicle, control system for performing a method of this kind, and motor vehicle having a control system of this kind | |
WO2020108839A1 (en) | Situation-dependent calculation of a desired vehicle speed | |
DE102019215815A1 (en) | VEHICLE CONTROL SYSTEM AND METHOD | |
EP3717326A1 (en) | Method for operating a control device of a motor vehicle in order to predict a next stopping procedure, and control device and motor vehicle | |
WO2023057014A1 (en) | Method for planning a trajectory of a driving maneuver of a motor vehicle, computer program product, computer-readable storage medium, and vehicle | |
DE102022106338A1 (en) | Adapting driving behavior of an autonomous vehicle | |
DE102019215141B4 (en) | Method for predicting a future traffic situation in an environment of a motor vehicle by determining several internally consistent overall scenarios for different road users; motor vehicle | |
DE102021134155B3 (en) | Method and processor circuit for consumption optimization of fully automated or partially automated driving maneuvers of a motor vehicle and correspondingly equipped motor vehicle and system | |
DE102022200216B3 (en) | Method and system for providing an online function of a driver assistance system for a motor vehicle | |
WO2024056895A1 (en) | Method for the infrastructure-based assistance of a motor vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final |