DE102019219806A1

DE102019219806A1 - Fahrereingriffe berücksichtigende autonome Fahrfunktion für ein Kraftfahrzeug

Info

Publication number: DE102019219806A1
Application number: DE102019219806.6A
Authority: DE
Inventors: Valerie Engel; Andreas Wendzel; Maik Dreher
Original assignee: ZF Friedrichshafen AG
Current assignee: ZF Friedrichshafen AG
Priority date: 2019-12-17
Filing date: 2019-12-17
Publication date: 2021-06-17

Abstract

Die Erfindung betrifft eine Prozessoreinheit (3) zur Ausführung einer autonomen Fahrfunktion für ein Kraftfahrzeug (1) unter Berücksichtigung eines Fahrereingriffs. Die Prozessoreinheit (3) ist dazu eingerichtet, eine autonome Fahrfunktion auszuführen, sodass das Kraftfahrzeug (1) basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt. Weiterhin ist die Prozessoreinheit (3) dazu eingerichtet, einen Fahrereingriff in die autonome Fahrfunktion des Kraftfahrzeugs (1) zu speichern, wobei der Fahrereingriff durch einen Fahrer des Kraftfahrzeugs (1) vorgenommen wird, während das Kraftfahrzeug (1) basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt. Ferner ist die Prozessoreinheit (3) dazu eingerichtet, die autonome Fahrfunktion nachfolgend unter Berücksichtigung des gespeicherten Fahrereingriffs auszuführen.

