DE102020106746A1

DE102020106746A1 - System und verfahren zur erhöhung der zufriedenheit derfahrgäste in einem fahrzeug mit automatisiertem fahrsystem

Info

Publication number: DE102020106746A1
Application number: DE102020106746.1A
Authority: DE
Inventors: Joseph F. Szczerba
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2019-04-19
Filing date: 2020-03-12
Publication date: 2020-10-22
Also published as: US11186271B2; US20200331481A1; US11077844B2; US20200331459A1

Abstract

Ein System zum Erhöhen der Zufriedenheit eines Fahrgasts in einem Fahrzeug mit einem automatischen Antriebssystem, das so strukturiert ist, dass es das autonome Fahrzeug betreibt, kann einen ersten Sensor, der so strukturiert ist, dass er eine Fahrumgebung des Fahrzeugs erfasst, wobei der erste Sensor betriebsfähig mit dem automatischen Antriebssystem gekoppelt ist; einen Prozessor, der betriebsfähig mit dem ersten Sensor und dem automatischen Antriebssystem gekoppelt ist, wobei der Prozess so strukturiert ist, dass er einen Fahrzeugwegplan auf der Grundlage der Fahrumgebung des Fahrzeugs und lokaler Infrastrukturinformationen berechnet; und eine Anzeige, die betriebsfähig mit dem ersten Sensor, dem Prozessor und dem automatischen Antriebssystem gekoppelt ist, umfassen. Der Prozessor kann so strukturiert werden, dass er die Anzeige so steuert, dass eine grafische Darstellung der Fahrumgebung des Fahrzeugs und des Fahrzeugwegplans angezeigt wird.

Description

EINLEITUNG
Die Offenbarung des Themas bezieht sich auf Systeme und Verfahren zum Messen der Zufriedenheit der Fahrgäste in einem autonomen Fahrzeug, zum Erhöhen der Zufriedenheit der Fahrgäste in einem autonomen Fahrzeug und zum Anpassen des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit der Fahrgäste.
Die Entwicklungen in der Technologie autonomer Fahrzeuge können einen größeren Zugang der Öffentlichkeit zu autonomen Fahrzeugen ermöglichen. Wie bei vielen neuen Technologien kann es jedoch zunächst zu einem Vertrauensverlust der Fahrgäste in die Fahrfähigkeiten autonomer Fahrzeuge kommen. Darüber hinaus können die Fahrgäste durch den Fahrbetrieb eines autonomen Fahrzeugs frustriert werden, insbesondere wenn der Fahrgast nicht weiß, mit welchen Daten das autonome Fahrzeug Entscheidungen trifft. Diese Fragen des mangelnden Vertrauens, der mangelnden Zufriedenheit und der Frustration der Fahrgäste können die Annahme der autonomen Fahrzeugtechnologie durch die Öffentlichkeit verzögern. Darüber hinaus können die derzeitigen Verfahren zur Untersuchung der Zufriedenheit der Fahrgäste in autonomen Fahrzeugen auf einer subjektiven Bewertung der Zufriedenheit der Fahrgäste nach Abschluss der Fahrt beruhen, die möglicherweise die Zufriedenheit der Fahrgäste nicht genau bewertet und zu Verzögerungen bei der Umsetzung von Verbesserungen im Fahrbetrieb des autonomen Fahrzeugs führen kann.
Dementsprechend kann es wünschenswert sein, ein System und ein Verfahren bereitzustellen, mit denen die Zufriedenheit der Fahrgäste in einem autonomen Fahrzeug in Echtzeit genau bewertet werden kann, wenn die Reaktionen der Fahrgäste auftreten, indem objektive Messungen des Verhaltens der Fahrgäste erfasst werden. Darüber hinaus könnte es wünschenswert sein, ein System und ein Verfahren bereitzustellen, das das Fahrverhalten des autonomen Fahrzeugs in Erwiderung auf die Echtzeitbewertung der Fahrgastzufriedenheit automatisch verändern kann. Zusätzlich kann es wünschenswert sein, ein Verfahren und ein System zur Verbesserung der Fahrgastzufriedenheit durch Änderung des Fahrverhaltens und die Darstellung relevanter Informationen in einem für die Fahrgäste leicht verständlichen Format bereitzustellen.
BESCHREIBUNG
In einer beispielhaften Ausführungsform kann ein System zum Erhöhen der Zufriedenheit eines Fahrgasts in einem Fahrzeug mit einem automatisierten Fahrsystem, das so strukturiert ist, dass es das autonome Fahrzeug bedient, einen ersten Sensor umfassen, der so strukturiert ist, dass er eine Fahrumgebung des Fahrzeugs erkennt, wobei der erste Sensor funktionsfähig mit dem automatisierten Fahrsystem gekoppelt ist. Das System kann ferner einen Prozessor umfassen, der mit dem ersten Sensor und dem automatischen Antriebssystem betriebsbereit gekoppelt ist, wobei der Prozessor so strukturiert ist, dass er einen Fahrzeugwegplan auf der Grundlage der Fahrumgebung des Fahrzeugs und der lokalen Infrastrukturinformationen berechnet. Das System kann ferner eine Anzeige umfassen, die mit dem ersten Sensor, dem Prozessor und dem automatischen Antriebssystem betriebsbereit gekoppelt ist. Der Prozessor kann so strukturiert werden, dass er die Anzeige so steuert, dass eine grafische Darstellung der Fahrumgebung des Fahrzeugs und des Fahrzeugwegplans angezeigt wird.
In einer weiteren beispielhaften Ausführungsform des Systems kann die grafische Darstellung die aktuelle Geschwindigkeit des Fahrzeugs, den Beschleunigungsstatus des Fahrzeugs, die Anzeige von Objekten in der Nähe und die lokalen Infrastrukturinformationen umfassen.
In einer anderen beispielhaften Ausführungsform des Systems kann die grafische Darstellung einen Hinweis auf ein bevorstehendes Manöver auf der Grundlage des Fahrzeugwegplans enthalten.
In einer anderen beispielhaften Ausführungsform des Systems kann das System ferner einen Kommunikationsknoten enthalten, der so strukturiert ist, dass er mit einem externen Gerät kommunizieren kann. Der Kommunikationsknoten kann funktionsfähig mit dem Prozessor gekoppelt sein. Der Kommunikationsknoten kann so strukturiert werden, dass er die lokalen Infrastrukturinformationen vom externen Gerät empfängt.
In einer anderen beispielhaften Ausführungsform des Systems kann der erste Sensor ein LIDAR-System enthalten, und der Prozessor kann so strukturiert sein, dass er die Anzeige so steuert, dass ein Miniaturbild einer Ausgabe des LIDAR-Systems angezeigt wird.
In einer anderen beispielhaften Ausführungsform des Systems kann der Prozessor so strukturiert sein, dass er die Anzeige so steuert, dass in Erwiderung auf eine Eingabe des Fahrgasts eine vergrößerte Ansicht des Ausgangs-LIDAR-Systems angezeigt wird.
In einer anderen beispielhaften Ausführungsform des Systems kann das System einen zweiten Sensor enthalten, der so strukturiert ist, dass er eine erste Eigenschaft des Fahrgasts erkennt, wobei der zweite Sensor funktionsfähig mit dem Prozessor verbunden ist. Der Prozessor kann so strukturiert werden, dass er einen Index der Fahrgastzufriedenheit auf der Grundlage der ersten Eigenschaft des Fahrgasts berechnet. Der Prozessor kann so strukturiert sein, dass er das automatisierte Fahrsystem so steuert, dass das Fahrverhalten des autonomen Fahrzeugs in Erwiderung auf den Index der Fahrgastzufriedenheit, der eine erste Bedingung erfüllt, geändert wird. Der Prozessor kann so strukturiert sein, dass er die Anzeige steuert, um den Fahrgast über eine Änderung des Fahrverhaltens des Fahrzeugs zu informieren.
In einer anderen beispielhaften Ausführungsform des Systems kann die erste Bedingung ein vorgegebenes Maß an Unzufriedenheit der Fahrgäste beinhalten. Der Prozessor kann so strukturiert werden, dass er in Erwiderung auf den Index der Fahrgastzufriedenheit, der das vorher festgelegte Niveau der Unzufriedenheit der Fahrgäste erfüllt, das automatisierte Fahrsystem steuert, um die Bewusstheit des Fahrverhaltens des autonomen Fahrzeugs zu erhöhen.
In einer anderen beispielhaften Ausführungsform des Systems kann die erste Eigenschaft einen Fahrgast-Frustrationsindex I_F oder einen Fahrgast-Vertrauensindex I_T umfassen.
In einer anderen beispielhaften Ausführungsform des Systems kann der Fahrgast-Frustrationsindex I_F eine Funktion eines Wertes für die Dauer der Straßenüberwachung, eines Wertes für die Dauer einer sekundären Aktivität, eines Transaktionswertes für eine Multi-Task-Aktivität, eines Wertes für den Blick in ein Seitenfenster oder eines Wertes für einen Gesichtsausdruck sein.
In einer anderen beispielhaften Ausführungsform des Systems kann der Fahrgast-Frustrationsindex I_F eine Funktion eines galvanischen Hautreaktionswertes, eines Hauttemperaturwertes, eines verbalen Valenzwertes oder eines Gesichtsausdruckswertes sein.
In einer anderen beispielhaften Ausführungsform des Systems kann das System einen Kommunikationsknoten enthalten, der für die Kommunikation mit einem externen Gerät strukturiert ist. Der Kommunikationsknoten kann funktionsfähig mit dem Prozessor gekoppelt sein. Der zweite Sensor kann ein intelligentes Gerät sein, das vom Fahrgast getragen wird. Der Kommunikationsknoten kann so strukturiert sein, dass er mit dem intelligenten Gerät kommuniziert, um die erste Eigenschaft zu erhalten. Die erste Eigenschaft kann eine galvanische Hautreaktion des Fahrgasts, eine Hauttemperatur des Fahrgasts oder eine Herzfrequenz des Fahrgasts sein.
In einer anderen beispielhaften Ausführungsform des Systems kann das System einen Kommunikationsknoten enthalten, der für die Kommunikation mit einem externen Gerät strukturiert ist. Der Kommunikationsknoten kann funktionsfähig mit dem Prozessor gekoppelt sein. Der Kommunikationsknoten kann so strukturiert werden, dass er Verkehrsdaten, Wetterdaten, soziale Daten der Fahrgäste, Fahrgastkalenderdaten oder Zieldaten vom externen Gerät empfängt. Der Prozessor kann so strukturiert werden, dass der Index der Fahrgastzufriedenheit auf der Grundlage der Verkehrsdaten, der Wetterdaten, der sozialen Daten der Fahrgäste, der Fahrgastkalenderdaten oder der Zieldaten geändert werden kann.
