-
Die Erfindung betrifft ein Verfahren zur Abschätzung einer Abdeckung des Raums von Verkehrsszenarien sowie ein Computerprogramm.
-
Ein autonomes Fahrzeug ist ein Fahrzeug, das in der Lage ist, seine Umgebung zu erfassen und mit geringfügiger oder gar keiner Benutzereingabe zu navigieren. Ein autonomes Fahrzeug erfasst seine Umgebung unter Verwendung von Sensorvorrichtungen, wie beispielsweise Radar-, Lidar-, Bildsensoren und dergleichen.
-
Es existieren verschiedene Stufen oder Level der Automatisierung: assistiert, teilautomatisiert, hochautomatisiert, vollautomatisiert und autonom.
-
Beim Level 1, dem assistierten Fahren, werden die Fahrer durch mindestens ein modernes Assistenzsystem unterstützt, etwa durch einen Tempomaten mit Abstandsregelung oder einen Spurhaltewarner.
-
Beim Level 2, dem teilautomatisierten Fahren, werden zwei oder mehr Assistenzsysteme kombiniert, beispielsweise der Stauassistent, die bei Stop-and-Go-Verkehr Abstand und Spur halten.
-
Beim Level 3, dem bedingt automatisierten Fahren fährt das Fahrzeug in manchen Verkehrssituationen komplett selbständig, kann also selbst bremsen, lenken, beschleunigen und die Spuren wechseln. Dies funktioniert auch über längere Strecken oder Zeiträume. Die Route wird jedoch genau vorgegeben.
-
Beim Level 4, dem hochautomatisierten Fahren, das manchmal auch als vollautomatisiertes Fahren bezeichnet wird, können Fahrer das Fahren längerfristig an die Steuerung übergeben. Es existieren jedoch gewisse Einschränkungen. So kann das hochautomatisierte Fahren beispielsweise nur auf bestimmte geographische Gebiete und/oder nur auf einen kleinen Geschwindigkeitsbereich beschränkt sein und/oder nur bei bestimmten Wetterbedingungen funktionieren.
-
Beim Level 5, dem autonomen Fahren, übernimmt das Fahrzeug alle Fahrfunktionen. Im Gegensatz zu Level 3 und Level 4 ist beim autonomen Fahren weder eine Fahrtüchtigkeit noch eine Fahrerlaubnis erforderlich - Lenkrad und Pedalerie sind somit entbehrlich.
-
Alle Personen im Wagen werden dadurch zu Passagieren.
-
Im Vergleich zu Level 2, dem teilautomatisierten Fahren, vervielfacht sich der Testaufwand für Level 4 als auch Level 5 und die Validierungsaufgabe wird ungleich komplexer. Gerade Level 4 und Level 5 setzen einen enormen Entwicklungsaufwand voraus, da eine bislang noch nie dagewesene Menge an Verkehrs- und Testszenarien berücksichtigt werden muss, um die Systeme zur Marktreife zu bringen. Eine Abdeckung aller möglichen Verkehrsszenarien mit realen Testdaten ist daher aus wirtschaftlichen Gründen nicht realisierbar.
-
Von daher wird versucht, Testdaten aus anderen Quellen zu erzeugen, beispielsweise durch Simulationen, welche die verschiedenen Verkehrsszenarien abbilden. Jedoch ist unklar, welche und wieviel Verkehrsszenarien simuliert werden müssen.
-
Die Aufgabe der Erfindung ist es Mittel anzugeben, mit welchen eine Einschätzung/Abschätzung möglich ist, wieviel der gesammelten Verkehrsszenarien in Bezug auf die Gesamtheit aller Verkehrsszenarien bereits erfasst worden sind.
-
Diese Aufgabe wird gelöst durch ein computerimplementiertes Verfahren mit den Merkmalen des Anspruchs 1 und eine Vorrichtung mit den Merkmalen des Anspruchs 15.
-
In den Unteransprüchen sind weitere vorteilhafte Maßnahmen aufgelistet, die geeignet miteinander kombiniert werden können, um weitere Vorteile zu erzielen.