Description

Die Erfindung betrifft eine autonome Fahrfunktion für ein Kraftfahrzeug, wobei die autonome Fahrfunktion einen oder mehrere Fahrereingriffe berücksichtigt. Beansprucht werden in diesem Zusammenhang insbesondere eine dazu eingerichtete Prozessoreinheit, ein Verfahren und ein Computerprogrammprodukt. Ein weiterer Anspruch ist auf ein Kraftfahrzeug mit der vorstehend genannten Prozessoreinheit gerichtet.
Autonome Fahrstrategien verwenden Umfelddaten, Kartendaten und Fahrzeugdaten, um ein optimales Fahrzeugverhalten zu bestimmen. Eine Aufgabe der vorliegenden Erfindung kann darin gesehen werden, eine autonome Fahrfunktion eines Kraftfahrzeugs hinsichtlich Präferenzen eines Fahrers zu verbessern. Die Aufgabe wird gelöst durch die Gegenstände der unabhängigen Patentansprüche. Vorteilhafte Ausführungsformen sind Gegenstand der Unteransprüche, der folgenden Beschreibung sowie der Figuren.
Die vorliegende Erfindung schlägt eine Adaption einer autonomen Fahrstrategie insbesondere auf Fahrerwunsch vor. Dabei kann eine autonome Fahrfunktion an Fahrereingriffe angepasst werden, um die autonome Fahrfunktion dem menschlichen Verhalten anzunähern. Insbesondere kann eine übliche Geschwindigkeit an Stellen gespeichert werden, an denen wiederholt schneller als optimiert gefahren wurde, nachdem dies durch den Fahrer des Kraftfahrzeugs bestätigt worden ist. Bei Verwendung eines MPC-Optimierungsalgorithmus' als Fahrstrategie können entweder die Randbedingungen bzw. Nebenbedingungen (z.B. Kurvengeschwindigkeit oder Tempolimits) oder die Gewichtungsfaktoren der Terme der Kostenfunktion (z.B. Zeit, Energie oder Komfort) verändert werden.
Die Berücksichtigung von Fahrereingriffen kann nach unterschiedlichen Kriterien erfolgen. Einerseits kann dies ortsbezogen sein: Wenn der Fahrer beispielsweise in einem Streckenabschnitt mehrfach eingegriffen hat, so kann dies für diesen Streckenabschnitt vergleichbar zu Kartendaten abgelegt und verarbeitet werden. Daneben können auch andere Abhängigkeiten berücksichtigt werden. So können Tageszeiten (z.B. abends ist sportlicheres Verhalten als morgens gewünscht), Beladungen (mit Anhänger langsamer als ohne) oder die Anzahl der Mitfahrer berücksichtigt werden.
In diesem Sinne wird gemäß einem ersten Aspekt der Erfindung eine Prozessoreinheit zur Ausführung einer autonomen Fahrfunktion für ein Kraftfahrzeug unter Berücksichtigung eines Fahrereingriffs bereitgestellt, wobei die Prozessoreinheit dazu eingerichtet ist, eine autonome Fahrfunktion auszuführen, sodass ein Kraftfahrzeug basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt. Weiterhin ist die Prozessoreinheit dazu eingerichtet, einen Fahrereingriff in die autonome Fahrfunktion des Kraftfahrzeugs zu speichern, wobei der Fahrereingriff durch einen Fahrer des Kraftfahrzeugs vorgenommen wird, während das Kraftfahrzeug basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt. Ferner ist die Prozessoreinheit dazu eingerichtet, die autonome Fahrfunktion nachfolgend unter Berücksichtigung des gespeicherten Fahrereingriffs auszuführen.
Das Speichern kann beispielsweise auf einer Speichereinheit erfolgen, die innerhalb des Kraftfahrzeugs angeordnet ist. Insbesondere kann die Speichereinheit zu der Prozessoreinheit gehören. Die Prozessoreinheit kann auf die Speichereinheit zugreifen, insbesondere mittels einer dazu eingerichteten Kommunikations-Schnittstelle. Die Speichereinheit kann sich auch außerhalb des Kraftfahrzeugs befinden und kommunikativ mit der Prozessoreinheit verbunden sein.
Die vorliegende Erfindung eignet sich für autonome Fahrfunktionen, deren Automatisierungsstufen unterhalb von Level 5 (z.B. gemäß SAE J3016), insbesondere bis Level 3 liegen, wobei der Fahrer weiterhin die Möglichkeit hat, die Fahrt zu beeinflussen. Eine solche Beeinflussung der Fahrfunktion stellt einen „Fahrereingriff“ dar. Der Fahrereingriff kann beispielsweise durch Beschleunigen oder Bremsen in Form einer „Überstimmung“ der autonomen Fahrfunktion geschehen. So kann der Fahrer auf Strecken, die er bereits mehrfach befahren hat, mehrfach in die automatisierte Fahrfunktion eingegriffen haben. Beispielsweise kann der Fahrer das Kraftfahrzeug verzögern bzw. abbremsen, z.B. wegen einer unübersichtlichen Stelle oder wegen eines neuen Tempolimits. Eine Beschleunigung des Kraftfahrzeugs kann durch den Fahrer vorgenommen werden, z.B. aufgrund eines aufgehobenen Tempolimits oder aufgrund persönlicher Präferenz. Die vorliegende Erfindung ermöglicht der autonomen Fahrfunktion, die Eingriffe des Fahrers durch das Speichern zu „erlernen“ und in späteren Fahrten zu berücksichtigen.
Die autonome Fahrfunktion kann zumindest zum Teil durch einen MPC-Algorithmus zur modellprädiktiven Regelung des Kraftfahrzeugs gebildet werden, wobei der MPC-Algorithmus ein Längsdynamikmodell des Kraftfahrzeugs und eine zu minimierende Kostenfunktion enthält. Die Prozessoreinheit ist dabei dazu eingerichtet, den MPC-Algorithmus auszuführen, sodass das Kraftfahrzeug basierend auf der Ausführung des MPC-Algorithmus' autonom fährt, und durch Ausführen des MPC-Algorithmus' - nachdem der Fahrereingriff durch den Fahrer vorgenommen und durch die Prozessoreinheit gespeichert worden ist - unter Berücksichtigung des gespeicherten Fahrereingriffs eine Eingangsgröße für die modellbasierte prädiktive Regelung des Kraftfahrzeugs zu ermitteln, sodass die Kostenfunktion minimiert wird.
Um in jeder Situation unter gegebenen Randbedingungen und Beschränkungen eine optimale Lösung für eine sogenannte „Driving Efficiency“ Fahrfunktion zu finden, welche eine effiziente Fahrweise bereitstellen soll, kann die Methode der modelbasierten prädiktiven Regelung (MPC) gewählt werden. Methoden der modelbasierten prädiktiven Regelung (im Englischen: Model Predictive Control oder abgekürzt: MPC) werden auf dem Gebiet der Trajektorie-Regelung eingesetzt, beispielsweise zur Motor-Regelung im Kontext des autonomen Fahrens. Die MPC-Methode basiert auf einem Systemmodell, welches das Verhalten des Systems beschreibt. Weiterhin basiert die MPC-Methode insbesondere auf einer Zielfunktion bzw. auf einer Kostenfunktion, die ein Optimierungsproblem beschreibt und bestimmt, welche Zustandsgrößen minimiert werden sollen. Die Zustandsgrößen für die Driving Efficiency Fahrfunktion können insbesondere die Fahrzeuggeschwindigkeit bzw. die kinetische Energie, die verbleibende Energie in der Batterie eines elektrischen Fahrantriebs und die Fahrzeit sein. Die Optimierung von Energieverbrauch und Fahrtzeit erfolgt insbesondere auf Basis der Steigung der vorausliegenden Strecke und Beschränkungen bzw. Nebenbedingungen für Geschwindigkeit und Antriebskraft, sowie auf Basis des aktuellen Systemzustands. Die vorliegende Erfindung ermöglicht eine Anpassung der MPC-Optimierung, sodass die MPC-basierte autonome Fahrfunktion des Kraftfahrzeugs dem menschlichen Verhalten angenähert wird.
Das Längsdynamikmodell des Antriebsstrangs kann ein Fahrzeugmodell mit Fahrzeugparametern und Antriebsstrangverlusten (z.T. approximierte Kennfelder) umfassen. In das Längsdynamikmodell des Antriebsstrangs können insbesondere Kenntnisse über vorausliegende Streckentopografien (z.B. Kurven und Steigungen) einfließen. Weiterhin können auch Kenntnisse über Geschwindigkeitslimits auf der vorausliegenden Strecke in das Längsdynamikmodell des Antriebsstrangs einfließen.
Aktuelle Zustandsgrößen können gemessen, entsprechende Daten können aufgenommen und der autonomen Fahrfunktion, insbesondere dem MPC-Algorithmus, zugeführt werden. So können Streckendaten aus einer elektronischen Karte für einen Vorausschauhorizont bzw. Prädiktionshorizont (z.B. 400 m) vor dem Kraftfahrzeug insbesondere zyklisch upgedated bzw. aktualisiert werden. Die Streckendaten können beispielsweise Steigungsinformationen, Kurveninformationen, und Informationen über Geschwindigkeitslimits beinhalten. Des Weiteren kann eine Kurvenkrümmung über eine maximal zulässige Querbeschleunigung in ein Geschwindigkeitslimit für das Kraftfahrzeug umgerechnet werden. Außerdem kann eine Ortung des Kraftfahrzeugs erfolgen, insbesondere über ein GNNS-Signal zur genauen Lokalisierung auf der elektronischen Karte.
Die Prozessoreinheit kann dazu eingerichtet sein, mittels des MPC-Algorithmus' eine elektrische Maschine eines Antriebstrangs des Kraftfahrzeugs zu regeln, wobei der MPC-Algorithmus ein Längsdynamikmodell des Antriebsstrangs enthält. Weiterhin kann die Prozessoreinheit dazu eingerichtet sein, durch Ausführen des MPC-Algorithmus' unter Berücksichtigung des gespeicherten Fahrereingriffs eine Eingangsgröße für die Regelung der elektrischen Maschine zu ermitteln, sodass das Kraftfahrzeug durch die elektrische Maschine autonom angetrieben wird und sodass die Kostenfunktion minimiert wird.
Die Kostenfunktion kann dabei als ersten Term eine mit einem ersten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell prädizierte elektrische Energie enthalten, welche innerhalb eines Prädiktionshorizonts von einer Batterie des Antriebsstrangs zum Antrieb der elektrischen Maschine bereitgestellt wird. Weiterhin kann die Kostenfunktion als zweiten Term eine mit einem zweiten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell prädizierte Fahrzeit enthalten, welche das Kraftfahrzeug zum Zurücklegen der gesamten innerhalb des Prädiktionshorizonts prädizierten Wegstrecke benötigt. Die Prozessoreinheit kann dabei dazu eingerichtet sein, durch Ausführen des MPC-Algorithmus' unter Berücksichtigung des gespeicherten Fahrereingriffs sowie in Abhängigkeit von dem ersten Term und in Abhängigkeit von dem zweiten Term die Eingangsgröße für Regelung der elektrischen Maschine des Kraftfahrzeugs zu ermitteln, sodass die Kostenfunktion minimiert wird.
Die Kostenfunktion besitzt ausschließlich lineare und quadratische Terme. Dadurch hat das Gesamtproblem die Form einer quadratischen Optimierung mit linearen Nebenbedingungen und es ergibt sich ein konvexes Problem, welches gut und schnell gelöst werden kann. Die Zielfunktion bzw. die Kostenfunktion kann mit einer Gewichtung (Gewichtungsfaktoren) aufgestellt werden, wobei insbesondere eine Energieeffizienz, eine Fahrtzeit und ein Fahrkomfort berechnet und gewichtet werden. Eine energieoptimale Geschwindigkeitstrajektorie kann für einen vorausliegenden Horizont auf der Prozessoreinheit online berechnet werden, die insbesondere ein Bestandteil eines zentralen Steuergeräts des Kraftfahrzeugs bilden kann. Durch Nutzung der MPC-Methode kann weiterhin eine zyklische Neuberechnung der Soll-Geschwindigkeit des Kraftfahrzeugs auf Basis des aktuellen Fahrzustands und der vorausliegenden Streckeninformationen erfolgen.
Durch die Kostenfunktion des MPC-Algorithmus' erfolgt eine Minimierung der Fahrzeit für den Prädiktionshorizont und eine Minimierung von verbrauchter Energie. In einer Ausführungsform erfolgt weiterhin eine Minimierung von Drehmomentänderungen für den Prädiktionshorizont. Was den Input für die modellbasierte prädiktive Regelung angeht, so können dem MPC-Algorithmus als Nebenbedingungen z.B. Geschwindigkeitslimits, physikalische Grenzen für das Drehmoment und Drehzahlen der elektrischen Maschine zugeführt werden. Dem MPC-Algorithmus können weiterhin Steuergrößen für die Optimierung als Input zugeführt werden, insbesondere die Geschwindigkeit des Fahrzeugs (welche proportional zur Drehzahl sein kann), das Drehmoment der elektrischen Maschine und der Batterieladezustand. Als Output der Optimierung kann der MPC-Algorithmus eine optimale Drehzahl und ein optimales Drehmoment für berechnete Punkte im Vorausschauhorizont liefern. Was die Umsetzung der MPC-Regelung im Fahrzeug angeht, so kann dem MPC-Algorithmus ein Softwaremodul nachgeschaltet sein, welches einen aktuell relevanten Zustand ermittelt und an eine Leistungselektronik weitergibt.