In einer beispielhaften Ausführungsform kann ein Verfahren zum Erhöhen der Zufriedenheit eines Fahrgasts in einem Fahrzeug, das über ein automatisiertes Antriebssystem verfügt, das so strukturiert ist, dass es das autonome Fahrzeug bedient, die Erfassung der Fahrumgebung des Fahrzeugs mit einem ersten Sensor umfassen. Das Verfahren kann auch die Beschaffung von Informationen über die lokale Infrastruktur beinhalten. Das Verfahren kann ferner das Berechnen eines Fahrzeugwegplans mit einem Prozessor umfassen, der auf der Fahrumgebung des Fahrzeugs und den lokalen Infrastrukturinformationen basiert. Das Verfahren kann ferner die Anzeige einer grafischen Darstellung der Fahrumgebung des Fahrzeugs und des Fahrzeugwegplans auf einem Display umfassen.
In einer anderen beispielhaften Ausführungsform des Verfahrens kann die Anzeige einer grafischen Darstellung die Anzeige der aktuellen Geschwindigkeit des Fahrzeugs, des Beschleunigungsstatus des Fahrzeugs, der Anzeige von Objekten in der Nähe und der lokalen Infrastrukturinformationen umfassen.
In einer anderen beispielhaften Ausführungsform des Verfahrens kann die Anzeige der grafischen Darstellung die Angabe eines bevorstehenden Manövers auf der Grundlage des Fahrzeugwegplans beinhalten.
In einer anderen beispielhaften Ausführungsform des Verfahrens kann das Verfahren ferner die Erkennung einer ersten Eigenschaft des Fahrgasts mit einem zweiten Sensor umfassen. Das Verfahren kann ferner das Berechnen eines Index der Fahrgastzufriedenheit mit dem Verarbeiter umfassen, der auf der ersten Eigenschaft des Fahrgasts basiert. Das Verfahren kann ferner das Steuern des automatisierten Fahrsystems umfassen, um das Fahrverhalten des autonomen Fahrzeugs in Erwiderung auf den Index der Fahrgastzufriedenheit, der eine erste Bedingung erfüllt, zu ändern. Das Verfahren kann ferner die Anzeige einer Benachrichtigung über eine Änderung des Fahrverhaltens des Fahrzeugs auf dem Display umfassen.
In einer anderen beispielhaften Ausführungsform des Verfahrens kann die erste Bedingung ein vorgegebenes Maß an Unzufriedenheit der Fahrgäste beinhalten. Das Verfahren kann ferner, in Erwiderung auf den Index der Fahrgastzufriedenheit, der den vorher festgelegten Grad an Unzufriedenheit erfüllt, die Steuerung des automatischen Fahrsystems umfassen, um die Bewusstheit des Fahrverhaltens des Fahrzeugs zu erhöhen.
In einer anderen beispielhaften Ausführungsform des Verfahrens kann das Verfahren ferner die Kommunikation mit dem zweiten Sensor über einen Kommunikationsknoten des autonomen Fahrzeugs umfassen. Der zweite Sensor kann ein intelligentes Gerät enthalten, das vom Fahrgast getragen wird. Die erste Bedingung kann eine galvanische Hautreaktion des Fahrgasts, eine Hauttemperatur des Fahrgasts oder eine Herzfrequenz des Fahrgasts umfassen.
In einer anderen beispielhaften Ausführungsform des Verfahrens kann das Verfahren ferner den Empfang von Verkehrsdaten, Wetterdaten, sozialen Daten der Fahrgäste, Fahrgastkalenderdaten oder Zieldaten von einem externen Gerät über einen Kommunikationsknoten des autonomen Fahrzeugs umfassen. Der Fahrgastzufriedenheitsindex kann auf der Grundlage der Verkehrsdaten, der Wetterdaten, der sozialen Daten der Fahrgäste, der Fahrgastkalenderdaten oder der Zieldaten geändert werden.
Die oben genannten Merkmale und Vorteile sowie andere Merkmale und Vorteile der Offenbarung sind aus der folgenden detaillierten Beschreibung leicht ersichtlich, wenn sie in Verbindung mit den beigefügten Figuren aufgenommen werden.
Figurenliste
Weitere Merkmale, Vorteile und Details erscheinen nur beispielhaft in der folgenden Detailbeschreibung, wobei sich die Detailbeschreibung auf die Figuren bezieht, in denen sie enthalten sind:

1 ist ein schematisches Diagramm, das eine beispielhafte Ausführungsform eines Systems zum Messen der Fahrgastzufriedenheit darstellt;
2 ist ein schematisches Diagramm, das eine beispielhafte Ausführungsform eines Systems zum Messen der Fahrgastzufriedenheit darstellt;
3 ist ein schematisches Diagramm, das eine beispielhafte Ausführungsform eines Systems zum Messen der Fahrgastzufriedenheit darstellt;
4 ist ein schematisches Diagramm, das eine beispielhafte Ausführungsform eines Systems zum Messen der Fahrgastzufriedenheit darstellt;
5 ist ein schematisches Diagramm, das eine beispielhafte Ausführungsform eines Systems zum Messen der Fahrgastzufriedenheit darstellt;
6 ist ein schematisches Diagramm, das eine beispielhafte Ausführungsform eines Systems zum Messen der Fahrgastzufriedenheit darstellt;
7 ist ein schematisches Diagramm, das eine beispielhafte Ausführungsform eines Systems zum Messen der Fahrgastzufriedenheit darstellt;
8 ist ein Flussdiagramm einer beispielhaften Ausführungsform einer Verfahren zum Messen der Fahrgastzufriedenheit;
9 ist ein Flussdiagramm einer beispielhaften Ausführungsform einer Verfahren zum Messen der Fahrgastzufriedenheit;
10 ist ein Flussdiagramm einer beispielhaften Ausführungsform einer Verfahren zum Messen der Fahrgastzufriedenheit;
11 ist ein Flussdiagramm einer beispielhaften Ausführungsform einer Verfahren zum Messen der Fahrgastzufriedenheit;
12 ist ein Flussdiagramm einer beispielhaften Ausführungsform einer Verfahren zum Messen der Fahrgastzufriedenheit;
13 ist ein Flussdiagramm einer beispielhaften Ausführungsform einer Verfahren zum Messen der Fahrgastzufriedenheit;
14 ist ein Flussdiagramm einer beispielhaften Ausführungsform einer Verfahren zum Messen der Fahrgastzufriedenheit;
15 ist ein Flussdiagramm einer beispielhaften Ausführungsform einer Verfahren zum Messen der Fahrgastzufriedenheit;
16 ist ein Flussdiagramm einer beispielhaften Ausführungsform einer Verfahren zum Messen der Fahrgastzufriedenheit;
17 ist ein Flussdiagramm einer beispielhaften Ausführungsform einer Verfahren zum Messen der Fahrgastzufriedenheit;
18 ist ein Flussdiagramm einer beispielhaften Ausführungsform einer Verfahren zum Messen der Fahrgastzufriedenheit;
19 ist ein Flussdiagramm einer beispielhaften Ausführungsform einer Verfahren zum Messen der Fahrgastzufriedenheit;
20 ist ein schematisches Diagramm, das eine beispielhafte Ausführungsform eines Systems zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit der Fahrgäste darstellt;
21 ist eine beispielhafte Ausführungsform, die eine Veränderung des Fahrverhaltens veranschaulicht;
22 ist eine beispielhafte Ausführungsform, die eine Veränderung des Fahrverhaltens veranschaulicht;
23 ist ein schematisches Diagramm, das eine beispielhafte Ausführungsform eines Systems zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit der Fahrgäste darstellt;
24 ist ein Flussdiagramm einer beispielhaften Ausführungsform eines Verfahrens zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit der Fahrgäste;
25 ist ein Flussdiagramm einer beispielhaften Ausführungsform eines Verfahrens zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit der Fahrgäste;
26 ist ein Flussdiagramm einer beispielhaften Ausführungsform eines Verfahrens zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit der Fahrgäste;
27 ist ein Flussdiagramm einer beispielhaften Ausführungsform eines Verfahrens zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit der Fahrgäste;
28 ist ein Flussdiagramm einer beispielhaften Ausführungsform eines Verfahrens zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit der Fahrgäste;
29 ist ein schematisches Diagramm, das eine beispielhafte Ausführungsform eines Systems zum Erhöhen der Fahrgastzufriedenheit beim Betrieb eines autonomen Fahrzeugs darstellt;
30 ist eine beispielhafte Darstellung einer Anzeige zum Erhöhen der Fahrgastzufriedenheit beim Betrieb eines autonomen Fahrzeugs;
31 ist ein Vergleich zwischen einer beispielhaften Ausführungsform einer Fahrumgebung und einer beispielhaften Ausführungsform einer Anzeige.
32 ist eine beispielhafte Darstellung einer Anzeige zum Erhöhen der Fahrgastzufriedenheit beim Betrieb eines autonomen Fahrzeugs;
33 ist ein schematisches Diagramm, das beispielhaft ein System zum Erhöhen der Fahrgastzufriedenheit im Betrieb eines autonomen Fahrzeugs darstellt;
34 ist ein schematisches Diagramm, das eine beispielhafte Ausführungsform eines Systems zum Erhöhen der Fahrgastzufriedenheit beim Betrieb eines autonomen Fahrzeugs darstellt;
35 ist eine beispielhafte Darstellung einer Anzeige zum Erhöhen der Fahrgastzufriedenheit beim Betrieb eines autonomen Fahrzeugs;
36 ist eine beispielhafte Darstellung einer Anzeige zum Erhöhen der Fahrgastzufriedenheit beim Betrieb eines autonomen Fahrzeugs;
37 ist ein Flussdiagramm, das beispielhaft ein Verfahren zum Erhöhen der Fahrgastzufriedenheit beim Betrieb eines autonomen Fahrzeugs darstellt;
38 ist ein Flussdiagramm, das eine beispielhafte Ausführungsform einer Verfahren zum Erhöhen der Fahrgastzufriedenheit beim Betrieb eines autonomen Fahrzeugs darstellt; und
39 ist ein Flussdiagramm, das beispielhaft ein Verfahren zum Erhöhen der Fahrgastzufriedenheit beim Betrieb eines autonomen Fahrzeugs darstellt.

DETAILLIERTE BESCHREIBUNG
Die folgende Beschreibung hat lediglich beispielhaften Charakter und soll die vorliegende Offenbarung, ihre Anwendung oder ihren Gebrauch nicht einschränken. Es sollte verstanden werden, dass in den Figuren entsprechende Bezugsziffern gleiche oder entsprechende Teile und Merkmale anzeigen. Der hier verwendete Begriff Modul bezieht sich auf Verarbeitungsschaltungen, die eine anwendungsspezifische integrierte Schaltung (ASIC), eine elektronische Schaltung, einen Prozessor (gemeinsam, dediziert oder gruppenweise) und einen Speicher, der ein oder mehrere Software- oder Firmware-Programme ausführt, eine kombinatorische Logikschaltung und/oder andere geeignete Komponenten, die die beschriebene Funktionalität bereitstellen, umfassen können.