-
Die Aufgabe wird gelöst durch ein computerimplementiertes Verfahren zur Abschätzung einer Abdeckung des Raums von Verkehrsszenarien umfassend der nachfolgenden Schritte:
- - Bereitstellen verschiedener Verkehrsszenarien,
- - Klassifizieren und/oder Clustern der Verkehrsszenarien in bekannte oder unbekannte Verkehrsszenarien,
- - Anwenden eines statistischen Verfahrens auf die klassifizierten und/oder geclusterten Verkehrsszenarien zur Abschätzung vorgegebener Kennzahlen, welche die Abdeckung des Raums der Verkehrsszenarien beschreiben,
- - Erzeugen von weiteren verschiedenen Verkehrsszenarien oder Abbruch des Verfahrens in Abhängigkeit von den Kennzahlen.
-
Dabei wird unter Raum der Verkehrsszenarien die Gesamtheit aller auftretenden Verkehrsszenarien im Verkehr verstanden.
-
Ein Verkehrsszenario wird dabei als beschränkter Ausschnitt aus dem gesamten Verkehrsgeschehen verstanden. Unbekannte Verkehrsszenarien sind bisher noch nicht erfasste Verkehrsszenarien.
-
Erfindungsgemäß wurde erkannt, dass beim Testen und Validieren von Fahrfunktionen für den Betrieb beispielsweise eines Level 4 oder Level 5 Fahrzeuges der Raum aller möglichen Verkehrsszenarien unbekannt ist. Weiterhin wurde erkannt, dass sowohl ein Testen als auch eine Validierung im klassischen Fahrversuch weder technisch, noch finanziell, noch zeitlich realisierbar ist. Daher wurde erkannt, dass der Validierungsaufwand reduziert werden muss. Mittels der Erfindung wird dieses Problem nun gelöst.
-
Zunächst erfolgt eine Klassifizierung und/oder Clusterung der bisher gesammelten Verkehrsszenarien und eine Einteilung der Verkehrsszenarien in bekannte und unbekannte Verkehrsszenarien. Diese Klassifizierung und/oder Clusterung erlaubt auf Basis eines darauf angewendeten statistischen Verfahrens die Abschätzung der Szenarienraumabdeckung sowie die Abschätzung des Auftretens zukünftiger, unbekannter Verkehrsszenarien. Dazu werden vorab Kennzahlen definiert.
-
Mittels der Kennzahlen ist es nun möglich einen Abbruch des Verfahrens zu bewirken; treten beispielsweise unbekannte Verkehrsszenarien „hinreichend“ selten auf, so bedeutet das, dass eine hinreichend große Abdeckung des Szenarienraums vorhanden ist.
-
Durch das Verfahren wird somit eine statistische Prognose des zukünftigen Auftretens „unbekannter“ Verkehrsszenarien ermittelt. Ebenfalls wird durch das Verfahren erkannt, wann eine hinreichend genaue Szenarienraumabdeckung erzielt worden ist.
-
Vorzugsweise werden die verschiedenen Verkehrsszenarien mittels Simulation erzeugt. Dazu kann ein virtuelles Simulationstool aus beispielsweise virtuellen Sensoren eine große Anzahl von Verkehrsszenarien, Straßen- und Umgebungsbedingungen erzeugen. Anschließend können beispielsweise durch simulierte Störungen dieser Verkehrsszenarien neue Verkehrsszenarien erzeugt werden. Diese Verkehrsszenarien werden dabei durch einen Störfaktor (beispielsweise Wetteränderung) variiert, um neue und zusätzliche Verkehrsszenarien zu erstellen.
-
Alternativ oder zusätzlich werden die verschiedenen Verkehrsszenarien vorzugsweise aus Sensordaten, welche durch ein stationäres und/oder mobiles Verkehrserfassungssystem erfasst werden, erzeugt. Ein mobiles Verkehrserfassungssystem kann beispielsweise das Erfassungssystem eines Testfahrzeuges sein. Dazu können auch mehrere Testfahrzeuge eingesetzt werden. Alternativ können Handykameras etc. zum Einsatz kommen. Als stationäres Verkehrserfassungssystem kann beispielsweise eine Verkehrskamera und/oder Verkehrsüberwachungseinrichtung zum Einsatz kommen. Diese stellen eine umfangreiche und gleichzeitig kostengünstige Datenquelle dar.
-
Weiterhin vorzugsweise werden die verschiedenen Verkehrsszenarien alternativ oder zusätzlich aus rein aufzeichnenden Datenquellen, wie beispielsweise Drohnendaten, erzeugt.