Energieverbrauch und Fahrzeit können jeweils am Ende des Horizonts ausgewertet und gewichtet werden. Dieser Term ist also nur für den letzten Punkt des Horizonts aktiv. In diesem Sinne enthält die Kostenfunktion in einer Ausführungsform einen mit dem ersten Gewichtungsfaktor gewichteten Energieverbrauchsendwert, den die prädizierte elektrische Energie am Ende des Prädiktionshorizonts annimmt, und die Kostenfunktion enthält einen mit dem zweiten Gewichtungsfaktor gewichteten Fahrzeitendwert, den die prädizierte Fahrzeit am Ende des Prädiktionshorizonts annimmt.
Um ein komfortables Fahren sicher zu stellen, können zusätzlich Terme zur Bestrafung von Momentensprüngen eingeführt werden. In diesem Sinne kann die Kostenfunktion einen dritten Term mit einem dritten Gewichtungsfaktor aufweisen, wobei der dritte Term einen gemäß dem Längsdynamikmodell prädizierten Wert eines Drehmoments enthält, welches die elektrische Maschine zum Antrieb des Kraftfahrzeugs bereitstellt, und wobei die Prozessoreinheit dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' in Abhängigkeit von dem ersten Term, in Abhängigkeit von dem zweiten Term und in Abhängigkeit von dem dritten Term die Eingangsgröße für die elektrische Maschine zu ermitteln, sodass die Kostenfunktion minimiert wird.
Für den ersten Punkt im Horizont kann die Abweichung zum zuletzt gestellten Moment negativ bewertet werden, um sicher zu stellen, dass es einen nahtlosen und ruckfreien Übergang beim Umschalten zwischen alter und neuer Trajektorie gibt. In diesem Sinne kann der dritte Term einen mit dem dritten Gewichtungsfaktor gewichteten ersten Wert eines gemäß dem Längsdynamikmodell prädizierten Drehmoments enthalten, welches die elektrische Maschine zum Antrieb des Kraftfahrzeugs an einem ersten Wegpunkt innerhalb des Prädiktionshorizonts bereitstellt. Dabei kann der dritte Term einen mit dem dritten Gewichtungsfaktor gewichteten nullten Wert eines Drehmoments enthalten, welches die elektrische Maschine zum Antrieb des Kraftfahrzeugs an einem nullten Wegpunkt bereitstellt, der unmittelbar vor dem ersten Wegpunkt liegt. Bei dem nullten Drehmoment kann es sich insbesondere um ein real - und nicht bloß prädiziert - von der elektrischen Maschine bereitgestelltes Drehmoment handeln. In der Kostenfunktion kann der nullte Wert des Drehmoments von dem ersten Wert des Drehmoments abgezogen werden.
Alternativ kann der dritte Term einen mit dem dritten Gewichtungsfaktor gewichteten ersten Wert einer gemäß dem Längsdynamikmodell prädizierten Antriebskraft enthalten, welche die elektrische Maschine zum Antrieb des Kraftfahrzeugs an einem ersten Wegpunkt innerhalb des Prädiktionshorizonts bereitstellt. Der dritte Term enthält dabei einen mit dem dritten Gewichtungsfaktor gewichteten nullten Wert einer Antriebskraft, welche die elektrische Maschine zum Antrieb des Kraftfahrzeugs an einem nullten Wegpunkt bereitstellt, der unmittelbar vor dem ersten Wegpunkt liegt, wobei in der Kostenfunktion der nullte Wert der Antriebskraft von dem ersten Wert der Antriebskraft abgezogen wird.
Bei den Wegpunkten, welche durch den MPC-Algorithmus berücksichtigt werden, handelt es sich insbesondere um diskrete Wegpunkte, die beispielsweise in einer bestimmten Frequenz aufeinanderfolgen. In diesem Sinne stellen der nullte Wegpunkt und der erste Wegpunkt diskrete Wegpunkte dar, wobei der erste Wegpunkt unmittelbar auf den nullten Wegpunkt folgt. Der nullte Wegpunkt kann zeitlich vor dem Prädiktionshorizont liegen. Für den nullten Wegpunkt kann der nullte Drehmomentwert gemessen oder ermittelt werden. Der erste Wegpunkt stellt insbesondere den ersten Wegpunkt innerhalb des Prädiktionshorizonts dar. Für den ersten Wegpunkt kann das erste Drehmomentwert prädiziert werden. Somit kann der real ermittelte nullte Drehmomentwert mit dem prädizierten ersten Drehmomentwert verglichen werden.
Zusätzlich sind zu hohe Drehmomentgradienten innerhalb des Horizonts unvorteilhaft, so dass diese in einer Ausführungsform bereits in der Zielfunktion bestraft werden. Dafür kann die quadratische Abweichung der Antriebskraft je Meter gewichtet und in der Zielfunktion minimiert werden. In diesem Sinne kann die Kostenfunktion einen vierten Term mit einem vierten Gewichtungsfaktor aufweisen, wobei der vierte Term einen gemäß dem Längsdynamikmodell prädizierten Gradienten des Drehmoments oder einen Indikatorwert für einen gemäß dem Längsdynamikmodell prädizierten Gradienten des Drehmoments enthält. Die Prozessoreinheit ist dabei dazu eingerichtet, durch Ausführen des MPC-Algorithmus' in Abhängigkeit von dem ersten Term, in Abhängigkeit von dem zweiten Term, in Abhängigkeit von dem dritten Term und in Abhängigkeit von dem vierten Term die Eingangsgröße für die elektrische Maschine zu ermitteln, sodass die Kostenfunktion minimiert wird.
In einer Ausführungsform enthält der vierte Term eine mit dem vierten Gewichtungsfaktor multiplizierte und aufsummierte quadratische Abweichung des Gradienten des Drehmoments. Weiterhin kann die Kostenfunktion eine mit dem vierten Gewichtungsfaktor aufsummierte quadratische Abweichung einer Antriebskraft enthalten, welche die elektrische Maschine bereitstellt, um das Kraftfahrzeug einen Meter in Längsrichtung fortzubewegen. In diesem Sinne kann der vierte Term eine mit dem vierten Gewichtungsfaktor multiplizierte und aufsummierte quadratische Abweichung einer Antriebskraft enthalten, welche die elektrische Maschine bereitstellt, um das Kraftfahrzeug einen Meter in Längsrichtung fortzubewegen.
Geschwindigkeitslimits, die beispielsweise durch eine Verkehrsstraßenordnung festgelegt sein können, sind für die Optimierung harte Grenzen, die nicht überschritten werden sollen. Eine leichte Überschreitung der Geschwindigkeitsgrenzen ist in der Realität immer zulässig und vor allem bei Übergängen von einer Geschwindigkeitszone in eine zweite Zone eher der Normalfall. In dynamischen Umgebungen, in denen sich von einem Rechenzyklus zum nächsten Rechenzyklus Geschwindigkeitslimits verschieben, kann es passieren, dass bei ganz harten Grenzen keine gültige Lösung für einen Geschwindigkeitsverlauf mehr gefunden werden kann. Um die Stabilität des Rechenalgorithmus' zu erhöhen, kann eine sogenannte „Soft Constraint“ in die Zielfunktion eingeführt werden. Insbesondere kann eine sogenannte „Schlupf-Variable“ bzw. „Slack-Variable“ in einem vorgegebenen schmalen Bereich aktiv werden, bevor das harte Geschwindigkeitslimit erreicht wird. Lösungen, die sehr nah an diesem Geschwindigkeitslimit liegen, können dabei schlechter bewertet werden, also Lösungen deren Geschwindigkeitstrajektorie einen gewissen Abstand zur harten Grenze einhalten. In diesem Sinne kann die Kostenfunktion als fünften Term eine mit einem fünften Gewichtungsfaktor gewichtete Slack-Variable enthalten, wobei die Prozessoreinheit dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' in Abhängigkeit von dem ersten Term, in Abhängigkeit von dem zweiten Term, in Abhängigkeit von dem dritten Term, in Abhängigkeit von dem vierten Term und in Abhängigkeit von dem fünften Term die Eingangsgröße für die elektrische Maschine zu ermitteln, sodass die Kostenfunktion minimiert wird.
Um die physikalischen Grenzen der Antriebsstrangkomponenten zu respektieren, kann die Zugkraft durch Beschränkung des Kennfelds der elektrischen Maschine limitiert werden. Beispielsweise ist für die maximale Rekuperation die Batterie das limitierende Element. Um diese nicht zu schädigen, sollte ein bestimmter negativer Leistungswert nicht unterschritten werden.
Bei Verwendung eines Optimierungsalgorithmus' als Strategie können entweder die Randbedingungen bzw. Nebenbedingungen (Kurvengeschwindigkeit, Tempolimits, ...) oder die Gewichtungsfaktoren der Terme der Kostenfunktion (Zeit, Energie, Komfort, Drehmoment ...) verändert werden. In diesem Sinne ist die Prozessoreinheit in einer Ausführungsform dazu eingerichtet, den Fahrereingriff zu speichern, indem eine Nebenbedingung oder ein Gewichtungsfaktor der Kostenfunktion verändert wird.
Es kann der Fall auftreten, dass nicht jeder Fahrereingriff gewollt durchgeführt worden ist, oder dass der Fahrer nicht wünscht, dass sich die MPC-Regelung den Fahrereingriff „merkt“, um zukünftig die Optimierung anzupassen. Daher ist die Prozessoreinheit in einer Ausführungsform dazu eingerichtet, den Fahrereingriff zu speichern, wenn der Fahrereingriff durch den Fahrer bestätigt worden ist. Dadurch kann sichergestellt werden, dass ausschließlich gewollte Fahrereingriffe zur Optimierung herangezogen werden. Somit ermöglicht diese Ausführungsform eine Adaption der Fahrstrategie auf Fahrerwunsch. Beispielsweise erfolgt ein Speichern einer üblichen Geschwindigkeit an Stellen, in denen wiederholt schneller als optimiert gefahren wurde, nachdem der Fahrer dies bestätigt hat.
Es kann ein Ort berücksichtigt werden, an welchem sich das Kraftfahrzeug befindet, während der Fahrereingriff erfolgt. So wird in einer weiteren Ausführungsform der Fahrereingriff als ortsbezogener Datensatz gespeichert. Beispielsweise kann ein Streckenabschnitt, auf dem das Kraftfahrzeug gefahren ist, gespeichert werden, während der Fahrereingriff durch den Fahrer vorgenommen worden ist. Der Ort kann eine bestimmte Position umfassen, aber auch eine Strecke, beispielsweise einen Abschnitt einer Straße. Der Ort, an dem sich das Kraftfahrzeug im autonomen Fahrzustand befindet, während der Eingriff durch den Fahrer erfolgt, kann durch entsprechende Sensoren des Kraftfahrzeugs ermittelt werden, beispielsweise über GNNS-Sensoren. Die Prozessoreinheit kann dazu eingerichtet sein, auf entsprechende Sensordaten zuzugreifen.
Beispielsweise kann das Kraftfahrzeug mit einer ersten Geschwindigkeit autonom fahren. Die erste Geschwindigkeit basiert auf der Ausführung der autonomen Fahrfunktion, z.B. auf der MPC-Regelung, berücksichtigt jedoch noch keinen Fahrereingriff aufgrund des Orts, an dem sich das Kraftfahrzeug befindet. Beispielsweise kann die erste Geschwindigkeit 70 km/h betragen. Das Kraftfahrzeug kann basierend auf der Ausführung der autonomen Fahrfunktion, z.B. basierend der MPC-Regelung, autonom mit der ersten Geschwindigkeit auf einem Abschnitt einer Straße fahren. Wenn dem Fahrer die erste Geschwindigkeit zu hoch erscheint, so kann er das Kraftfahrzeug auf eine zweite Geschwindigkeit abbremsen (Fahrereingriff), die niedriger ist als die erste Geschwindigkeit, z.B. auf 60 km/h. Diese zweite Geschwindigkeit entspricht der Geschwindigkeitspräferenz des Fahrers des Kraftfahrzeugs auf dem Abschnitt der Straße. Die Geschwindigkeitspräferenz oder die Verringerung der Geschwindigkeit von der ersten Geschwindigkeit auf die zweite Geschwindigkeit kann in einem ortsbezogenen Datensatz als Fahrereingriff gespeichert werden. Insbesondere wenn der Fahrer auf dem Abschnitt der Straße mehrfach in die autonome Fahrt des Kraftfahrzeugs eingegriffen hat, kann dies für diesen Streckenabschnitt vergleichbar zu Kartendaten abgelegt und verarbeitet werden. So kann der ortsbezogene Datensatz beispielsweise erste Daten umfassen, welche den vorstehend beschriebenen Ort repräsentieren, und zweite Daten, welche die vorstehend beschriebene zweite Geschwindigkeit (Geschwindigkeitspräferenz) repräsentieren.