In Übereinstimmung mit einer beispielhaften Ausführungsform zeigen die 1-2 ein System 12 zum Messen der Zufriedenheit eines Fahrgasts 14 in einem Fahrzeug 10. Fahrzeug 10 kann ein autonomes Fahrzeug sein. Das System 12 kann einen ersten Sensor 16 und einen Prozessor 18 enthalten. Der erste Sensor 16 und der Prozessor 18 können funktionsfähig verbunden werden, z.B. über einen Bus 20. Der erste Sensor 16 und der Prozessor 18 können auch über drahtlose Kommunikation betriebsbereit verbunden werden. Der erste Sensor 16 kann so strukturiert werden, dass er eine erste Eigenschaft von Fahrgast 14 erkennt. Im Folgenden werden beispielhafte Ausführungsformen des ersten Sensors 16 und der ersten Eigenschaft ausführlich beschrieben. Der Prozessor 18 kann so strukturiert werden, dass er einen Index der Fahrgastzufriedenheit von Fahrgast 14 berechnet, der auf der ersten von Sensor 16 erfassten Eigenschaft von Fahrgast 14 basiert.
Zusätzlich zeigt 1, dass zumindest in einer Ausführungsform das System 12 auch einen zweiten Sensor 22 enthalten kann. Der zweite Sensor 22 kann funktionsfähig mit dem Prozessor 16 gekoppelt werden, und der zweite Sensor 22 kann so strukturiert werden, dass er eine zweite Eigenschaft des Fahrgasts 14 erkennt. Die zweite Eigenschaft kann sich von der ersten Eigenschaft unterscheiden. In einer Ausführungsform, in der ein zweiter Sensor 22 vorhanden ist, kann der Prozessor 18 so strukturiert werden, dass er den Fahrgastzufriedenheitsindex von Fahrgast 14 auf der Grundlage der ersten Eigenschaft und der zweiten Eigenschaft berechnet. Die erste Eigenschaft und die zweite Eigenschaft können objektive Messungen der Reaktion von Fahrgast 14 auf den Betrieb des autonomen Fahrzeugs sein und können biometrische Daten von Fahrgast 14, die Interpretation von Gesten oder Worten von Fahrgast 14 oder eine Quantifizierung der Frustration oder des Vertrauens von Fahrgast 14 in den Betrieb des autonomen Fahrzeugs 10 umfassen. Die erste Eigenschaft von Fahrgast 14 wird im Folgenden anhand von Beispielen näher erläutert.
Die erste Eigenschaft kann eine Quantifizierung des Frustrationsgrades der Fahrgäste 14 des Betriebs des autonomen Betriebs von Fahrzeug 10 beinhalten, wie z.B. ein Fahrgast Frustrationsindex _IF. Alternativ kann die erste Eigenschaft eine Quantifizierung des Vertrauens von Fahrgast 14 in den autonomen Betrieb von Fahrzeug 10 beinhalten, wie z.B. ein Fahrgastvertrauensindex I_T. Die erste Eigenschaft kann auch eine Kombination aus dem Fahrgast-Frustrationsindex _IF und dem Fahrgastvertrauensindex _IT sein.
In einer beispielhaften Ausführungsform kann der Index der Fahrgastzufriedenheit durch die folgende Gleichung ausgedrückt werden: ${PSI = 100 - W}_{1} (I_{T}) - W2 (I_{F})$
PSI ist der Fahrgastzufriedenheitsindex und W₁, W₂ sind Gewichtungsfunktionen, um eine Skalierung des Fahrgast-Vertrauensindex I_T und des Fahrgast-Frustrationsindex I_F zu ermöglichen und eine Summe aus I_T und I_F auf 100 oder weniger zu begrenzen. Wie unten im Detail erläutert, können der Fahrgast-Vertrauensindex I_T und der Fahrgast-Frustrationsindex I_F auf der Grundlage einer Vielzahl verschiedener Arten von Inputs berechnet werden. So können die Gewichtungsfunktionen W₁ und W₂ verwendet werden, um den Fahrgast-Vertrauensindex I_T und den Fahrgast-Frustrationsindex I_F zu normalisieren und zu gewichten, um die Analyse und den Vergleich zu erleichtern. Die Gewichtungsfunktionen W₁ und W₂ können ein konstanter Koeffizient sein oder variable Funktionen, die auf der Art oder Menge der betrachteten Daten basieren. Alternativ kann eine der Gewichtungsfunktionen W₁, W₂ auf 0 gesetzt werden, wenn ein bestimmter Wert bei der Berechnung des Fahrgastzufriedenheits-Index PSI nicht verwendet wird.
In dieser beispielhaften Ausführungsform ist der Fahrgastzufriedenheitsindex PSI auf einen Basiswert von 100 ausgelegt. Es wird jedoch davon ausgegangen, dass dies nicht erforderlich ist, und der Basiswert kann nach Wunsch des Herstellers eingestellt werden. Beispielsweise könnte stattdessen ein Basiswert von 0 verwendet werden.
Darüber hinaus wird davon ausgegangen, dass das Berechnen des Fahrgastzufriedenheits-Index PSI nicht auf Subtraktionsoperationen wie oben dargestellt beschränkt ist. Die genauen Operationen, die verwendet werden, hängen von der Definition des Fahrgast-Vertrauensindex I_T und des Fahrgast-Frustrationsindex I_F ab und davon, wie diese Werte berechnet werden. So kann z.B. in einer Ausführungsform ein höherer Wert des Fahrgastzufriedenheits-Index PSI auf ein höheres Maß an Zufriedenheit von Fahrgast 14 hinweisen, während ein niedrigerer Wert des Fahrgastzufriedenheits-Index PSI auf ein niedrigeres Maß an Zufriedenheit von Fahrgast 14 hinweist. Alternativ dazu kann in einer anderen Ausführungsform ein höherer Wert des Fahrgastzufriedenheits-Index PSI einen Grad der Fahrgastzufriedenheit von Fahrgast 14 anzeigen, während ein niedrigerer Wert des Fahrgastzufriedenheits-Index PSI einen höheren Zufriedenheitsgrad von Fahrgast 14 einschließen kann. Dementsprechend wird das Vorzeichen der Operationen und das Vorzeichen der Werte des Fahrgast-Vertrauensindex I_T und des Fahrgast-Frustrationsindex I_F vom Bezugsrahmen für die Bewertung des Fahrgast-Zufriedenheitsindex PSI abhängen.
Der Fahrgast-Vertrauensindex I_T kann auf einer Vielzahl von Eingaben basieren, die auf der Beobachtung von Fahrgast 14 basieren. Der Fahrgast-Vertrauensindex I_T kann zum Beispiel auf der Grundlage eines Straßenüberwachungsdauerwertes DMR, eines sekundären Aktivitätsdauerwertes DSA, eines Multi-Task-Aktivitätstransaktionswertes MAT, eines Seitenfenster-Blickwertes GSW oder eines Gesichtsausdruckswertes FGV berechnet werden. In einer beispielhaften Ausführungsform kann der Fahrgast-Vertrauensindex I_T auf der folgenden Gleichung basieren: $I_{F} = W_{3} (DMR) + W_{4} (DSA) + W_{5} (MAT) + W_{6} (GSW) + W_{7} (FGV)$
W₃, W₄, W₅, W₆ und W₇ sind Gewichtungsfunktionen zur Skalierung und Normalisierung. Jeder der Werte für die Dauer der Straßenüberwachung DMR, der Wert für die Dauer der sekundären Aktivität DSA, der Wert für die Multi-Task-Aktivitätstransaktion MAT, der Wert für den Seitenfensterblick GSW und der Wert für den Gesichtsausdruck FGV können unterschiedliche Bereiche möglicher Werte oder unterschiedliche Größen haben. Entsprechend skalieren und normalisieren die Gewichtungsfunktionen W₃, W₄, W₅, W₆ und W₇ die Werte, so dass sie sinnvoll kombiniert und analysiert werden können. Die Gewichtungsfunktionen W₃, W₄, W₅, W₆ und W₇ können ein konstanter Koeffizient sein oder variable Funktionen, die auf der Art oder Menge der betrachteten Daten basieren. Alternativ kann eine der Gewichtungsfunktionen W₃, W₄, W₅, W₆ und W₇ auf 0 gesetzt werden, wenn ein bestimmter Wert bei der Berechnung des Fahrgast-Vertrauensindex I_T nicht verwendet wird. Die Vorzeichen der Gewichtungsfunktionen W₃, W₄, W₅, W₆ und W₇ können auch unterschiedlich sein, je nachdem, wie die spezifischen Werte des Straßenüberwachungsdauerwertes DMR, des Sekundäraktivitätsdauerwertes DSA, des Multi-Task-Aktivitätstransaktionswertes MAT, des Seitenfenster-Blickwertes GSW und des Gesichtsausdruckswertes FGV berechnet werden. In einer Ausführungsform kann beispielsweise ein positiver Wert des Straßenüberwachungsdauerwertes DMR auf ein geringes Maß an Vertrauen in den autonomen Betrieb von Fahrzeug 10 hinweisen, während ein positiver Wert des Sekundäraktivitätsdauerwertes DSA auf ein hohes Maß an Vertrauen in den autonomen Betrieb von Fahrzeug 10 hinweist. Dementsprechend können die Vorzeichen der Gewichtungsfunktionen W₃ und W₄ einander gegenübergestellt werden, so dass der Fahrgast-Vertrauensindex I_T die Bedeutung der in der Berechnung verwendeten Werte genau widerspiegelt.
2 zeigt eine beispielhafte Ausführungsform des Systems 12, das so eingerichtet ist, dass es den Straßenüberwachungsdauerwert DMR, den sekundären Aktivitätsdauerwert DSA, den Multi-Task-Aktivitätstransaktionswert MAT, den Seitenfenster-Blickwert GSW und den Gesichtsausdruckswert FGV berechnet. In 2 kann der erste Sensor 16 als Kamera 23 implementiert werden. Die Kamera 23 kann im Armaturenbrett 24 von Fahrzeug 10, an der Innendecke von Fahrzeug 10, in einem Lenkrad 26 oder an einer beliebigen Stelle angebracht werden, an der die Kamera das Gesicht von Fahrgast 14 aufnehmen kann. Die Sichtlinien von Kamera 23 sind in 2 gestrichelt dargestellt. Während 2 mehrere Kameras 23 zeigt, wird verstanden, dass dies zu illustrativen Zwecken geschieht, um zumindest einige mögliche Positionen von Kamera 23 zu zeigen, und es wird weiter verstanden, dass eine einzelne Kamera 23 bereitgestellt werden kann. Die Kamera 23 kann so strukturiert werden, dass sie eine Video-Zeitreihe des Gesichts und des Kopfes von dem Fahrgast 14 aufnimmt und ausgibt. Die Kamera 23 und/oder der Prozessor 18 (in 1 dargestellt) können zum Berechnen der Blickrichtung von dem Fahrgast 14 auf der Grundlage der Analyse der von Kamera 23 aufgezeichneten Videozeitreihe verwendet werden.
Der DMR-Wert für die Straßenüberwachungsdauer kann auf der Grundlage der von der Kamera 23 ausgegebenen Videozeitreihe berechnet werden, wie durch die folgende Gleichung gegeben: $DMR= Σ_{i=0}^{n} \frac{EGR {(x (t))}_{i} Δ t}{t}$
wobei x(t) eine von der Kamera ausgegebene Videozeitreihe ist, EGR( ) eine Funktion ist, die einen ersten Wert ausgibt, wenn der Fahrgast 14 auf die Straße blickt, Δt eine Dauer des Blicks des Auges auf die Straße ist und t eine Dauer der Videozeitreihe ist.