-
Andere Quellen können Datenbanksysteme sein, in denen real fahrende Fahrzeuge beispielsweise gegen Entgelt gefahrene Strecken als Verkehrsszenarien bereitstellen.
-
In weiterer bevorzugter Ausgestaltung wird als Klassifikator ein Clustering-Verfahren verwendet. Dadurch kann das Verfahren beschleunigt werden.
-
Vorzugsweise wird als Klassifikator ein selbstlernendes System aus der künstlichen Intelligenz verwendet. Der Klassifikator kann insbesondere als neuronales Netz, insbesondere als ein tiefes neuronales Netz ausgeführt werden. Diese können große Datenmengen verarbeiten.
-
Vorzugsweise wird das Klassifizieren mittels eines trainierten Klassifikators durchgeführt, wobei der Klassifikator anhand von Unterscheidungsmerkmalen trainiert wird. Mögliche Unterscheidungsmerkmale umfassen beispielsweise physikalische Größen, wie die Position, Orientierung, Geschwindigkeit, Beschleunigung und die Zeit, die die Bewegung von Verkehrsobjekten zueinander beschreiben.
-
Vorzugsweise wird als statistisches Verfahren ein Extrapolationsverfahren verwendet. Ein Extrapolationsverfahren trifft unter Berücksichtigung des bereits erfassten Bereiches, hier der Verkehrsszenenarien, eine Aussage über den nicht erfassten Bereich. Daher eignet sich dieses Verfahren besonders gut, um auf Basis der Klassifizierung/Clusterung das zukünftige Auftreten unbekannter Verkehrsszenarien zu prognostizieren.
-
Ebenso kann alternativ als ein statistisches Verfahren ein Kerndichteschätzer verwendet werden. Kerndichteschätzer sind Verfahren, die eine stetige Schätzung der unbekannten Verteilung ermöglichen. Dieser Kerndichteschätzer ist dafür bekannt, nicht nur eine Gleichverteilung, sondern auch beliebige Verteilungen anzunähern und eignet sich daher besonders gut um das zukünftige Auftreten unbekannter Verkehrsszenarien zu prognostizieren.
-
Alternativ kann als statistisches Verfahren ein Good-Toulmin-Schätzer oder ein Efron-Thisted-Schätzer oder Varianten hiervon verwendet werden. Diese Schätzer sind in der Ökologie vertreten und beschäftigen sich mit der Schätzung der Anzahl der Arten, die in einem Ökosystem vertreten sind und welche bisher in entnommenen Proben nicht beobachtet wurden. Sie beziehen sich insbesondere darauf, wie viele neue Arten entdeckt werden würden, wenn mehr Proben in einem Ökosystem entnommen werden würden. Somit können diese Schätzer durch geschickten Transfer verwendet werden, um das zukünftige Auftreten unbekannter Verkehrsszenarien zu prognostizieren. Der Good-Toulmin-Schätzer oder der Efron-Thisted-Schätzer oder Varianten hiervon sind insbesondere skalierbar und somit für große Datenmengen geeignet. Ferner können diese schnell berechnet werden. Der Good-Toulmin-Schätzer oder der Efron-Thisted-Schätzer oder Varianten hiervon stellen somit sinnvolle und durchführbare Schätzer dar, welche unter den hier genannten Rahmenbedingungen sehr gute Ergebnisse liefern.
-
In weiterer bevorzugter Ausgestaltung umfassen die Kennzahlen eine Anzahl der unbekannten Verkehrsszenarien und/oder eine statistische Verteilung der unbekannten Verkehrsszenarien. Diese Kennzahlen eignen sich besonders gut für die Abschätzung der Szenarienraumabdeckung. Die vorgegebenen Kennzahlen geben dabei Auskunft darüber, inwieweit der bisher erfasste Szenarienraum den Raum aller Verkehrsszenarien abdeckt. Als Kennzahlen kommen beispielsweise die durch die Klassifizierung/die Clusterung geschätzte Anzahl der unbekannten Verkehrsszenarien und die statistische Verteilung dieser unbekannten Verkehrsszenarien in Betracht.