Wenn die Prozessoreinheit zukünftig die autonome Fahrfunktion ausführt, z.B. den MPC-Algorithmus, sodass das Kraftfahrzeug autonom fährt, dann kann der autonomen Fahrfunktion, insbesondere dem MPC-Algorithmus, der ortsbezogene Datensatz als Input zugeführt werden. Der ortsbezogene Datensatz kann somit als gespeicherter Fahrereingriff berücksichtigt werden, um eine Eingangsgröße für die Regelung des autonomen Fahrens des Kraftfahrzeugs zu ermitteln, insbesondere eine Eingangsgröße für die elektrische Maschine des Kraftfahrzeugs, sodass die Kostenfunktion der MPC-Regelung minimiert wird. Wenn das Kraftfahrzeug das nächste Mal auf dem zuvor beschriebenen Abschnitt der Straße autonom fährt, so wird die Geschwindigkeitspräferenz des Fahrers auf diesem Straßenabschnitt in der autonomen Fahrfunktion, insbesondere in der MPC-Regelung, berücksichtigt. Auf diese Weise hat die autonome Fahrfunktion, insbesondere die MPC-Regelung, die Geschwindigkeitspräferenz des Fahrers auf dem beschriebenen Streckenabschnitt „gelernt“.
Weiterhin kann ein Zeitpunkt oder ein Zeitraum berücksichtigt werden, zu dem bzw. innerhalb welchem der Fahrereingriff durch den Fahrer vorgenommen wird. Beispielsweise kann eine Tageszeit berücksichtigt werden, wobei z.B. abends ein sportlicheres Verhalten als morgens durch den Fahrer gewünscht ist. In diesem Sinne wird in einer Ausführungsform der Fahrereingriff als zeitbezogener Datensatz gespeichert. Der Zeitpunkt oder der Zeitraum, zu dem bzw. innerhalb welchem der Fahrereingriff durch den Fahrer vorgenommen wird, kann durch eine entsprechende digitale Zeitmesseinrichtungen (z.B. Uhren) des Kraftfahrzeugs ermittelt werden. Die Prozessoreinheit kann dazu eingerichtet sein, auf entsprechende Zeitdaten der digitalen Zeitmesseinrichtung zuzugreifen.
Beispielsweise kann das Kraftfahrzeug mit einer ersten Geschwindigkeit autonom fahren. Die erste Geschwindigkeit wird durch die Ausführung der autonomen Fahrfunktion vorgegeben und basiert beispielsweise auf der MPC-Regelung, berücksichtigt jedoch noch keinen Fahrereingriff aufgrund der vorliegenden Tageszeit, zu welcher das Kraftfahrzeug autonom fährt, z.B. abends. Beispielsweise kann die erste Geschwindigkeit 70 km/h betragen. Das Kraftfahrzeug kann abends gesteuert durch die autonome Fahrfunktion, insbesondere basierend auf der MPC-Regelung, autonom mit der ersten Geschwindigkeit fahren. Wenn der Fahrer lieber sportlicher oder schneller fahren möchte, so kann er das Kraftfahrzeug auf eine zweite Geschwindigkeit beschleunigen (Fahrereingriff), die höher ist als die erste Geschwindigkeit, z.B. auf 80 km/h. Diese zweite Geschwindigkeit entspricht der Geschwindigkeitspräferenz des Fahrers des Kraftfahrzeugs zu der gegebenen Tageszeit (abends in dem beschriebenen Beispiel). Die Geschwindigkeitspräferenz oder die Erhöhung der Geschwindigkeit von der ersten Geschwindigkeit auf die zweite Geschwindigkeit kann in einem zeitbezogenen Datensatz als Fahrereingriff gespeichert werden. So kann der zeitbezogene Datensatz beispielsweise erste Daten umfassen, welche die vorstehend beschriebene Tageszeit repräsentieren (z.B. ein Zeitraum zwischen 20:00 Uhr und 23:00 Uhr), und zweite Daten, welche die vorstehend beschriebene zweite Geschwindigkeit (Geschwindigkeitspräferenz) repräsentieren.
Wenn die Prozessoreinheit zukünftig die autonome Fahrfunktion ausführt, insbesondere basierend auf dem MPC-Algorithmus, um eine autonome Fahrt des Kraftfahrzeugs zu regeln, dann kann der autonomen Fahrfunktion, insbesondere dem MPC-Algorithmus, der zeitbezogene Datensatz als Input zugeführt werden. Der zeitbezogene Datensatz kann somit als gespeicherter Fahrereingriff berücksichtigt werden, um eine Eingangsgröße für die Regelung des autonomen Fahrens des Kraftfahrzeugs zu ermitteln, insbesondere eine Eingangsgröße für die elektrische Maschine des Kraftfahrzeugs, sodass die Kostenfunktion minimiert wird. Wenn das Kraftfahrzeug das nächste Mal abends autonom fährt, so wird die Geschwindigkeitspräferenz des Fahrers zu dieser Tageszeit in der autonomen Fahrfunktion berücksichtigt, insbesondere in der MPC-Regelung. Auf diese Weise hat die autonome Fahrfunktion, insbesondere die MPC-Regelung, die Geschwindigkeitspräferenz des Fahrers zu der beschriebenen Tageszeit „gelernt“.
Weiterhin kann eine Last berücksichtigt werden, die das Kraftfahrzeug transportiert, während der Fahreingriff erfolgt. So wird in einer weiteren Ausführungsform der Fahrereingriff als lastbezogener Datensatz gespeichert. Beispielsweise kann ein Beladungsgewicht des Kraftfahrzeugs gespeichert werden, während der Fahrereingriff durch den Fahrer vorgenommen worden ist. Das Ladungsgewicht kann durch Fahrzeuginsassen, Gepäck oder andere Zuladung des Kraftfahrzeugs verursacht werden. Weiterhin kann eine Anhängelast des Kraftfahrzeugs gespeichert werden (zieht das Kraftfahrzeug einen Anhänger, und falls ja, wie hoch ist die Last des Anhängers), während der Fahrereingriff durch den Fahrer vorgenommen wird. Das Beladungsgewicht und/oder die Anhängelast kann durch entsprechende Sensoren des Kraftfahrzeugs ermittelt werden. Die Prozessoreinheit kann dazu eingerichtet sein, auf entsprechende Lastdaten zuzugreifen, welche durch die Sensoren generiert werden.
Beispielsweise kann das Kraftfahrzeug mit einer ersten Geschwindigkeit autonom fahren. Die erste Geschwindigkeit wird durch die Ausführung der autonomen Fahrfunktion vorgegeben und basiert beispielsweise auf der MPC-Regelung, berücksichtigt jedoch noch keinen Fahrereingriff aufgrund der Last des Kraftfahrzeugs. Beispielsweise kann die erste Geschwindigkeit 70 km/h betragen. Wenn beispielsweise das Beladungsgewicht des Kraftfahrzeugs relativ hoch ist und/oder die Anhängelast des Kraftfahrzeugs relativ hoch ist, so kann dem Fahrer die erste Geschwindigkeit zu hoch erscheinen und er kann das Kraftfahrzeug auf eine zweite Geschwindigkeit abbremsen, die niedriger ist als die erste Geschwindigkeit, z.B. auf 60 km/h. Diese zweite Geschwindigkeit entspricht der Geschwindigkeitspräferenz des Fahrers bei der gegebenen Last des Kraftfahrzeugs. Die Geschwindigkeitspräferenz oder die Verringerung der Geschwindigkeit von der ersten Geschwindigkeit auf die zweite Geschwindigkeit kann in einem lastbezogenen Datensatz als Fahrereingriff gespeichert werden. So kann der lastbezogene Datensatz beispielsweise erste Daten umfassen, welche die vorstehend beschriebene Last des Kraftfahrzeugs repräsentieren, und zweite Daten, welche die vorstehend beschriebene zweite Geschwindigkeit (Geschwindigkeitspräferenz) repräsentieren.
Wenn die Prozessoreinheit zukünftig die autonome Fahrfunktion ausführt, insbesondere basierend auf dem MPC-Algorithmus, um eine autonome Fahrt des Kraftfahrzeugs zu regeln, dann kann der autonomen Fahrfunktion, insbesondere dem MPC-Algorithmus, der lastbezogene Datensatz als Input zugeführt werden. Der lastbezogene Datensatz kann somit als gespeicherter Fahrereingriff berücksichtigt werden, um eine Eingangsgröße für die Regelung des autonomen Fahrens des Kraftfahrzeugs zu ermitteln, insbesondere eine Eingangsgröße für die elektrische Maschine des Kraftfahrzeugs, sodass die Kostenfunktion minimiert wird. Wenn das Kraftfahrzeug das nächste Mal mit der beschriebenen Last autonom fährt, so wird die Geschwindigkeitspräferenz des Fahrers bei dieser Last in der autonomen Fahrfunktion, insbesondere in der MPC-Regelung, berücksichtigt. Auf diese Weise hat die autonome Fahrfunktion, insbesondere die MPC-Regelung, die Geschwindigkeitspräferenz des Fahrers bei der beschriebenen Last „gelernt“.
Weiterhin kann eine Anzahl von Fahrzeuginsassen, insbesondere von Mitfahrern, berücksichtigt werden, die das Kraftfahrzeug transportiert, während der Fahreingriff erfolgt. So wird in einer weiteren Ausführungsform der Fahrereingriff als Fahrzeuginsassen-bezogener Datensatz gespeichert. Beispielsweise kann sich neben dem Fahrer des Kraftfahrzeugs ein weiterer Fahrzeuginsasse im Innenraum des Kraftfahrzeugs befinden, während der Fahrereingriff durch den Fahrer vorgenommen worden ist. Die Anzahl der Fahrzeuginsassen kann beispielsweise über Gewichtssensoren in den Fahrzeugsitzen oder durch Innenraum-Kameras ermittelt werden. Die Prozessoreinheit kann dazu eingerichtet sein, auf entsprechende Sensordaten zuzugreifen.
Beispielsweise kann das Kraftfahrzeug mit einer ersten Geschwindigkeit autonom fahren. Die erste Geschwindigkeit wird durch die autonome Fahrfunktion vorgegeben und basiert auf der MPC-Regelung, berücksichtigt jedoch noch keinen Fahrereingriff aufgrund der Last des Kraftfahrzeugs. Beispielsweise kann die erste Geschwindigkeit 70 km/h betragen. Wenn sich beispielsweise neben dem Fahrer des Kraftfahrzeugs ein weiterer Fahrzeuginsasse im Innenraum des Kraftfahrzeugs befindet, so kann dem Fahrer die erste Geschwindigkeit beispielsweise zu hoch erscheinen und er kann das Kraftfahrzeug auf eine zweite Geschwindigkeit abbremsen, die niedriger ist als die erste Geschwindigkeit, z.B. auf 60 km/h. Diese zweite Geschwindigkeit entspricht der Geschwindigkeitspräferenz des Fahrers bei der gegebenen Anzahl an Fahrzeuginsassen. Die Geschwindigkeitspräferenz oder die Verringerung der Geschwindigkeit von der ersten Geschwindigkeit auf die zweite Geschwindigkeit kann in einem Fahrzeuginsassen-bezogenen Datensatz als Fahrereingriff gespeichert werden. So kann der Fahrzeuginsassen-bezogene Datensatz beispielsweise erste Daten umfassen, welche die vorstehend beschriebene Anzahl Fahrzeuginsassen repräsentieren, und zweite Daten, welche die vorstehend beschriebene zweite Geschwindigkeit (Geschwindigkeitspräferenz) repräsentieren.
Wenn die Prozessoreinheit zukünftig die autonome Fahrfunktion ausführt, insbesondere basierend auf dem MPC-Algorithmus, um eine autonome Fahrt des Kraftfahrzeugs zu regeln, dann kann der autonomen Fahrfunktion, insbesondere dem MPC-Algorithmus, der Fahrzeuginsassen-bezogene Datensatz als Input zugeführt werden. Der Fahrzeuginsassen-bezogene Datensatz kann somit als gespeicherter Fahrereingriff berücksichtigt werden, um eine Eingangsgröße für die Regelung des autonomen Fahrens des Kraftfahrzeugs zu ermitteln, insbesondere eine Eingangsgröße für die elektrische Maschine des Kraftfahrzeugs, sodass die Kostenfunktion minimiert wird. Wenn das Kraftfahrzeug das nächste Mal mit der beschriebenen Anzahl Fahrzeuginsassen autonom fährt, so wird die Geschwindigkeitspräferenz des Fahrers bei dieser Anzahl Fahrzeuginsassen in der autonomen Fahrfunktion, insbesondere in der MPC-Regelung, berücksichtigt. Auf diese Weise hat die autonome Fahrfunktion, insbesondere die MPC-Regelung, die Geschwindigkeitspräferenz des Fahrers bei der beschriebenen Anzahl Fahrzeuginsassen „gelernt“.
Gemäß einem zweiten Aspekt der Erfindung wird ein Kraftfahrzeug bereitgestellt. Das Kraftfahrzeug umfasst ein Fahrerassistenzsystem und einen Antriebsstrang mit einer elektrischen Maschine. Weiterhin umfasst der Antriebsstrang insbesondere eine Batterie. Ferner umfasst der Antriebsstrang insbesondere ein Getriebe. Das Fahrerassistenzsystem ist dazu eingerichtet, mittels einer Kommunikations-Schnittstelle auf eine Eingangsgröße für die elektrische Maschine zuzugreifen, wobei die Eingangsgröße von einer Prozessoreinheit gemäß dem ersten Aspekt der Erfindung ermittelt worden ist. Weiterhin ist das Fahrerassistenzsystem dazu eingerichtet die elektrische Maschine basierend auf der Eingangsgröße zu steuern. Bei dem Fahrzeug handelt es sich beispielsweise um ein Kraftfahrzeug wie Automobil (z.B. ein Personenkraftfahrwagen mit einem Gewicht von weniger als 3,5 t), Motorrad, Motorroller, Moped, Fahrrad, E-Bike, Bus oder Lastkraftwagen, z.B. mit einem Gewicht von über 3,5 t. Das Fahrzeug kann beispielsweise zu einer Fahrzeugflotte gehören.
Gemäß einem dritten Aspekt der Erfindung wird ein Verfahren zur Ausführung einer autonomen Fahrfunktion für ein Kraftfahrzeug unter Berücksichtigung eines Fahrereingriffs bereitgestellt. Das Verfahren umfasst die Schritte