Die Funktion EGR( ) kann einen Wert von 1 zurückgeben, wenn der Fahrgast 14 auf die Straße schaut, ansonsten 0. Alternativ dazu kann die Funktion EGR( ) so gestaltet werden, dass Blicken, die länger andauern, mehr Gewicht (d.h. ein höherer Wert) zugewiesen wird. Der Term Δt/t kann, wie oben in Gl. 3 gezeigt, zur Gewichtung des Wertes im Verhältnis von Betrachtungszeitraum zu Gesamtzeit der Videozeitreihe aufgenommen werden.
Man wird verstehen, dass Gl. 3 nicht die einzige mögliche Gleichung zum Berechnen des DMR-Wertes für die Straßenüberwachungsdauer ist und dass die Gleichung auf der Grundlage der spezifischen Anforderungen bestimmter Anwendungen modifiziert werden kann. Unabhängig von der spezifischen Gleichung, die zum Berechnen des DMR-Wertes für die Straßenüberwachungsdauer verwendet wird, wird davon ausgegangen, dass das Berechnen des DMR-Wertes für die Straßenüberwachungsdauer einen Wert liefert, der die Zeit angibt, die der Fahrgast 14 mit dem Betrachten der Straße verbringt. Wenn der Fahrgast 14 einen großen Prozentsatz seiner Zeit damit verbringt, auf die Straße zu schauen, könnte dies auf ein geringeres Vertrauen in den autonomen Betrieb von Fahrzeug 10 hindeuten, und der Fahrgastvertrauensindex I_T und der Fahrgastzufriedenheitsindex PSI können entsprechend angepasst werden. Wenn der Fahrgast nicht auf die Straße schaut (z. B. auf ein Telefon, ein Buch oder andere Fahrgäste), könnte dies ein höheres Maß an Vertrauen in den autonomen Betrieb von Fahrzeug 10 anzeigen, und der Fahrgastvertrauensindex I_T und der Fahrgastzufriedenheitsindex PSI können entsprechend angepasst werden.
Der DSA-Wert der sekundären Aktivitätsdauer kann auf der Grundlage der von der Kamera 23 ausgegebenen Videozeitreihe gemäß der folgenden Gleichung berechnet werden: $DSA= Σ_{i=0}^{n} \frac{EGPD {(x (t))}_{i} Δ t}{t}$
wobei x(t) eine von der Kamera ausgegebene Videozeitreihe ist, EGPD() eine Funktion ist, die einen ersten Wert ausgibt, wenn der Fahrgast 14 eine Nebenaktivität ausführt, Δt eine Dauer der Ausführung der Nebenaktivität ist und t eine Dauer der Videozeitreihe ist.
Die Funktion EGPD( ) kann einen Wert von 1 zurückgeben, wenn der Fahrgast 14 eine Nebentätigkeit ausführt, wie z.B. Telefonieren, Lesen, andere Fahrgäste anschauen oder ähnliches. Alternativ kann die Funktion EGPD( ) so gestaltet werden, dass Nebentätigkeiten, die länger dauern, mehr Gewicht (d.h. einen höheren Wert) erhalten. Der Term Δt/t kann, wie oben in Gl. 4 gezeigt, als eine Möglichkeit zur Gewichtung des Wertes durch das Verhältnis der Nebenaktivitätszeit zur Gesamtzeit der Videozeitreihe aufgenommen werden.
Man wird verstehen, dass Gl. 4 nicht die einzige mögliche Gleichung zum Berechnen des DSA-Wertes der sekundären Aktivitätsdauer ist und dass die Gleichung auf der Grundlage der spezifischen Anforderungen bestimmter Anwendungen modifiziert werden kann. Unabhängig von der spezifischen Gleichung, die zum Berechnen des Wertes der sekundären Aktivitätsdauer DSA verwendet wird, wird davon ausgegangen, dass das Berechnen des Wertes der sekundären Aktivitätsdauer DSA einen Wert liefert, der die Zeitspanne angibt, die der Fahrgast 14 mit Aktivitäten verbringt, die nicht mit dem Betrieb des Fahrzeugs 10 zusammenhängen. Wenn der Fahrgast 14 einen großen Prozentsatz seiner Zeit mit Nebentätigkeiten verbringt, könnte dies auf ein höheres Maß an Vertrauen in den autonomen Betrieb von Fahrzeug 10 hindeuten, und der Fahrgastvertrauensindex I_T und der Fahrgastzufriedenheitsindex PSI können entsprechend angepasst werden. Wenn der Fahrgast nicht viel Zeit für Nebentätigkeiten aufwendet, könnte dies alternativ auf ein geringeres Vertrauen in den autonomen Betrieb von Fahrzeug 10 hinweisen, und der Fahrgastvertrauensindex I_T und der Fahrgastzufriedenheitsindex PSI können entsprechend angepasst werden.
Der sekundäre Seitenfenster-Blickwert GSW kann auf der Grundlage der von Kamera 23 ausgegebenen Videozeitreihe berechnet werden, wie durch die folgende Gleichung gegeben: $GSW= Σ_{i=0}^{n} (EGSW (x) (t))_{i})$
wobei x(t) eine von der Kamera ausgegebene Video-Zeitreihe ist und EGSW() eine Funktion ist, die einen ersten Wert ausgibt, wenn der Fahrgast zu Seitenfenstern blickt.
Die Funktion EGSW( ) kann einen Wert von 1 zurückgeben, wenn der Fahrgast 14 aus dem Seitenfenster von Fahrzeug 10 schaut. Alternativ kann die Funktion EGSW( ) so gestaltet werden, dass längeren Blicken oder häufigeren Blicken aus dem Seitenfenster mehr Gewicht (d.h. ein höherer Wert) zugewiesen wird.
Man wird verstehen, dass Gl. 5 nicht die einzige mögliche Gleichung zum Berechnen des Seitenfenster-Blickwerts GSW ist und dass die Gleichung auf der Grundlage der spezifischen Anforderungen bestimmter Anwendungen modifiziert werden kann. Unabhängig von der spezifischen Gleichung, die zum Berechnen des Seitenfenster-Blickwerts GSW verwendet wird, wird davon ausgegangen, dass das Berechnen des Seitenfenster-Blickwerts GSW einen Wert liefert, der angibt, wie oft oder wie lange der Fahrgast 14 aus dem Seitenfenster von Fahrzeug 10 schaut. Wenn der Fahrgast 14 einen großen Prozentsatz der Zeit damit verbringt, aus dem Seitenfenster zu schauen, könnte dies auf ein höheres Maß an Vertrauen in den autonomen Betrieb von Fahrzeug 10 hindeuten, und der Fahrgastvertrauensindex I_T und der Fahrgastzufriedenheitsindex PSI können entsprechend angepasst werden. Wenn der Fahrgast 14 nicht sehr oft aus dem Seitenfenster schaut, könnte dies alternativ auf ein geringeres Maß an Vertrauen in den autonomen Betrieb von Fahrzeug 10 hinweisen, und der Fahrgastvertrauensindex I_T und der Fahrgastzufriedenheitsindex PSI können entsprechend angepasst werden.
Der Multi-Task-Aktivitäts-Transaktionswert MAT kann auf der Grundlage der von Kamera 23 ausgegebenen Videozeitreihe berechnet werden, wie durch die folgende Gleichung gegeben: $MAT= Σ_{i=0}^{n} {(EGR (x) (t))}_{i} + EGPD (x) {(t))}_{i} + EGDV (x) {(t))}_{i} + EGSW (x) (t))_{i})$
wobei x(t) eine von der Kamera ausgegebene Videozeitreihe ist, EGR() eine Funktion ist, die einen ersten Wert ausgibt, wenn der Fahrgast 14 auf die Straße schaut, EGPD( ) eine Funktion ist, die einen zweiten Wert ausgibt, wenn der Fahrgast 14 eine Nebentätigkeit ausführt; EGVD() eine Funktion ist, die einen dritten Wert ausgibt, wenn der Fahrgast 14 auf Fahrzeugvorrichtungen schaut; und EGSW( ) eine Funktion ist, die einen vierten Wert ausgibt, wenn der Fahrgast 14 auf Seitenfenster schaut.
Die Funktionen EGR( ), EGPD( ) und EGSW( ) sind oben ausführlich beschrieben. Die Funktion EGVD( ) kann einen Wert von 1 zurückgeben, wenn der Fahrgast 14 Blicke auf Fahrzeugvorrichtungen wie Bedienelemente, Anzeigen oder Displays wirft. Alternativ kann EGVD( ) so gestaltet werden, dass der Wert je nach Länge des Blicks auf die Fahrzeugvorrichtung angepasst wird.
Es wird verstanden, dass Gl. 6 nicht die einzige mögliche Gleichung für den MAT für Multi-Task-Aktivitäts-Transaktionswert ist und dass die Gleichung auf der Grundlage der spezifischen Anforderungen bestimmter Anwendungen modifiziert werden kann. Unabhängig von der spezifischen Gleichung, die zum Berechnen des Multi-Task-Aktivitäts-Transaktionswertes MAT verwendet wird, wird davon ausgegangen, dass das Berechnen des Multi-Task-Aktivitäts-Transaktionswertes MAT einen Wert liefert, der auf ein Niveau von Multi-Tasking durch den Fahrgast 14 hinweist. Wenn der Fahrgast 14 viel Zeit mit Multitasking verbringt, könnte dies auf ein höheres Maß an Vertrauen in den autonomen Betrieb von Fahrzeug 10 hindeuten, und der Fahrgastvertrauensindex I_T und der Fahrgastzufriedenheitsindex PSI können entsprechend angepasst werden. Wenn Fahrgast 14 nicht viel Zeit für Multi-Tasking aufwendet, könnte dies alternativ auf ein geringeres Vertrauen in den autonomen Betrieb von Fahrzeug 10 hinweisen, und der Fahrgastvertrauensindex _IT und der Fahrgastzufriedenheitsindex PSI können entsprechend angepasst werden. Selbst wenn der Fahrgast 14 nicht viel Zeit mit Multi-Tasking verbringt, könnte das Berechnen des MAT für Multi-Tasking-Aktivitätstransaktionen so modifiziert werden, dass sie immer noch ein hohes Maß an Vertrauen in den autonomen Betrieb von Fahrzeug 10 widerspiegelt, wenn die Aufmerksamkeit des Fahrgasts 14 mehrheitlich auf Nebentätigkeiten oder den Blick aus den Seitenfenstern gerichtet ist.
Der Gesichtsausdruckswert FGV kann auf der Grundlage der von Kamera 23 ausgegebenen Videozeitreihe berechnet werden, wie durch die folgende Gleichung gegeben: $FGV = Σ_{i = 0}^{n} V (FAC (x) (t))_{i})$
wobei x(t) die von der Kamera ausgegebene Videozeitreihe ist, FAC( ) ein Gesichtsausdruck des Fahrgasts 14 ist; und V( ) eine Funktion ist, die einen ersten Wert ausgibt, wenn der Gesichtsausdruck einer ersten Gruppe von Gesichtsausdrücken entspricht, und einen zweiten Wert ausgibt, wenn der Gesichtsausdruck einer zweiten Gruppe von Gesichtsausdrücken entspricht.