-
Ferner umfassen die Kennzahlen beispielsweise eine Kritikalität der unbekannten Verkehrsszenarien. Die Kritikalität beschreibt die Gefährlichkeit einer Verkehrssituation (kritische Verkehrssituation), in der ein Eingriff eines Fahrerassistenzsystems oder eines Fahrers erforderlich ist.
-
Insbesondere können die Kennzahlen gewichtet in die Abschätzung miteingehen. So kann beispielsweise eine hohe Kritikalität höher wiegen als mehrere weniger kritische unbekannte Verkehrsszenarien.
-
Vorzugsweise werden anhand der Kritikalität der unbekannten Verkehrsszenarien neue kritische Verkehrsszenarien simuliert. Vorzugsweise werden zudem oder stattdessen anhand der erkannten, unbekannten Verkehrsszenarien neue kritische Verkehrsszenarien simuliert. Dies kann beispielsweise durch Variation der gefundenen kritischen oder unbekannten Verkehrsszenarien erfolgen. Dabei können eine oder mehrere Parameter der erkannten kritischen Verkehrsszenarien abgeändert werden. Dadurch kann die bereits vorhandene Menge an Verkehrsszenarien gezielt um neue simulierte kritische Verkehrsszenarien verdichtet werden.
-
Anhand der erkannten, unbekannten Verkehrsszenarien können die so bereits vorhandenen Verkehrsszenarien ebenfalls gezielt verdichtet werden.
-
Vorzugsweise beziehen sich die Verkehrsszenarien auf ausgewählte Routen oder ein ausgewähltes Gebiet. Somit kann schneller ein Abbruch des Verfahrens erzielt werden. Diese Verkehrsszenarien können beispielsweise zur Validierung von Level 4- oder Level 5-Fahrfunktionen eingesetzt werden.
-
Weiterhin vorzugsweise erfolgt zunächst eine Clusterung der bereitgestellten Verkehrsszenarien und anschließend eine Klassifikation der geclusterten Verkehrsszenarien.
-
Ferner wird die Aufgabe gelöst durch eine Vorrichtung zur Datenverarbeitung, umfassend einen Prozessor, der so konfiguriert ist, dass er das wie oben beschriebene Verfahren ausführt.
-
Weitere Merkmale, Eigenschaften und Vorteile der vorliegenden Erfindung ergeben sich aus der nachfolgenden Beschreibung unter Bezugnahme auf die beiliegenden Figuren. Darin zeigen schematisch:
- 1: eine erste Ausgestaltung eines erfindungsgemäßen Verfahrens.
- 2: eine zweite Ausgestaltung des erfindungsgemäßen Verfahrens,
- 3: eine dritte Ausgestaltung des erfindungsgemäßen Verfahrens.
-
Dabei werden in einem ersten Schritt S1 mehrere Verkehrsszenarien bereitgestellt. Diese können beispielsweise durch Aufnahme realer Verkehrsszenarien durch Messsysteme von Testfahrzeugen oder auch durch Simulation erzeugt werden. Bei der Simulation können beispielsweise reale Verkehrsszenarien abgewandelt werden, um neue Verkehrsszenarien zu erzeugen. Dabei beziehen sich die Verkehrsszenarien auf alle Routen, das heißt der Szenarienraum entspricht der Gesamtheit aller Verkehrsszenarien im Verkehr. Alternativ oder zusätzlich können zur Generierung realer Verkehrsszenarien Handykameras, Drohnen etc. zum Einsatz kommen. Auch eine Generierung realer Verkehrsszenarien durch stationäre und/oder Verkehrserfassungssysteme wie beispielsweise eine Verkehrskamera und/oder Verkehrsüberwachungseinrichtung ist alternativ oder zusätzlich möglich. Diese stellen eine umfangreiche und gleichzeitig kostengünstige Datenquelle dar.
-
Andere Quellen können Datenbanksysteme sein, in denen real fahrende Fahrzeuge beispielsweise gegen Entgelt gefahrene Strecken als Verkehrsszenarien bereitstellen.
-
In einem zweiten Schritt S2 werden diese Verkehrsszenarien geclustert und in bekannte oder unbekannte Verkehrsszenarien eingeteilt. Die Clusterung kann durch ein Clusterverfahren erfolgen. Durch das Clusterverfahren können die bereitgestellten Verkehrsszenarien in bekannte oder unbekannte Verkehrsszenarien eingeteilt werden.