- Ausführen einer autonomen Fahrfunktion, sodass ein Kraftfahrzeug basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt,
- Speichern eines Fahrereingriffs in die autonome Fahrfunktion des Kraftfahrzeugs, wobei der Fahrereingriff durch einen Fahrer des Kraftfahrzeugs vorgenommen wird, während das Kraftfahrzeug basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt, und
- nachfolgendes Ausführen der autonomen Fahrfunktion unter Berücksichtigung des gespeicherten Fahrereingriffs.

Gemäß einem vierten Aspekt der Erfindung wird ein Computerprogrammprodukt zur Ausführung einer autonomen Fahrfunktion für ein Kraftfahrzeug unter Berücksichtigung eines Fahrereingriffs bereitgestellt, wobei das Computerprogrammprodukt, wenn es auf einer Prozessoreinheit eines Kraftfahrzeugs ausgeführt wird, die Prozessoreinheit anleitet, eine autonome Fahrfunktion auszuführen, sodass das Kraftfahrzeug basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt. Weiterhin leitet das Computerprogrammprodukt, wenn es auf der Prozessoreinheit ausgeführt wird, die Prozessoreinheit an, einen Fahrereingriff in die autonome Fahrfunktion des Kraftfahrzeugs zu speichern, wobei der Fahrereingriff durch einen Fahrer des Kraftfahrzeugs vorgenommen wird, während das Kraftfahrzeug basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt. Ferner leitet das Computerprogrammprodukt, wenn es auf der Prozessoreinheit ausgeführt wird, die Prozessoreinheit an, die autonome Fahrfunktion nachfolgend unter Berücksichtigung des gespeicherten Fahrereingriffs auszuführen.
Die obigen Definitionen sowie Ausführungen zu technischen Effekten, Vorteilen und vorteilhaften Ausführungsformen der Prozessoreinheit gelten sinngemäß ebenfalls für das Fahrzeug gemäß dem zweiten Aspekt der Erfindung, für das Verfahren gemäß dem dritten Aspekt der Erfindung und für das Computerprogrammprodukt gemäß dem vierten Aspekt der Erfindung.
Im Folgenden werden Ausführungsbeispiele der Erfindung anhand der schematischen Zeichnung näher erläutert, wobei gleiche oder ähnliche Elemente mit dem gleichen Bezugszeichen versehen sind. Hierbei zeigt

1 eine schematische Darstellung eines Fahrzeugs mit einem Antriebsstrang, der eine elektrische Maschine und eine Batterie umfasst, und
2 ein Kennfeld einer elektrischen Maschine für das Fahrzeug nach 1.