Die Kamera 23 und der Prozessor 18 (in 1 dargestellt) können so strukturiert werden, dass sie das Gesicht von Fahrgast 14 interpretieren und den Gesichtsausdruck von dem Fahrgast 14 in eine von zwei Gruppen einordnen können. Diese Klassifizierung kann auf der Erkennung von Mustern in Form und Struktur von Augenbrauen, Augen, Mund und anderen relevanten Gesichtsmerkmalen des Fahrgasts 14 beruhen. Die erste Gruppe kann zum Beispiel positive Gesichtsausdrücke wie Überraschung, Glück, Interesse oder Ruhe beinhalten. Die zweite Gruppe kann negative Gesichtsausdrücke wie Traurigkeit, Angst, Wut, Ekel, Verachtung, Schrecken, Unbehagen oder Stoizismus umfassen. Wenn die Funktion FAC( ) feststellt, dass ein Gesichtsausdruck von dem Fahrgast 14 zur ersten Gruppe gehört, könnte die Funktion V( ) den Gesichtsausdruckswert FGV um 1 inkrementieren. Alternativ dazu könnte die Funktion V( ) den Gesichtsausdruckswert FGV um 1 dekrementieren, wenn die Funktion FAC( ) feststellt, dass einen Gesichtsausdruck von Fahrgast 14 zur zweiten Gruppe gehört. Mit anderen Worten, ein Gesichtsausdruckswert FGV, der positivere Gesichtsausdrücke anzeigt, könnte auf ein höheres Maß an Vertrauen in den autonomen Betrieb von Fahrzeug 10 hinweisen, und der Fahrgast-Vertrauensindex I_T und der Fahrgast-Zufriedenheitsindex PSI können entsprechend angepasst werden. Alternativ könnte ein Gesichtsausdruckswert FGV, der auf negativere Gesichtsausdrücke hinweist, auf ein geringeres Vertrauen in den autonomen Betrieb von Fahrzeug 10 hinweisen, und der Fahrgast-Vertrauensindex I_T und der Fahrgast-Zufriedenheitsindex PSI können entsprechend angepasst werden.
Der Fahrgast-Frustrationsindex I_F kann auf einer Vielzahl von Eingaben basieren, die auf der Beobachtung von Fahrgast 14 beruhen. Der Fahrgast-Frustrationsindex I_F kann beispielsweise auf der Grundlage eines galvanischen Hautreaktionswerts GSR, eines Hauttemperaturwerts ST, eines verbalen Valenzwerts VV oder eines Gesichtsausdruckswerts FGV berechnet werden. In einer beispielhaften Ausführungsform kann der Fahrgast-Frustrationsindex I_F auf folgender Gleichung beruhen: $I_{F} = W_{8} (GSR) + W_{9} (ST) W_{10} (VV) + W_{11} (FGV)$
W₈, W₉, W₁₀ und W₁₁ sind Gewichtungsfunktionen zur Skalierung und Normalisierung. Der galvanische Hautreaktionswert GSR, der Hauttemperaturwert ST, der verbale Valenzwert VV und der Gesichtsausdruckswert FGV können jeweils unterschiedliche Bereiche möglicher Werte oder unterschiedliche Größen aufweisen. Dementsprechend skalieren und normieren die Gewichtungsfunktionen W₈, W₉, W₁₀ und W₁₁ die Werte, so dass sie sinnvoll kombiniert und analysiert werden können. Die Gewichtungsfunktionen W₈, W₉, W₁₀ und W₁₁ können ein konstanter Koeffizient sein oder variable Funktionen, die auf der Art oder Menge der betrachteten Daten basieren. Alternativ kann eine der Gewichtungsfunktionen W₈, W₉, W₁₀ und W₁₁ auf 0 gesetzt werden, wenn ein bestimmter Wert nicht in das Berechnen des Fahrgast-Frustrationsindex I_T eingeht. Zusätzlich können die Vorzeichen der Gewichtungsfunktionen W₈, W₉, W₁₀ und W₁₁ ebenfalls variiert werden, je nachdem, wie die spezifischen Werte des galvanischen Hautreaktionswertes GSR, des Hauttemperaturwertes ST, des verbalen Valenzwertes VV und des Gesichtsausdruckswertes FGV berechnet werden. So kann beispielsweise in einer Ausführungsform ein positiver Wert des galvanischen Hautreaktionswertes GSR ein hohes Maß an Frustration mit dem autonomen Betrieb von Fahrzeug 10 anzeigen, während ein positiver Wert des Gesichtsausdruckswertes FGV ein niedriges Maß an Frustration mit dem autonomen Betrieb von Fahrzeug 10 anzeigen kann. Dementsprechend können die Vorzeichen der Gewichtungsfunktionen W₈ und W₁₁ gegeneinander gesetzt werden, so dass der Fahrgast-Frustrationsindex I_F die Bedeutung der in der Berechnung verwendeten Werte genau widerspiegelt.
3 zeigt eine beispielhafte Ausführungsform des Systems 12, das zum Berechnen des galvanischen Hautreaktionswertes GSR oder des Hauttemperaturwertes ST eingerichtet ist. In 3 kann der erste Sensor 16 als Hautsensor 30 implementiert werden. Der Hautsensor 30 kann im Lenkrad 26 vorgesehen werden und kann so strukturiert sein, dass er elektrische Eigenschaften der Haut des Beifahrers 14 (z. B. Widerstand, Spannung, Strom, Kapazität usw.) oder eine Hauttemperatur des Beifahrers 14 erfasst. Alternativ dazu kann ein Hautsensor 30 innerhalb des Sitzes 28 vorgesehen werden, wenn er richtig kalibriert ist, um die Kleidung und das eingestellte Material zwischen dem Hautsensor 30 und der Haut des Fahrgasts 14 zu berücksichtigen. Während 3 mehrere Hautsensoren 30 zeigt, wird verstanden, dass dies zur Veranschaulichung dient, um zumindest einige mögliche Positionen des Hautsensors 30 zu zeigen, und es wird weiter verstanden, dass ein einziger Hautsensor 30 vorgesehen werden kann. Der Hautsensor 30 ist so aufgebaut, dass er ein Signal ausgibt, das den elektrischen Eigenschaften der Haut von Fahrgast 14 oder der Temperatur der Haut von Fahrgast 14 entspricht, und das Signal kann von Prozessor 18 analysiert und verarbeitet werden (siehe 1).
Der galvanische Hautreaktionswert kann auf der Grundlage des Signals von Hautsensor 30 berechnet werden, der so eingerichtet ist, dass er elektrische Eigenschaften gemäß der folgenden Gleichung erkennt: $GSR = Σ_{i=0}^{n} F (x) {(t))}_{i}$
wobei x(t) eine Signalzeitreihe des vom Hautsensor 30 ausgegebenen Signals ist; und F( ) eine Funktion ist, die einen ersten Wert ausgibt, wenn ein Signalpegel ein erstes vorbestimmtes Kriterium erfüllt.
Beispielsweise kann die Funktion F() die galvanische Hautreaktion um einen festgelegten Wert erhöhen, wenn die elektrischen Eigenschaften der Haut von Fahrgast 14 einen festgelegten Schwellenwert über- oder unterschreiten. Alternativ kann die Funktion F() die galvanische Hautreaktion GSR um einen festgelegten Wert inkrementieren, wenn sich die elektrischen Eigenschaften der Haut von Fahrgast 14 um einen bestimmten Betrag oder für eine bestimmte Zeitdauer ändern.
Man wird verstehen, dass Gl. 9 nicht die einzige mögliche Gleichung zum Berechnen der galvanischen Hautreaktion GSR ist, und dass die Gleichung auf der Grundlage der spezifischen Anforderungen bestimmter Anwendungen modifiziert werden kann. Unabhängig von der spezifischen Gleichung, die zum Berechnen des galvanischen Hautreaktionswerts GSR verwendet wird, wird davon ausgegangen, dass das Berechnen des galvanischen Hautrichtungswerts GSR einen Wert liefert, der auf eine elektrische Reaktion des Fahrgasts 14 hinweist. Ein hohes Maß an elektrischer Reaktion oder schnelle oder große Änderungen der elektrischen Reaktion von Fahrgast 14 könnten auf ein höheres Maß an Frustration mit dem autonomen Betrieb von Fahrzeug 10 hinweisen, und der Fahrgast Frustrationsindex I_F und der Fahrgastzufriedenheitsindex PSI könnten entsprechend angepasst werden. Alternativ könnte ein geringes elektrisches Ansprechverhalten oder ein relativ konstantes elektrisches Ansprechverhalten von Fahrgast 14 auf ein geringeres Maß an Frustration mit dem autonomen Betrieb von Fahrzeug 10 hindeuten, und der Fahrgast-Frustrationsindex I_F und der Fahrgast-Zufriedenheitsindex PSI könnten entsprechend angepasst werden.
Der Hauttemperaturwert ST kann auf der Grundlage von Signalen eines Hautsensors 30 berechnet werden, der zur Temperaturerfassung eingerichtet ist. Alternativ kann der Hauttemperaturwert ST aus den von Kamera 23 aufgenommenen Bildern berechnet werden (siehe 2), wenn Kamera 23 Infrarotelemente enthält, die so strukturiert sind, dass sie die Temperatur erfassen. Der Hauttemperaturwert ST kann durch die folgende Gleichung angegeben werden: $ST = Σ_{i=0}^{n} F (x) {(t))}_{i}$
wobei x(t) eine Signalzeitreihe des von Hautsensor 30 oder Kamera 23 ausgegebenen Signals ist; und F( ) eine Funktion ist, die einen ersten Wert ausgibt, wenn ein Signalpegel ein erstes vorbestimmtes Kriterium erfüllt.
Beispielsweise kann die Funktion F( ) den Hauttemperaturwert ST um einen festgelegten Wert erhöhen, wenn die Hauttemperatur des Fahrgasts 14 einen festgelegten Schwellenwert über- oder unterschreitet. Alternativ kann die Funktion F( ) den Hauttemperaturwert ST um einen festgelegten Wert erhöhen, wenn sich die Hauttemperatur des Fahrgasts 14 um einen bestimmten Betrag oder für eine bestimmte Zeitdauer ändert.
Man wird verstehen, dass Gl. 10 nicht die einzige mögliche Gleichung für das Berechnen der Hauttemperaturreaktion ST ist und dass die Gleichung auf der Grundlage der spezifischen Anforderungen bestimmter Anwendungen modifiziert werden kann. Unabhängig von der spezifischen Gleichung, die zum Berechnen des Hauttemperaturverhaltens ST verwendet wird, wird davon ausgegangen, dass das Berechnen des Hauttemperaturverhaltens ST einen Wert liefert, der die Hauttemperatur des Fahrgasts 14 anzeigt. Hohe Hauttemperaturen oder schnelle oder große Änderungen der Hauttemperatur von Fahrgast 14 könnten auf ein höheres Maß an Frustration mit dem autonomen Betrieb von Fahrzeug 10 hinweisen, und der Fahrgast Frustrationsindex I_F und der Fahrgastzufriedenheitsindex PSI könnten entsprechend angepasst werden. Alternativ könnten niedrige Hauttemperaturen oder ein relativ konstantes Hauttemperaturniveau auf ein geringeres Maß an Frustration mit dem autonomen Betrieb von Fahrzeug 10 hinweisen, und der Fahrgast-Frustrationsindex I_F und der Fahrgastzufriedenheitsindex PSI könnten entsprechend angepasst werden.