-
In einem dritten Schritt S3 wird ein statistisches Verfahren auf die geclusterten Verkehrsszenarien zur Abschätzung vorgegebener Kennzahlen, welche die approximative Abdeckung des Szenarienraums beschreiben, angewendet. Die vorgegebenen Kennzahlen geben dabei Auskunft darüber, inwieweit der bisher erfasste Szenarienraum den Raum aller Verkehrsszenarien abdeckt.
-
Als Kennzahlen kommen beispielsweise die durch die Clusterung geschätzte Anzahl der unbekannten Verkehrsszenarien und die statistische Verteilung der so ermittelten unbekannten Verkehrsszenarien und die Kritikalität der so ermittelten unbekannten Verkehrsszenarien in Betracht.
-
Die Kritikalität beschreibt die Gefährlichkeit einer Verkehrssituation (kritische Verkehrssituation), in der ein Eingriff eines Fahrerassistenzsystems oder eines Fahrers erforderlich ist. Ein Beispiel für eine kritische Verkehrssituation ist, wenn eine Kollisionsgefahr zwischen dem Fahrzeug und einem anderen Fahrzeug/Hindernis besteht oder wenn ein Mindestabstand zwischen dem Fahrzeug und einem anderen Fahrzeug/Hindernis unterschritten wird. Auch andere kritische Verkehrssituationen sind denkbar.
-
In einem vierten Schritt S4 werden die Kennzahlen abgeschätzt und anhand der Abschätzung ein Abbruch des Verfahrens oder eine Fortsetzung des Verfahrens durchgeführt. Ist z.B. eine noch zu geringe Szenarienraumabdeckung vorhanden, so müssen weitere Verkehrsszenarien erzeugt werden. Treten jedoch beispielsweise unbekannte Verkehrsszenarien „hinreichend“ selten auf, bedeutet das eine hinreichend große Abdeckung des Szenarienraums und das Verfahren kann abgebrochen werden. Dabei kann eine hinreichend große Abdeckung individuell, beispielsweise vom Hersteller, festgelegt werden.
-
In einem fünften Schritt S5 wird anhand der Abschätzung ein Abbruch des Verfahrens durchgeführt. In diesem Fall wurde eine hinreichend große Abdeckung des Szenarienraums erzielt und das Verfahren kann abgebrochen werden.
-
In einem sechsten Schritt S6 ist eine noch zu geringe Szenarienraumabdeckung vorhanden und es müssen anhand der gefundenen kritischen und/oder unbekannten Verkehrsszenarien neue Verkehrsszenarien erzeugt werden.
-
Dies kann beispielsweise durch Variation der gefundenen kritischen und/oder unbekannten Verkehrsszenarien erfolgen. Dabei können eine oder mehrere Parameter der erkannten kritischen und/oder unbekannten Verkehrsszenarien abgeändert werden. So kann beispielsweise eine kritische bisher unbekannte Verkehrsszene ein Manöver mit mehreren Fahrzeugen im Kreisverkehr sein, wobei das, die Sensordaten erzeugende Testfahrzeug den Kreisverkehr mit einer Geschwindigkeit von 20 km/h bewältigt. Durch Simulation können beispielsweise Verkehrsszenarien erzeugt werden, in denen das Testfahrzeug den Kreisverkehr mit einer Geschwindigkeit von 50 km/h bewältigt. Ferner kann beispielsweise der Parameter Umweltbedingungen, wie Regen, Schnee oder Nebel geändert werden.
-
Das Verfahren wird mit neu erzeugten Verkehrsszenarien fortgesetzt.
-
Durch das Verfahren kann eine statistische Prognose des zukünftigen Auftretens „unbekannter“ Verkehrsszenarien abgeschätzt werden.
-
Ist der Szenarienraum hinreichend genügend abgedeckt, so kann ein virtuelles Testen durch ein virtuelles Testfahrzeug der im Szenarienraum vorliegenden Verkehrsszenarien erfolgen.
-
2 zeigt eine zweite Ausgestaltung des erfindungsgemäßen Verfahrens. Dabei werden in einem ersten Schritt A1 wiederum mehrere Verkehrsszenarien bereitgestellt. Dabei beziehen sich die Verkehrsszenarien auf alle Routen, das heißt der Szenarienraum entspricht der Gesamtheit aller Verkehrsszenarien im Verkehr.