1 zeigt ein Kraftfahrzeug 1, bei dem es sich beispielsweise um einen Personenkraftfahrwagen handeln kann. Das Kraftahrzeug 1 umfasst ein System 2 zur Ausführung einer automatisierten Fahrfunktion des Kraftfahrzeugs, in dem gezeigten Ausführungsbeispiel zur modelbasierten prädiktiven Regelung des Kraftfahrzeugs 1. Insbesondere kann das System zur modelbasierten prädiktiven Regelung einer elektrischen Maschine 8 eines Antriebstrangs 7 des Kraftfahrzeugs 1 eingerichtet sein. Das System 2 umfasst in dem gezeigten Ausführungsbeispiel eine Prozessoreinheit 3, eine Speichereinheit 4, eine Kommunikations-Schnittstelle 5 und eine Erfassungseinheit 6 zur Erfassung von das Kraftfahrzeug 1 betreffenden Zustandsdaten. Das Kraftfahrzeug 1 umfasst weiterhin einen Antriebsstrang 7, der beispielsweise eine elektrische Maschine 8, die als Motor und als Generator betrieben werden kann, eine Batterie 9 und ein Getriebe 10 umfassen kann. Die elektrische Maschine 8 kann im Motorbetrieb Räder des Kraftfahrzeugs 1 über das Getriebe 10 antreiben, das beispielsweise eine konstante Übersetzung aufweisen kann. Die dazu notwendige elektrische Energie kann die Batterie 9 bereitstellen. Die Batterie 9 kann durch die elektrische Maschine 8 aufgeladen werden, wenn die elektrische Maschine 8 im Generatorbetrieb betrieben wird (Rekuperation). Die Batterie 9 kann optional auch an einer externen Ladestation aufgeladen werden. Ebenfalls kann der Antriebsstrang des Kraftfahrzeugs 1 optional einen Verbrennungskraftmotor 21 aufweisen, welcher alternativ oder zusätzlich zu der elektrischen Maschine 8 das Kraftfahrzeug 1 antreiben kann. Der Verbrennungskraftmotor 21 kann auch die elektrische Maschine 8 antreiben, um die Batterie 9 aufzuladen.
Auf der Speichereinheit 4 kann ein Computerprogrammprodukt 11 gespeichert sein. Das Computerprogrammprodukt 11 kann auf der Prozessoreinheit 3 ausgeführt werden, wozu die Prozessoreinheit 3 und die Speichereinheit 4 mittels der Kommunikations-Schnittstelle 5 miteinander verbunden sind. Wenn das Computerprogrammprodukt 11 auf der Prozessoreinheit 3 ausgeführt wird, leitet es die Prozessoreinheit 3 an, die im Folgenden beschriebenen Funktionen zu erfüllen bzw. Verfahrensschritte auszuführen.
Das Computerprogrammprodukt 11 enthält zur Ausführung der autonomen Fahrfunktion einen MPC-Algorithmus 13. Der MPC-Algorithmus 13 wiederum enthält ein Längsdynamikmodell 14 des Antriebsstrangs 7 des Kraftfahrzeugs 1 und eine zu minimierende Kostenfunktion 15. Die Prozessoreinheit 3 führt den MPC-Algorithmus 13 aus und prädiziert dabei ein Verhalten des Kraftfahrzeugs 1 basierend auf dem Längsdynamikmodell 14, wobei die Kostenfunktion 15 minimiert wird. Als Output der Optimierung durch den MPC-Algorithmus 13 können sich in dem gezeigten Ausführungsbeispiel eine optimale Drehzahl und ein optimales Drehmoment der elektrischen Maschine 8 für berechnete Wegpunkte im Vorausschauhorizont ergeben. Die Prozessoreinheit 3 kann dazu eine Eingangsgröße für die elektrische Maschine 8 ermitteln, sodass sich die optimale Drehzahl und das optimale Drehmoment einstellen. Die Prozessoreinheit 3 kann die elektrische Maschine 8 basierend auf der ermittelten Eingangsgröße steuern. Weiterhin kann dies jedoch auch durch ein Fahrerassistenzsystem 16 erfolgen. Auf diese Weise kann das Kraftfahrzeug 1 basierend auf dem Output des ausgeführten MPC-Algorithmus' 13 autonom fahren.
Die Erfassungseinheit 6 kann aktuelle Zustandsgrößen des Kraftfahrzeugs 1 messen, entsprechende Daten aufnehmen und dem MPC-Algorithmus 13 zuführen. So können Streckendaten aus einer elektronischen Karte für einen Vorausschauhorizont bzw. Prädiktionshorizont (z.B. 400 m) vor dem Kraftfahrzeug 1 insbesondere zyklisch upgedated bzw. aktualisiert werden. Die Streckendaten können beispielsweise Steigungsinformationen, Kurveninformationen und Informationen über Geschwindigkeitslimits beinhalten. Des Weiteren kann eine Kurvenkrümmung über eine maximal zulässige Querbeschleunigung in ein Geschwindigkeitslimit für das Kraftfahrzeug 1 umgerechnet werden. Außerdem kann mittels der Erfassungseinheit 6 eine Ortung des Kraftfahrzeugs erfolgen, insbesondere über ein von einem GNNS-Sensor 12 generiertes GNNS-Signal zur genauen Lokalisierung auf der elektronischen Karte. Weiterhin kann die Erfassungseinheit Sensoren zur Bestimmung des Beladungsgewichts des Kraftfahrzeugs, zur Erfassung der Anzahl der Fahrzeuginsassen und ein Zeitmess- und Erfassungsmodul umfassen. Die Prozessoreinheit 3 kann auf von den genannten Sensoren generierte Informationen bzw. Daten beispielsweise über die Kommunikations-Schnittstelle 5 zugreifen.
Das Längsdynamikmodell 14 des Kraftfahrzeugs 1 kann mathematisch wie folgt ausgedrückt werden: $\frac{d v (t)}{d t} = (F_{t r a c} (t) - F_{r} (α (t)) - F_{g r} (α (t)) - F_{d} (v (t))) / m_{e q}$
Hierbei sind:

v: die Geschwindigkeit des Kraftfahrzeugs;
Ftrac: Traktionskraft, die durch den Motor oder die Bremsen auf die Räder des Kraftfahrzeugs ausgeübt wird;
Fr: die Rollwiderstandskraft, welche ein Effekt der Verformung der Reifen beim Rollen ist und von der Belastung der Räder (der Normalkraft zwischen Rad und Straße) und damit vom Neigungswinkel der Straße abhängt;
Fgr: die Steigungswiderstandskraft, welche eine Längskomponente der Schwerkraft beschreibt, die auf das Kraftfahrzeug im Bergauf- oder Bergabfahrbetrieb wirkt, abhängig von der Neigung der Fahrbahn;
Fd: die Luftwiderstandskraft des Kraftfahrzeugs; und
meq: die äquivalente Masse des Kraftfahrzeugs; die äquivalente Masse beinhaltet insbesondere die Trägheit der Drehteile des Antriebsstrangs, welche der Beschleunigung des Kraftfahrzeugs ausgesetzt sind (Motor, Getriebeantriebswellen, Räder).

Durch Umwandlung von Zeitabhängigkeit in Wegabhängigkeit $\frac{d}{d s} = \frac{d}{d t} * \frac{d t}{d s} = \frac{d}{d t} * \frac{1}{v}$
und Koordinatentransformation zur Eliminierung des quadratischen Geschwindigkeits-Terms im Luftwiderstand mit $e_{k i n} = \frac{1}{2} * m_{e g} * v {(t)}^{2}$
folgt $\frac{d e_{k i n}}{d s} = F_{t r a c} (s) - F_{r} (α (s)) - F_{g r} (α (s)) - F_{d} (e_{k i n} (s)) .$
Damit das Problem durch den MPC-Algorithmus 13 schnell und einfach lösbar ist, kann die Dynamikgleichung des Längsdynamikmodells 14 linearisiert werden, indem die Geschwindigkeit durch Koordinatentransformation durch kinetische Energie de_kin ausgedrückt wird. Dadurch wird der quadratische Term zur Berechnung des Luftwiderstands F_d durch einen linearen Term ersetzt und gleichzeitig ist das Längsdynamikmodell 14 des Kraftfahrzeugs 1 nicht mehr wie üblich in Abhängigkeit von der Zeit beschrieben, sondern in Abhängigkeit von dem Weg. Dies passt insofern gut zum Optimierungsproblem, da die Vorausschauinformationen des elektrischen Horizonts wegbasiert vorliegen.
Neben der kinetischen Energie gibt es zwei weitere Zustandsgrößen, welche im Sinne eines einfachen Optimierungsproblems ebenfalls linear und wegabhängig beschrieben werden müssen. Zum einen ist der elektrische Energieverbrauch des Antriebsstrangs 7 üblicherweise in Form eines Kennfeldes in Abhängigkeit von Drehmoment und Motordrehzahl beschrieben. In dem gezeigten Ausführungsbeispiel weist das Kraftfahrzeug 1 eine feste Übersetzung zwischen der elektrischen Maschine 8 und der Straße auf, auf welcher sich das Kraftfahrzeug 1 bewegt. Dadurch lässt sich die Drehzahl der elektrischen Maschine 8 direkt in eine Geschwindigkeit des Kraftfahrzeugs 1 oder eben in eine kinetische Energie des Kraftfahrzeugs 1 umrechnen. Weiterhin lässt sich die elektrische Leistung der elektrischen Maschine 8 durch Teilen durch die entsprechende Geschwindigkeit in Energieverbrauch pro Meter umrechnen. Dadurch erhält das Kennfeld der elektrischen Maschine 8 die Form wie in 2 zu sehen. Um dieses Kennfeld für die Optimierung verwenden zu können, wird es linear approximiert: Energy_perMeter ≥ a_i * e_kin + b_i * F_trac für alle i.
Eine beispielhafte zu minimierende Kostenfunktion 15 kann mathematisch wie folgt ausgedrückt werden: $\begin{array}{l} m i n (- w_{B a t} \cdot E_{B a t} (S_{E}) + w_{T i m e} \cdot T (S_{E}) + w_{T e m} + {\sum_{s = 1}^{s_{E} - 1} (\frac{F_{A} (s) - F_{A} (s - 1)}{Δ s})}^{2} \\ + w_{T e m S t a r t} \cdot {(F_{A} (s_{1}) - F_{A} (s_{0}))}^{2} + \sum_{s = 1}^{s_{E} - 1} w_{S l a c k} \cdot V a r_{s l a c k}) \end{array}$
Hierbei ist:

wBat: Gewichtungsfaktor für den Energieverbrauch der Batterie
EBat: Energieverbrauch der Batterie
S: Wegstrecke
SE-1: Wegstrecke einen Zeitschritt vor Ende des Prädiktionshorizonts
FA: Antriebskraft, welche durch die elektrische Maschine bereitgestellt wird, durch ein Getriebe konstant übersetzt wird und an einem Rad des Kraftfahrzeugs anliegt
WTem: Gewichtungsfaktor für Drehmomentgradienten
WTemStart: Gewichtungsfaktor für Momentensprünge
T: Zeit, welche das Fahrzeug benötigt, um die gesamte innerhalb des Prädiktionszeitraums prädizierte Wegstrecke zurückzulegen
wTime: Gewichtungsfaktor für die Zeit T
SE: Wegstrecke zum Ende des Horizonts
wSlack: Gewichtungsfaktor für die Slack-Variable
VarSlack: Slack-Variable