4 zeigt eine beispielhafte Ausführungsform des Systems 12, das zum Berechnen des verbalen Valenzwertes VV eingerichtet ist. In 3 kann der erste Sensor 16 als Mikrofon 32 implementiert werden. Das Mikrofon 32 kann im Armaturenbrett 24, im Lenkrad 26, an der Innendecke des Fahrzeugs 10 oder an jeder anderen geeigneten Stelle, an der die Stimme des Fahrgasts 14 erfasst werden kann, angebracht werden. Während 4 mehrere Mikrofone 32 zeigt, wird dies zur Veranschaulichung verstanden, um zumindest einige mögliche Positionen von Mikrofon 32 zu zeigen, und es wird weiter verstanden, dass ein einzelnes Mikrofon 32 zur Verfügung gestellt werden kann. Das Mikrofon 32 kann so strukturiert werden, dass es eine Tonzeitreihe einer Audioumgebung im Fahrzeuginneren aufnimmt und ausgibt. Der verbale Valenzwert kann auf der Grundlage der mit Mikrofon 32 aufgenommenen Schallzeitreihe berechnet werden, wie durch die folgende Gleichung gegeben: $VV = Σ_{i=0}^{n} S (Verbal) {(x (t)))}_{i}$
wobei x(t) eine Schallzeitreihe der Ausgabe von Mikrofon 32 ist; Verbal() eine Funktion ist, die ein von Fahrgast 14 gesprochenes Wort identifiziert; und S( ) eine Funktion ist, die einen ersten Wert ausgibt, wenn das von dem Fahrgast 14 gesprochene Wort zu einer ersten Gruppe von Wörtern gehört, und einen zweiten Wert ausgibt, wenn das von dem Fahrgast 14 gesprochene Wort zu einer zweiten Gruppe von Wörtern gehört.
Mikrofon 32 und Prozessor 18 (siehe 1) können so strukturiert sein, dass sie ein Wort oder einen Satz, der von dem Fahrgast 14 gesprochen wird, identifizieren und interpretieren können. Es wird davon ausgegangen, dass in der nachstehenden Beschreibung Verweise auf ein von Fahrgast 14 gesprochenes Wort auch einen von Fahrgast 14 gesprochenen Satz enthalten. Das von Fahrgast 14 gesprochene Wort kann in eine von zwei Gruppen eingeteilt werden. Zum Beispiel kann die erste Gruppe positive Wörter wie „nett“, „gut“, „am besten“, „bequem“, „besser“, „großartig“, „mehr“, „glatt“, „fantastisch“, „sicher“ usw. enthalten. Die zweite Gruppe kann negative Wörter wie „als ich es tun würde“, „hätte“, „nicht“, „besorgt“, „puh“, „unangenehm“, „nervös“, „nicht“, „schrecklich“, „nicht“, „rücksichtslos“, „unsicher“, „weniger“, „gefährlich“, „extrem“, „wow“ usw. enthalten. Wenn die Funktion Verbal() feststellt, dass ein Wort zur ersten Gruppe gehört, könnte die Funktion S( ) den verbalen Valenzwert VV um 1 inkrementieren. Alternativ dazu könnte die Funktion Verbal( ), wenn die Funktion Verbal( ) feststellt, dass ein Wort zur zweiten Gruppe gehört, den verbalen Valenzwert VV um 1 dekrementieren. Auf diese Weise könnte der verbale Valenzwert ein Netto-Maß für die Frustration des Benutzers 14 mit der autonomen Bedienung des Fahrzeugs 10 auf der Grundlage der gesprochenen Äußerungen des Fahrgasts 14 sein. Mit anderen Worten, ein verbaler Valenzwert VV, der positivere Wörter anzeigt, könnte auf ein geringeres Maß an Frustration mit dem autonomen Betrieb von Fahrzeug 10 hindeuten, und der Fahrgast-Frustrationsindex I_F und der Fahrgastzufriedenheitsindex PSI können entsprechend angepasst werden. Alternativ könnte ein verbaler Valenzwert, der mehr negative Wörter anzeigt, auf ein höheres Maß an Frustration mit dem autonomen Betrieb von Fahrzeug 10 hindeuten, und der Fahrgast-Frustrationsindex I_F und der Fahrgastzufriedenheitsindex PSI können entsprechend angepasst werden.
In Bezug auf den Fahrgast-Frustrationsindex I_F kann der Gesichtsausdruckswert FGV auf ähnliche Weise berechnet werden wie oben in Bezug auf den Fahrgast-Vertrauensindex IT beschrieben.
5 zeigt eine beispielhafte Ausführungsform, wobei das System 12 einen Kommunikationsknoten 34 enthält, der so strukturiert ist, dass er mit einem externen Gerät 36 kommuniziert. Der Kommunikationsknoten 34 kann operativ mit dem Prozessor 18 verbunden werden, so dass der Prozessor 18 die über den Kommunikationsknoten 34 empfangenen Daten empfangen und verarbeiten kann. Kommunikationsknoten 34 kann jede Art von Sender/Empfänger sein, der zur drahtlosen Kommunikation fähig ist. Der Kommunikationsknoten 34 kann z. B. ein WI-FI-Sender/Empfänger, ein Bluetooth-Sender/Empfänger, ein HF-Sender/Empfänger, ein zellularer Sender/Empfänger oder ein anderer geeigneter Gerätetyp sein.
Bei dem externen Gerät 36 kann es sich um jede Art von Gerät handeln, das zur drahtlosen Kommunikation mit dem Kommunikationsknoten 34 fähig ist. 6 zeigt beispielhaft mögliche externe Geräte, mit denen Fahrzeug 10 über den Kommunikationsknoten 34 kommunizieren könnte (siehe 3). Das externe Gerät 36 kann zum Beispiel ein weiteres Fahrzeug 38 sein, das mit einem Kommunikationsknotenpunkt ausgestattet ist, ein Smartphone 40, ein über das Internet zugänglicher Computer 42 oder intelligente Infrastrukturobjekte wie die Bremsleuchte 44.
In diesen Ausführungsformen könnte Prozessor 18 Informationen wie lokale Verkehrsdaten, lokale Wetterdaten, soziale Daten der Fahrgäste, Fahrgastkalenderdaten oder Zieldaten von einem externen Gerät 36 empfangen. Diese Informationen könnten vom Verarbeiter 18 verwendet werden, um den Fahrgastzufriedenheits-Index PSI zu modifizieren. Wenn beispielsweise starker Verkehr oder schlechtes Wetter herrscht, könnte der Verarbeiter 18 den Fahrgastzufriedenheitsindex PSI so ändern, dass er widerspiegelt, dass Fahrgast 14 in diesen Situationen möglicherweise zusätzliche Nervosität empfindet. Alternativ dazu könnte Prozessor 18 mit Zugang zu sozialen Daten, Kalenderdaten oder dem Reiseziel den Index der Fahrgastzufriedenheit so ändern, dass er den Zielort des Fahrgasts widerspiegelt (z.B. glücklicher für geselliges Beisammensein, nervöser für ein Kundentreffen usw.).), und der Prozessor 18 könnte auch den autonomen Betrieb von Fahrzeug 18 modifizieren, um wichtige Ereignisse zu berücksichtigen, wie z.B. das rechtzeitige Erreichen eines Fluges auf einem Flughafen. Beispielsweise kann Fluggast 14 objektive Kriterien aufweisen, die auf einen hohen Frustrationsgrad hinweisen, d.h. einen hohen Fahrgast-Frustrationsindex I_F, aber wenn dem Verarbeiter 18 bewusst ist, dass sich der Fahrgast möglicherweise zu einem Termin oder Flug verspätet, könnte dies berücksichtigt und der autonome Betrieb von Fahrzeug 10 entsprechend angepasst werden. Die Einstellung des autonomen Betriebs von Fahrzeug 10 wird im Folgenden näher beschrieben.
7 zeigt weitere beispielhafte Ausführungsformen des externen Geräts 36, das als tragbare, intelligente Geräte von Fahrgast 14 getragen wird. Das externe Gerät 36 kann z.B. eine intelligente Uhr 46, eine intelligente Brille 48 oder ein biometrischer Sensor 49 sein, den der Fahrgast trägt, wie z.B. ein Herzmessgerät, ein Blutdruckmessgerät, ein Blutzuckermessgerät usw. Es wird davon ausgegangen, dass diese tragbaren intelligenten Geräte auch als erster Sensor 16 (siehe 1) dienen und Informationen wie elektrische Eigenschaften der Haut, Hauttemperatur oder Herzfrequenz über den Kommunikationsknoten 34 an Prozessor 18 übertragen könnten, um das Berechnen des Fahrgast-Frustrationsindex I_F oder des Fahrgastvertrauensindex I_T zu unterstützen.
8 zeigt eine beispielhafte Ausführungsform eines Verfahrens 1000 zum Messen der Fahrgastzufriedenheit von Fahrgast 14. In Block 102 ist ein System 12 mit dem ersten Sensor 16 und dem Prozessor 18 vorgesehen. Das System 12, der erste Sensor 16 und der Prozessor 18 werden hier ausführlich beschrieben. In Block 104 wird der erste Sensor 16 zum Erkennen einer ersten Eigenschaft des Fahrgasts 14 verwendet. In Block 106 berechnet Prozessor 18 den Fahrgastzufriedenheits-Index PSI auf der Grundlage der ersten Eigenschaft, die vom ersten Sensor 16 empfangen wird. Hier werden beispielhafte Ausführungsformen der Erkennung einer ersten Eigenschaft von Fahrgast 14 und der Berechnung des Fahrgastzufriedenheitsindex PSI beschrieben.
9 zeigt eine beispielhafte Ausführungsform eines Verfahrens 1100 zum Messen der Fahrgastzufriedenheit von Fahrgast 14. In Block 110 ist ein System 12 (siehe 1) vorgesehen, das den ersten Sensor 16, den Prozessor 18 und den zweiten Sensor 22 enthält. In Block 112 wird der erste Sensor 16 verwendet, um eine erste Eigenschaft des Fahrgasts 14 zu erkennen. In Block 114 wird der zweite Sensor 14 zum Erkennen einer zweiten Eigenschaft des Fahrgasts 14 verwendet. In Block 116 berechnet Prozessor 18 die Fahrgastzufriedenheit PSI auf der Grundlage der ersten Eigenschaft, die vom ersten Sensor 16 empfangen wird, und der zweiten Eigenschaft, die vom zweiten Sensor 18 empfangen wird.