-
In einem zweiten Schritt A2 werden diese Verkehrsszenarien mit einem trainierten Klassifikator klassifiziert und in bekannte oder unbekannte Verkehrsszenarien eingeteilt. Der Klassifikator ist ein auf Unterscheidungsmerkmale trainierter Klassifikator. Mögliche Unterscheidungsmerkmale umfassen physikalische Größen (Position, Orientierung, Geschwindigkeit, Beschleunigung und Zeit), die die Bewegung von Verkehrsobjekten zueinander beschreiben.
-
In einem dritten Schritt A3 wird ein statistisches Verfahren auf die klassifizierten Verkehrsszenarien zur Abschätzung der vorgegebenen Kennzahlen in Bezug auf die Szenarienraumabdeckung angewendet. Die vorgegebenen Kennzahlen geben dabei Auskunft darüber, inwieweit der bisher erfasste Szenarienraum den Raum aller Verkehrsszenarien abdeckt. Als statistisches Verfahren kann dabei das Extrapolationsverfahren herangezogen werden. Alternativ kann ein Kerndichteschätzer verwendet werden. Auch ist es möglich als statistisches Verfahren einen Good-Toulmin- Schätzer oder einen Efron-Thisted-Schätzer oder Varianten davon zu verwenden.
-
In einem vierten Schritt A4 werden wiederum die Kennzahlen abgeschätzt und anhand der Abschätzung ein Abbruch des Verfahrens oder eine Fortsetzung des Verfahrens durchgeführt.
-
In einem fünften Schritt A5 wird anhand der Abschätzung eine hinreichende Szenarienraumabdeckung erkannt und daraufhin ein Abbruch des Verfahrens durchgeführt.
-
In einem sechsten Schritt A6 ist eine noch zu geringe Szenarienraumabdeckung vorhanden und es müssen anhand der gefundenen kritischen und/ oder unbekannten Verkehrsszenarien neue Verkehrsszenarien erzeugt werden. Das Verfahren wird mit neu erzeugten Verkehrsszenarien fortgesetzt.
-
3 zeigt eine dritte Ausgestaltung der Erfindung.
-
Dabei werden in einem ersten Schritt B1 wiederum mehrere Verkehrsszenarien bereitgestellt. Dabei beziehen sich die Verkehrsszenarien vorzugsweise auf ausgewählte Routen oder ein bestimmtes vorab ausgewähltes Gebiet.
-
In einem zweiten Schritt B2 werden diese Verkehrsszenarien zunächst geclustert beispielsweise mit einem dichtebasierten Clusterverfahren. Anschließend werden die Cluster mit einem trainierten Klassifikator klassifiziert und in bekannte oder unbekannte Verkehrsszenarien eingeteilt. Der Klassifikator ist ein auf Unterscheidungsmerkmale trainierter Klassifikator. Mögliche Unterscheidungsmerkmale umfassen physikalische Größen (Position, Orientierung, Geschwindigkeit, Beschleunigung und Zeit), die die Bewegung von Verkehrsobjekten zueinander beschreiben.
-
In einem dritten Schritt B3 wird ein statistisches Verfahren beispielsweise ein Extrapolationsverfahren auf die klassifizierten Verkehrsszenarien zur Abschätzung vorgegebener Kennzahlen, welche die Abdeckung des Szenarienraums beschreiben, angewendet.
-
In einem vierten Schritt B4 werden wiederum die Kennzahlen bewertet.
-
In einem fünften Schritt B5 wird anhand der Abschätzung eine hinreichende Szenarienraumabdeckung erkannt und daraufhin ein Abbruch des Verfahrens durchgeführt.
-
In einem sechsten Schritt B6 werden anhand der gefundenen kritischen und/oder unbekannten Verkehrsszenarien neue Verkehrsszenarien erzeugt.
-
Dies kann beispielsweise durch Variation der gefundenen kritischen und/oder unbekannten Verkehrsszenarien erfolgen. Dabei können eine oder mehrerer Parameter der erkannten kritischen Verkehrsszenarien abgeändert werden. Das Verfahren wird mit neu erzeugten Verkehrsszenarien fortgesetzt.
-
Bezugszeichenliste
-
- S1-S6
- Verfahrensschritte
- A1-A6
- Verfahrensschritte
- B1-B6
- Verfahrensschritte