Die Kostenfunktion 15 besitzt ausschließlich lineare und quadratische Terme. Dadurch hat das Gesamtproblem die Form einer quadratischen Optimierung mit linearen Nebenbedingungen und es ergibt sich ein konvexes Problem, welches gut und schnell gelöst werden kann.
Die Kostenfunktion 15 enthält als ersten Term eine mit einem ersten Gewichtungsfaktor W_Bat gewichtete und gemäß dem Längsdynamikmodell prädizierte elektrische Energie E_Bat, welche innerhalb eines Prädiktionshorizonts von der Batterie 9 des Antriebsstrangs 7 zum Antrieb der elektrischen Maschine 8 bereitgestellt wird.
Die Kostenfunktion 15 enthält als zweiten Term eine mit einem zweiten Gewichtungsfaktor W_Time gewichtete und gemäß dem Längsdynamikmodell 14 prädizierte Fahrzeit T, welche das Kraftfahrzeug 1 benötigt, um die prädizierte Wegstrecke zurückzulegen. Dies führt dazu, dass je nach Wahl der Gewichtungsfaktoren eine geringe Geschwindigkeit nicht immer als optimal bewertet wird und so nicht mehr das Problem besteht, dass die resultierende Geschwindigkeit immer am unteren Rand der erlaubten Geschwindigkeit liegt.
Der Energieverbrauch und die Fahrzeit können jeweils am Ende des Horizonts ausgewertet und gewichtet werden. Diese Terme sind dann also nur für den letzten Punkt des Horizonts aktiv.
Zu hohe Drehmomentgradienten innerhalb des Horizonts sind unvorteilhaft. Daher werden Drehmomentgradienten bereits in der Kostenfunktion 15 bestraft, nämlich durch den Term $w_{T e m} \cdot {\sum_{s = 1}^{s_{E} - 1} (\frac{F_{A} (s) - F_{A} (s - 1)}{Δ s})}^{2}$
Die quadratische Abweichung der Antriebskraft je Meter wird mit einem Gewichtungsfaktor W_Tem gewichtet und in der Kostenfunktion minimiert. Alternativ zu der Antriebskraft F_A je Meter kann auch das durch die elektrische Maschine 8 bereitgestellte Drehmoment M_EM genutzt und mit dem Gewichtungsfaktor W_Tem gewichtet werden, sodass sich der alternative Term $w_{T e m} \cdot {\sum_{s = 1}^{s_{E} - 1} (\frac{M_{E M} (s) - M_{E M} (s - 1)}{Δ s})}^{2}$
ergibt. Durch die konstante Übersetzung des Getriebes 10 sind die Antriebskraft und das Drehmoment direkt proportional zueinander.
Um ein komfortables Fahren sicher zu stellen, wird in der Kostenfunktion 15 ein weiterer Term zur Bestrafung von Momentensprüngen eingeführt, nämlich w_TemStart · (F_A (s₁) - F_A(s₀))². Alternativ zu der Antriebskraft F_A kann auch hier das durch die elektrische Maschine 8 bereitgestellte Drehmoment M_EM genutzt werden, sodass sich der alternative Term w_TemStart · (M_EM(s₁) - M_EM(s₀))² ergibt. Für den ersten Punkt im Prädiktionshorizont wird die Abweichung zum zuletzt gestellten Moment negativ bewertet und mit einem Gewichtungsfaktor W_TemStart gewichtet, um sicher zu stellen, dass es einen nahtlosen und ruckfreien Übergang beim Umschalten zwischen alter und neuer Trajektorie gibt.
Geschwindigkeitslimits sind für die Optimierung harte Grenzen, die nicht überschritten werden dürfen. Eine leichte Überschreitung der Geschwindigkeitsgrenzen ist in der Realität immer zulässig und vor allem bei Übergängen von einer Geschwindigkeitszone in eine zweite Zone eher der Normalfall. In dynamischen Umgebungen, wo sich von einem Rechenzyklus zum nächsten Rechenzyklus Geschwindigkeitslimits verschieben, kann es passieren, dass bei ganz harten Grenzen keine gültige Lösung für einen Geschwindigkeitsverlauf mehr gefunden werden kann. Um die Stabilität des Rechenalgorithmus zu erhöhen, wird eine weiche Beschränkung („soft constraint“) in die Kostenfunktion 15 eingeführt. Dabei wird eine mit einem Gewichtungsfaktor W_Slack gewichtete Slack-Variable Var_Slack in einem vorgegebenen schmalen Bereich aktiv, bevor das harte Geschwindigkeitslimit erreicht wird. Lösungen, die sehr nah an diesem Geschwindigkeitslimit liegen, werden schlechter bewertet, also Lösungen deren Geschwindigkeitstrajektorie einen gewissen Abstand zur harten Grenze einhalten.
Die Regelung der elektrischen Maschine 8 des Kraftfahrzeugs 1 mittels des MPC-AIgorithmus' 13 eignet sich für Automatisierungsstufen unterhalb von Level 5 (z.B. gemäß SAE J3016), insbesondere bis Level 3, wobei ein Fahrer des Kraftfahrzeugs 1 weiterhin die Möglichkeit hat, die Fahrt zu beeinflussen bzw. in die vorstehend beschriebene MPC-basierte autonome Fahrfunktion des Kraftfahrzeugs 1 einzugreifen. Eine solche Beeinflussung der Fahrt stellt einen „Fahrereingriff“ dar. Der Fahrereingriff kann beispielsweise durch Beschleunigen oder Bremsen in Form einer „Überstimmung“ der autonomen Fahrfunktion geschehen. So kann der Fahrer auf Strecken, die er bereits mehrfach befahren hat, mehrfach in die automatisierte Fahrfunktion eingegriffen haben. Beispielsweise kann der Fahrer das Kraftfahrzeug 1 verzögern bzw. abbremsen, z.B. wegen einer unübersichtlichen Stelle oder wegen eines neuen Tempolimits. Eine Beschleunigung des Kraftfahrzeugs 1 kann durch den Fahrer ebenfalls vorgenommen werden, z.B. wegen aufgehobenem Tempolimit oder persönlicher Präferenz.
Die Prozessoreinheit 3 ist dazu eingerichtet, den MPC-Algorithmus 13 die Eingriffe des Fahrers erlernen und in späteren Fahrten berücksichtigen zu lassen. Insbesondere wird eine Anpassung der Optimierung ermöglicht, sodass die MPC-basierte autonome Fahrfunktion des Kraftfahrzeugs 1 dem menschlichen Verhalten angenähert wird.
So können die Fahrereingriffe beispielsweise auf der Speichereinheit 4 gespeichert und durch Änderung der Randbedingungen bzw. Nebenbedingungen (Kurvengeschwindigkeit, Tempolimits, ...) oder der Gewichtungsfaktoren der Kostenfunktion (Zeit, Energie, Komfort, ...) in nachfolgenden Ausführungen des MPC-Algorithmus' 13 berücksichtigt werden. Der Fahrer hat es dabei selbst in der Hand, zu entscheiden, welche Fahrereingriffe gespeichert und für die zukünftige Optimierung genutzt werden sollen, und welche Fahrereingriffe nicht gespeichert werden sollen. Um dies zu ermöglichen, kann die Prozessoreinheit 3 nur dann den Fahrereingriff speichern, wenn der Fahrereingriff durch den Fahrer bestätigt worden ist, z.B. mittels einer dazu eingerichteten Bestätigungseinrichtung, die durch den Fahrer betätigt werden kann. Dadurch kann sichergestellt werden, dass ausschließlich gewollte Fahrereingriffe zur Optimierung herangezogen werden. Somit ermöglicht diese Ausführungsform eine Adaption der Fahrstrategie auf Fahrerwunsch. Insbesondere erfolgt ein Speichern einer üblichen Geschwindigkeit an Stellen, in denen wiederholt schneller als optimiert gefahren wurde, nachdem der Fahrer dies bestätigt hat.
In einem Beispiel können ein Streckenabschnitt, eine Tageszeit, ein Beladungsgewicht und eine Anzahl Mitfahrer des Kraftfahrzeugs 1 durch entsprechende Sensoren der Erfassungseinheit 6 ermittelt werden, während der Fahrer in die MPC-basierte autonome Fahrfunktion des Kraftfahrzeugs 1 eingreift.
Beispielsweise kann das Kraftfahrzeug mit einer ersten Geschwindigkeit autonom fahren. Die erste Geschwindigkeit basiert auf der MPC-Regelung, berücksichtigt jedoch noch nicht den Streckenabschnitt, die Tageszeit, das Beladungsgewicht und die Anzahl Mitfahrer des Kraftfahrzeugs 1. Beispielsweise kann die erste Geschwindigkeit 70 km/h betragen. Das Kraftfahrzeug kann basierend auf der MPC-Regelung autonom mit der ersten Geschwindigkeit auf einem Abschnitt einer Straße (Streckenabschnitt) fahren.
In Kenntnis des Streckenabschnitts, der Tageszeit, des Beladungsgewichts und der Anzahl Mitfahrer des Kraftfahrzeugs 1 kann dem Fahrer beispielsweise die erste Geschwindigkeit zu hoch erscheinen. Um dies zu ändern, kann der Fahrer das Kraftfahrzeug auf eine zweite Geschwindigkeit abbremsen (Fahrereingriff), die niedriger ist als die erste Geschwindigkeit, z.B. auf 60 km/h. Diese zweite Geschwindigkeit entspricht der Geschwindigkeitspräferenz des Fahrers des Kraftfahrzeugs 1 auf dem vorliegenden Streckenabschnitt bei der vorliegenden Tageszeit, bei dem vorliegenden Beladungsgewicht und bei der vorliegenden Anzahl Mitfahrer des Kraftfahrzeugs 1. Die Geschwindigkeitspräferenz oder die Verringerung der Geschwindigkeit von der ersten Geschwindigkeit auf die zweite Geschwindigkeit kann in einem Präferenz-Datensatz als Fahrereingriff gespeichert werden. So kann der Präferenz-Datensatz beispielsweise erste Daten umfassen, welche den Streckenabschnitt, die Tageszeit, das Beladungsgewicht und die Anzahl Mitfahrer repräsentieren, und zweite Daten, welche die vorstehend beschriebene zweite Geschwindigkeit (Geschwindigkeitspräferenz) repräsentieren.
Wenn die Prozessoreinheit 3 zukünftig den MPC-Algorithmus 13 ausführt, um eine autonome Fahrt des Kraftfahrzeugs 1 zu regeln, dann kann dem MPC-Algorithmus 13 der Präferenz-Datensatz als Input zugeführt werden. Der Präferenz-Datensatz kann somit als gespeicherter Fahrereingriff berücksichtigt werden, um eine Eingangsgröße für die Regelung des autonomen Fahrens des Kraftfahrzeugs 1 zu ermitteln, insbesondere eine Eingangsgröße für die elektrische Maschine 8 des Kraftfahrzeugs 1, sodass die Kostenfunktion minimiert wird. Wenn das Kraftfahrzeug 1 das nächste Mal unter gleichen oder ähnlichen Bedingungen (Tageszeit, Beladungsgewicht, Anzahl Mitfahrer) auf dem zuvor beschriebenen Abschnitt der Straße autonom fährt, so wird die Geschwindigkeitspräferenz des Fahrers auf diesem Straßenabschnitt in der MPC-Regelung berücksichtigt. Auf diese Weise hat die MPC-Regelung die Geschwindigkeitspräferenz des Fahrers auf dem beschriebenen Streckenabschnitt „gelernt“.
Bezugszeichenliste