10 zeigt eine beispielhafte Ausführungsform eines Verfahrens 1200 zum Messen der Fahrgastzufriedenheit von Fahrgast 14. In Block 120 ist ein System 12 (siehe 1-2) mit Prozessor 18 und Kamera 23 vorgesehen. In Block 122 wird mit der Kamera 23 eine Videozeitreihe aufgenommen. In Block 124 berechnet Prozessor 18 einen Straßenüberwachungsdauerwert DMR auf der Grundlage der Videozeitreihe, wie oben ausführlich beschrieben. In Block 126 berechnet Prozessor 18 den Fahrgastzufriedenheits-Index PSI auf der Grundlage des DMR-Wertes der Straßenüberwachungsdauer.
11 zeigt eine beispielhafte Ausführungsform eines Verfahrens 1300 zum Messen der Zufriedenheit der Fahrgäste von Fahrgast 14. In Block 120 ist ein System 12 (siehe 1-2) mit Prozessor 18 und Kamera 23 vorgesehen. In Block 122 wird mit der Kamera 23 eine Videozeitreihe aufgenommen. In Block 134 berechnet der Prozessor 18 auf der Grundlage der Videozeitreihe einen DSA-Wert für die sekundäre Aktivitätsdauer, wie oben ausführlich beschrieben. In Block 136 berechnet der Prozessor 18 den Fahrgastzufriedenheits-Index PSI auf der Grundlage des DSA-Wertes der sekundären Aktivitätsdauer.
12 zeigt eine beispielhafte Ausführungsform eines Verfahrens 1400 zum Messen der Zufriedenheit der Fahrgäste von Fahrgast 14. In Block 120 ist ein System 12 (siehe 1-2) mit Prozessor 18 und Kamera 23 vorgesehen. In Block 122 wird mit der Kamera 23 eine Videozeitreihe aufgenommen. In Block 144 berechnet Prozessor 18 einen Multi-Task-Aktivitäts-Transaktionswert MAT auf der Grundlage der Videozeitreihe, wie oben ausführlich beschrieben. In Block 146 berechnet Prozessor 18 den Fahrgastzufriedenheits-Index PSI auf der Grundlage des Multi-Task-Aktivitätstransaktionswertes MAT.
13 zeigt eine beispielhafte Ausführungsform eines Verfahrens 1500 zum Messen der Zufriedenheit der Fahrgäste von Fahrgast 14. In Block 120 ist ein System 12 (siehe 1-2) mit Prozessor 18 und Kamera 23 vorgesehen. In Block 122 wird mit der Kamera 23 eine Videozeitreihe aufgenommen. In Block 154 berechnet Prozessor 18 einen Seitenfenster-Blickwert GSW auf der Grundlage der Video-Zeitreihe, wie oben ausführlich beschrieben. In Block 156 berechnet Prozessor 18 den Fahrgastzufriedenheits-Index PSI auf der Grundlage des Seitenfenster-Blickwertes GSW.
14 zeigt eine beispielhafte Ausführungsform eines Verfahrens 1600 zum Messen der Zufriedenheit der Fahrgäste von Fahrgast 14. In Block 120 ist ein System 12 (siehe 1-2) mit Prozessor 18 und Kamera 23 vorgesehen. In Block 122 wird mit der Kamera 23 eine Videozeitreihe aufgenommen. In Block 164 berechnet Prozessor 18 einen Gesichtsausdruckswert FGV auf der Grundlage der Videozeitreihe, wie oben ausführlich beschrieben. In Block 166 berechnet Prozessor 18 den Index der Fahrgastzufriedenheit PSI auf der Grundlage des Gesichtsausdruckswertes FGV.
15 zeigt eine beispielhafte Ausführungsform eines Verfahrens 1700 zum Messen der Fahrgastzufriedenheit von Fahrgast 14. In Block 170 ist ein System 12 (siehe 1 und 3) mit Prozessor 18 und Hautsensor 30 vorgesehen. In Block 172 wird der Hautsensor 30 zum Erkennen eines galvanischen Zustands der Haut von Fahrgast 14 verwendet. In Block 174 berechnet Prozessor 18 den galvanischen Hautreaktionswert GSR auf der Grundlage des von Hautsensor 30 erfassten galvanischen Zustands, wie oben ausführlich beschrieben. In Block 176 berechnet Prozessor 18 den Fahrgastzufriedenheits-Index PSI auf der Grundlage des galvanischen Hautreaktionswertes GSR.
16 zeigt eine beispielhafte Ausführungsform eines Verfahrens 1800 zum Messen der Fahrgastzufriedenheit von Fahrgast 14. In Block 180 ist ein System 12 (siehe 1 und 3) mit Prozessor 18 und Hautsensor 30 vorgesehen. In Block 182 wird der Hautsensor 30 zum Erkennen der Hauttemperatur von Fahrgast 14 verwendet. In Block 184 berechnet Prozessor 18 den Hauttemperaturwert ST auf der Grundlage der von Hautsensor 30 ermittelten Hauttemperatur, wie oben ausführlich beschrieben. In Block 186 berechnet Prozessor 18 den Fahrgastzufriedenheits-Index PSI basierend auf dem Hauttemperaturwert ST.
17 zeigt eine beispielhafte Ausführungsform eines Verfahrens aus dem Jahr 1900 zum Messen der Zufriedenheit der Fahrgäste von Fahrgast 14. In Block 190 ist ein System 12 (siehe 1 und 4) mit Prozessor 18 und Mikrofon 32 vorgesehen. In Block 192 wird Mikrofon 32 zur Aufnahme einer Tonzeitreihe verwendet. In Block 194 berechnet Prozessor 18 den verbalen Valenzwert VV auf der Grundlage der mit Mikrofon 32 aufgenommenen Schallzeitreihe, wie oben ausführlich beschrieben. Im Block 196 berechnet Prozessor 18 den Fahrgastzufriedenheits-Index PSI auf der Grundlage des verbalen Valenzwertes VV.
18 zeigt eine beispielhafte Ausführungsform eines Verfahrens 2000 zum Messen der Zufriedenheit der Fahrgäste von Fahrgast 14. In Block 200 ist ein System 12 (siehe 5-7) mit Prozessor 18, einem Kommunikationsknoten 34 und einem tragbaren intelligenten Gerät als erster Sensor 16 vorgesehen. In Block 202 wird das tragbare intelligente Gerät zum Messen biometrischer Daten des Fahrgasts 14 wie z.B. galvanische Hautreaktion, Hauttemperatur oder Herzfrequenz verwendet. In Block 204 empfängt Prozessor 18 die biometrischen Daten vom tragbaren Smart Gerät über den Kommunikationsknoten 34. In Block 206 berechnet Prozessor 18 den Fahrgastzufriedenheits-Index PSI auf der Grundlage der biometrischen Daten, die von den tragbaren intelligenten Geräten empfangen werden.
19 zeigt eine beispielhafte Ausführungsform eines Verfahrens 2100 zum Messen der Zufriedenheit der Fahrgäste von Fahrgast 14. In Block 210 ist ein System 12 (siehe 5-6) mit Prozessor 18 und einem Kommunikationsknoten 34 vorgesehen. In Block 212 kommuniziert der Kommunikationsknoten 34 mit dem externen Gerät 36, um Informationen wie Verkehrsdaten, Wetterdaten, soziale Daten der Fahrgäste, Fahrgastkalenderdaten oder Zieldaten zu empfangen. In Block 214 modifiziert der Prozessor 18 den Fahrgastzufriedenheitsindex PSI auf der Grundlage der Verkehrsdaten, Wetterdaten, sozialen Daten der Fahrgäste, Fahrgastkalenderdaten oder Zieldaten.
Entsprechend einer beispielhaften Ausführungsform zeigt 20 ein System 50 zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs 10 auf der Grundlage der Fahrgastzufriedenheit. Das System 50 kann den ersten Sensor 16, den Prozessor 18 und das automatische Antriebssystem 52 umfassen. Der erste Sensor 16 und der Prozessor 18 mögen den hier im Detail beschriebenen Strukturen ähnlich sein. Zusätzlich kann der Prozessor 18 mit dem automatischen Antriebssystem 52 verbunden und so strukturiert werden, dass er das automatische Antriebssystem 52 steuert. Das automatisierte Fahrsystem 52 kann verschiedene Steuergeräte und Sensoren zum Erkennen einer Fahrumgebung und zum Steuern von Geschwindigkeit, Beschleunigung, Bremsen und Lenkung des autonomen Fahrzeugs 10 auf der Grundlage eines vom Prozessor 18 berechneten Fahrzeugwegplans enthalten oder mit diesen verbunden sein. Der Fahrzeugwegplan kann eine Reihe von Manövern enthalten, die für das autonome Fahrzeug 10 auf der Grundlage eines gewünschten Ziels und der örtlichen Fahrumgebung geplant sind. Mit anderen Worten: Ein automatisiertes Fahrsystem steuert Systeme wie Bremsen, Beschleunigen und Lenken, um das autonome Fahrzeug zu betreiben. Prozessor 18 kann weiter strukturiert werden, um das automatisierte Fahrsystem 52 zu steuern, um das Fahrverhalten in Erwiderung auf den Fahrgastzufriedenheitsindex PSI, der eine erste Bedingung erfüllt, zu modifizieren. Der Fahrgastzufriedenheitsindex PSI kann wie hier im Detail beschrieben berechnet werden.
Die erste Bedingung kann ein vorher festgelegter Grad an Unzufriedenheit der Fahrgäste sein. Um die erste Bedingung zu erfüllen, muss der berechnete Index der Fahrgastzufriedenheit möglicherweise einen vorgegebenen Schwellenwert überschreiten. Der Prozessor 18 kann so strukturiert werden, dass er in Erwiderung auf die Unzufriedenheit des Fahrgasts 14 das automatische Fahrsystem 52 steuert, um die Besonnenheit des Fahrverhaltens des autonomen Fahrzeugs 10 zu erhöhen. Mit anderen Worten: der Prozessor 18 steuert das automatisierte Fahrsystem 52, um das Fahrverhalten zu steuern und vorsichtiger zu fahren, um die Unzufriedenheit des Fahrgasts 14 zu lindern.
Die Besonnenheit des Fahrverhaltens von Fahrzeug 10 kann auf verschiedene Weise variiert werden. Zum Beispiel kann die Größe der maximalen Beschleunigung von Fahrzeug 10 von einem Basiswert reduziert werden. In Worten: der Prozessor 18 wird das automatisierte Fahrsystem 52 so steuern, dass das autonome Fahrzeug 10 allmählich beschleunigt und abgebremst wird, um die Angst und Frustration der Fahrgäste 14 zu verringern und das Vertrauen in das automatisierte Fahrzeug 10 zu erhöhen. Darüber hinaus kann die zunehmende Besonnenheit des Fahrverhaltens von Fahrzeug 10 eine Reduzierung der Gesamtgeschwindigkeit des Fahrzeugs beinhalten.