1: Fahrzeug
2: System
3: Prozessoreinheit
4: Speichereinheit
5: Kommunikations-Schnittstelle
6: Erfassungseinheit
7: Antriebsstrang
8: elektrische Maschine
9: Batterie
10: Getriebe
11: Computerprogrammprodukt
12: GNNS-Sensor
13: MPC-Algorithmus
14: Längsdynamikmodell
15: Kostenfunktion
16: Fahrerassistenzsystem
17: erste begrenzende Gerade
18: zweite begrenzende Gerade
19: erster Graph
20: zweiter Graph
21: Verbrennungskraftmotor

Claims

Prozessoreinheit (3) zur Ausführung einer autonomen Fahrfunktion für ein Kraftfahrzeug (1) unter Berücksichtigung eines Fahrereingriffs, wobei die Prozessoreinheit (3) dazu eingerichtet ist, - eine autonome Fahrfunktion auszuführen, sodass ein Kraftfahrzeug (1) basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt, - einen Fahrereingriff in die autonome Fahrfunktion des Kraftfahrzeugs (1) zu speichern, wobei der Fahrereingriff durch einen Fahrer des Kraftfahrzeugs (1) vorgenommen wird, während das Kraftfahrzeug (1) basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt, und - die autonome Fahrfunktion nachfolgend unter Berücksichtigung des gespeicherten Fahrereingriffs auszuführen.
Prozessoreinheit (3) nach Anspruch 1, wobei - die autonome Fahrfunktion durch einen MPC-Algorithmus (13) zur modellprädiktiven Regelung des Kraftfahrzeugs (1) gebildet wird, - der MPC-Algorithmus (13) ein Längsdynamikmodell (14) des Kraftfahrzeugs (1) enthält, - der MPC-Algorithmus (13) eine zu minimierende Kostenfunktion (15) enthält, - die Prozessoreinheit (3) dazu eingerichtet ist, den MPC-Algorithmus (13) auszuführen, sodass das Kraftfahrzeug (1) basierend auf der Ausführung des MPC-Algorithmus' (13) autonom fährt, und - die Prozessoreinheit (3) dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' (13) unter Berücksichtigung des gespeicherten Fahrereingriffs eine Eingangsgröße für die modellbasierte prädiktive Regelung des Kraftfahrzeugs (1) zu ermitteln, sodass die Kostenfunktion minimiert wird.
Prozessoreinheit (3) nach Anspruch 2, wobei - die Prozessoreinheit (3) dazu eingerichtet ist, mittels des MPC-Algorithmus' (13) eine elektrische Maschine (8) eines Antriebstrangs (7) des Kraftfahrzeugs (1) zu regeln, - der MPC-Algorithmus (13) ein Längsdynamikmodell (14) des Antriebsstrangs (7) enthält, und - die Prozessoreinheit (3) dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' (13) unter Berücksichtigung des gespeicherten Fahrereingriffs eine Eingangsgröße für die Regelung der elektrischen Maschine (8) zu ermitteln, sodass das Kraftfahrzeug (1) durch die elektrische Maschine (8) autonom angetrieben wird und sodass die Kostenfunktion minimiert wird.
Prozessoreinheit (3) nach Anspruch 3, wobei - die Kostenfunktion (15) als ersten Term eine mit einem ersten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell (14) prädizierte elektrische Energie enthält, welche innerhalb eines Prädiktionshorizonts von einer Batterie (9) des Antriebsstrangs (7) zum Antrieb der elektrischen Maschine (8) bereitgestellt wird, - die Kostenfunktion (15) als zweiten Term eine mit einem zweiten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell (14) prädizierte Fahrzeit enthält, welche das Kraftfahrzeug (1) zum Zurücklegen der gesamten innerhalb des Prädiktionshorizonts prädizierten Wegstrecke benötigt, und - die Prozessoreinheit (3) dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' (13) unter Berücksichtigung des gespeicherten Fahrereingriffs sowie in Abhängigkeit von dem ersten Term und in Abhängigkeit von dem zweiten Term die Eingangsgröße für Regelung der elektrischen Maschine (8) des Kraftfahrzeugs (1) zu ermitteln, sodass die Kostenfunktion minimiert wird.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozessoreinheit (3) dazu eingerichtet ist, den Fahrereingriff zu speichern, indem eine Nebenbedingung oder ein Gewichtungsfaktor der Kostenfunktion verändert wird.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozessoreinheit (3) dazu eingerichtet ist, den Fahrereingriff zu speichern, wenn der Fahrereingriff durch den Fahrer bestätigt worden ist.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozessoreinheit (3) dazu eingerichtet ist, den Fahrereingriff als ortsbezogenen Datensatz zu speichern.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozessoreinheit (3) dazu eingerichtet ist, den Fahrereingriff als zeitbezogenen Datensatz zu speichern.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozessoreinheit (3) dazu eingerichtet ist, den Fahrereingriff als lastbezogenen Datensatz zu speichern.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozessoreinheit (3) dazu eingerichtet ist, den Fahrereingriff als Fahrzeuginsassen-bezogenen Datensatz zu speichern.
Kraftfahrzeug (3) umfassend ein Fahrerassistenzsystem (16) und einen Antriebsstrang (7) mit einer elektrischen Maschine (8), wobei das Fahrerassistenzsystem (16) dazu eingerichtet ist, - mittels einer Kommunikations-Schnittstelle auf eine Eingangsgröße für die elektrische Maschine (8) zuzugreifen, wobei die Eingangsgröße von einer Prozessoreinheit (3) nach einem der Ansprüche 3 bis 10 ermittelt worden ist, und - die elektrische Maschine (8) basierend auf der Eingangsgröße zu steuern.
Verfahren zur Ausführung einer autonomen Fahrfunktion für ein Kraftfahrzeug (1) unter Berücksichtigung eines Fahrereingriffs, das Verfahren umfassend die Schritte - Ausführen einer autonomen Fahrfunktion, sodass ein Kraftfahrzeug (1) basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt, - Speichern eines Fahrereingriffs in die autonome Fahrfunktion des Kraftfahrzeugs (1), wobei der Fahrereingriff durch einen Fahrer des Kraftfahrzeugs (1) vorgenommen wird, während das Kraftfahrzeug (1) basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt, und - nachfolgendes Ausführen der autonomen Fahrfunktion unter Berücksichtigung des gespeicherten Fahrereingriffs.
Computerprogrammprodukt (11) zur Ausführung einer autonomen Fahrfunktion für ein Kraftfahrzeug (1) unter Berücksichtigung eines Fahrereingriffs, wobei das Computerprogrammprodukt (11), wenn es auf einer Prozessoreinheit (3) eines Kraftfahrzeugs (1) ausgeführt wird, die Prozessoreinheit (3) anleitet, - eine autonome Fahrfunktion auszuführen, sodass das Kraftfahrzeug (1) basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt, - einen Fahrereingriff in die autonome Fahrfunktion des Kraftfahrzeugs (1) zu speichern, wobei der Fahrereingriff durch einen Fahrer des Kraftfahrzeugs (1) vorgenommen wird, während das Kraftfahrzeug (1) basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt, und - die autonome Fahrfunktion nachfolgend unter Berücksichtigung des gespeicherten Fahrereingriffs auszuführen.