Die Besonnenheit kann auch durch die Steuerung des automatischen Fahrsystems 52 erhöht werden, um einen größeren Abstand zwischen dem autonomen Fahrzeug 10 und nahegelegenen oder benachbarten Objekten aufrechtzuerhalten. 21 zeigt eine beispielhafte Ausführungsform eines Grundfahrverhaltens, bei dem das autonome Fahrzeug 10 einen vorgegebenen Folgeabstand D1 zum zweiten Fahrzeug 54 einhält. Wenn der Fahrgastzufriedenheits-Index PSI jedoch den vorgegebenen Grad an Unzufriedenheit erfüllt, kann Prozessor 18 das automatische Fahrsystem 52 so steuern, dass ein zweiter Folgeabstand D2 eingehalten wird, der größer ist als der Folgeabstand D1, wie in 22 zu sehen ist. Der größere Folgeabstand D2 kann die Frustration und die Ängste der Fahrgäste 14 lindern und das Vertrauen in das autonome Fahrzeug 10 erhöhen. In ähnlicher Weise kann der Prozessor 18 das automatische Fahrsystem 52 steuern, um einen größeren Abstand zu anderen Objekten wie Fußgängern oder Radfahrern zu halten. Der Prozessor 18 kann das automatische Antriebssystem 52 weiter steuern, um die Geschwindigkeit zu verringern, wenn der Abstand zwischen dem autonomen Fahrzeug 10 und einem nahegelegenen Objekt kleiner als ein vorbestimmter Schwellenwert ist. Wenn beispielsweise das autonome Fahrzeug 10 einem Fußgänger oder Radfahrer zu nahe kommt, kann der Prozessor 18 das automatische Antriebssystem 18 steuern, um die Geschwindigkeit weiter zu reduzieren.
Insgesamt soll die Erhöhung der Besonnenheit des Fahrverhaltens die allgemeine Vorsicht, Vorsicht und Höflichkeit, mit der das automatisierte Fahrzeug 10 bedient wird, erhöhen, um die Angst und Frustration des Fahrgasts 14 zu verringern und das Vertrauen in das autonome Fahrzeug 10 zu erhöhen.
23 zeigt eine weitere beispielhafte Ausführungsform des Systems zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs. In 23 kann das System 50 eine Anzeige 56 enthalten, die mit dem Prozessor 18 funktionsfähig gekoppelt ist. Der Prozessor 18 kann die Anzeige 56 steuern, um den Fahrgast 14 über eine bevorstehende Änderung des Fahrverhaltens des autonomen Fahrzeugs 10 zu informieren. Zum Beispiel kann die Anzeige 56 eine Benachrichtigung anzeigen, dass die Fahrzeuggeschwindigkeit geändert wird, dass die folgende Entfernung geändert wird, dass ein Spurwechsel vorgenommen wird usw. Auf diese Weise informiert Anzeige 56 den Fahrgast 56, dass das autonome Fahrzeug auf mögliche Bedenken des Fahrgasts 14 reagiert, wodurch das Vertrauen des Fahrgasts 14 in das autonome Fahrzeug 10 weiter gestärkt wird.
Entsprechend einer beispielhaften Ausführungsform zeigt 24 ein Verfahren 2200 zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit des Fahrgasts 14. Im Block 220 ist ein System 50 vorgesehen, das aus dem ersten Sensor 16, dem Prozessor 18 und dem automatischen Antriebssystem 52 besteht. Im Block 222 wird der erste Sensor 16 zum Erkennen einer ersten Eigenschaft des Fahrgasts 14 verwendet. In Block 224 berechnet der Prozessor 18 den Fahrgastzufriedenheits-Index PSI auf der Grundlage der ersten Eigenschaft, die vom ersten Sensor 16 erfasst wird. In Block 226 wird festgestellt, ob der Fahrgastzufriedenheitsindex PSI eine erste Bedingung erfüllt. Erfüllt der Fahrgastzufriedenheits-Index PSI die erste Bedingung („Ja“ in Block 226), dann geht das Verfahren zu Block 228 über. Wenn der Fahrgastzufriedenheitsindex PSI die erste Bedingung („Nein“ in Block 226) nicht erfüllt, kehrt das Verfahren zu Block 222 zurück, um weiterhin die erste Eigenschaft des Fahrgasts 14 zu ermitteln. In Block 228 steuert Prozessor 18 das automatisierte Fahrsystem 52, um das Fahrverhalten des autonomen Fahrzeugs 10 zu modifizieren. Das Verfahren kann dann zum Block 222 zurückkehren, um weiterhin die erste Eigenschaft des Fahrgasts 14 zu erkennen.
25 zeigt eine beispielhafte Ausführungsform eines Verfahrens 2300 zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit der Fahrgäste von Fahrgast 14. Im Block 220 ist ein System 50 vorgesehen, das aus dem ersten Sensor 16, dem Prozessor 18 und dem automatischen Antriebssystem 52 besteht. Im Block 222 wird der erste Sensor 16 zum Erkennen einer ersten Eigenschaft des Fahrgasts 14 verwendet. In Block 224 berechnet Prozessor 18 den Fahrgastzufriedenheits-Index PSI auf der Grundlage der ersten Eigenschaft, die vom ersten Sensor 16 erfasst wird. In Block 236 wird festgestellt, ob der Fahrgastzufriedenheitsindex PSI ein vorgegebenes Niveau der Fahrgastunzufriedenheit erreicht. Wenn der Fahrgastzufriedenheits-Index PSI einen vorher festgelegten Grad an Unzufriedenheit der Fahrgäste erreicht („Ja“ in Block 226), dann geht das Verfahren zu Block 238 über. Wenn der Fahrgastzufriedenheits-Index PSI nicht den vorher festgelegten Grad der Unzufriedenheit der Fahrgäste („Nein“ in Block 226) erreicht, kehrt das Verfahren zu Block 222 zurück, um weiterhin die erste Eigenschaft des Fahrgasts 14 zu erkennen. In Block 238 steuert Prozessor 18 das automatisierte Fahrsystem 52, um das Fahrverhalten des autonomen Fahrzeugs 10 zu modifizieren, indem er die Absicht des Fahrverhaltens des autonomen Fahrzeugs 10 erhöht. Das Verfahren kann dann zum Block 222 zurückkehren, um weiterhin die erste Eigenschaft des Fahrgasts 14 zu erkennen.
26 zeigt eine beispielhafte Ausführungsform eines Verfahrens 2400 zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit der Fahrgäste von Fahrgast 14. Im Block 220 ist ein System 50 vorgesehen, das aus dem ersten Sensor 16, dem Prozessor 18 und dem automatischen Antriebssystem 52 besteht. Im Block 222 wird der erste Sensor 16 zum Erkennen einer ersten Eigenschaft des Fahrgasts 14 verwendet. In Block 224 berechnet Prozessor 18 den Fahrgastzufriedenheits-Index PSI auf der Grundlage der ersten Eigenschaft, die vom ersten Sensor 16 erfasst wird. In Block 236 wird festgestellt, ob der Fahrgastzufriedenheitsindex PSI ein vorgegebenes Niveau der Fahrgastunzufriedenheit erreicht. Wenn der Fahrgastzufriedenheits-Index PSI einen vorher festgelegten Grad an Unzufriedenheit der Fahrgäste erreicht („Ja“ in Block 226), dann geht das Verfahren zu Block 240 über. Wenn der Fahrgastzufriedenheits-Index PSI nicht den vorher festgelegten Grad der Unzufriedenheit der Fahrgäste („Nein“ in Block 226) erreicht, kehrt das Verfahren zu Block 222 zurück, um weiterhin die erste Eigenschaft des Fahrgasts 14 zu erkennen. In Block 240 steuert Prozessor 18 das automatisierte Antriebssystem 52, um das Fahrverhalten des autonomen Fahrzeugs 10 durch Verringerung der Beschleunigung und/oder Verzögerung des autonomen Fahrzeugs 10 zu modifizieren. Das Verfahren kann dann zum Block 222 zurückkehren, um weiterhin die erste Eigenschaft des Fahrgasts 14 zu erkennen.
27 zeigt eine beispielhafte Ausführungsform eines Verfahrens 2500 zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit der Fahrgäste von Fahrgast 14. Im Block 220 ist ein System 50 vorgesehen, das aus dem ersten Sensor 16, dem Prozessor 18 und dem automatischen Antriebssystem 52 besteht. Im Block 222 wird der erste Sensor 16 zum Erkennen einer ersten Eigenschaft des Fahrgasts 14 verwendet. In Block 224 berechnet Prozessor 18 den Fahrgastzufriedenheits-Index PSI auf der Grundlage der ersten Eigenschaft, die vom ersten Sensor 16 erfasst wird. In Block 236 wird festgestellt, ob der Fahrgastzufriedenheits-Index PSI ein vorgegebenes Niveau der Fahrgastunzufriedenheit erreicht. Wenn der Fahrgastzufriedenheits-Index PSI einen vorher festgelegten Grad an Unzufriedenheit der Fahrgäste erreicht („Ja“ in Block 226), dann geht das Verfahren zu Block 242 über. Wenn der Fahrgastzufriedenheits-Index PSI nicht den vorher festgelegten Grad der Unzufriedenheit der Fahrgäste („Nein“ in Block 226) erreicht, kehrt das Verfahren zu Block 222 zurück, um weiterhin die erste Eigenschaft des Fahrgasts 14 zu erkennen. In Block 242 steuert Prozessor 18 das automatische Antriebssystem 52, um das Fahrverhalten des autonomen Fahrzeugs 10 zu modifizieren, indem der Abstand zwischen dem autonomen Fahrzeug 10 und nahen oder benachbarten Objekten vergrößert wird. Das Verfahren kann dann zum Block 222 zurückkehren, um weiterhin die erste Eigenschaft des Fahrgasts 14 zu erkennen.
28 zeigt eine beispielhafte Ausführungsform eines Verfahrens 2600 zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit der Fahrgäste von Fahrgast 14. Im Block 220 ist ein System 50 vorgesehen, das aus dem ersten Sensor 16, dem Prozessor 18 und dem automatischen Antriebssystem 52 besteht. Im Block 222 wird der erste Sensor 16 zum Erkennen einer ersten Eigenschaft des Fahrgasts 14 verwendet. In Block 224 berechnet der Prozessor 18 den Fahrgastzufriedenheits-Index PSI auf der Grundlage der ersten Eigenschaft, die vom ersten Sensor 16 erfasst wird. In Block 236 wird festgestellt, ob der Fahrgastzufriedenheits-Index PSI ein vorgegebenes Niveau der Fahrgastunzufriedenheit erreicht. Wenn der Fahrgastzufriedenheits-Index PSI einen vorher festgelegten Grad an Unzufriedenheit der Fahrgäste erreicht („Ja“ in Block 226), dann geht das Verfahren zu Block 244 über. Wenn der Fahrgastzufriedenheits-Index PSI nicht den vorher festgelegten Grad der Unzufriedenheit der Fahrgäste („Nein“ in Block 226) erreicht, kehrt das Verfahren zu Block 222 zurück, um weiterhin die erste Eigenschaft des Fahrgasts 14 zu erkennen. In Block 244 wird eine Entfernung zu einem nahe gelegenen Objekt bestimmt. In Block 246 wird festgestellt, ob der Abstand zum nahegelegenen Objekt kleiner als ein vorgegebener Schwellenwert ist. Wenn der Abstand zum nahegelegenen Objekt kleiner als der vorgegebene Schwellenwert ist („Ja“ in Block 246), dann geht das Verfahren zu Block 248 über. Wenn der Abstand zum nahegelegenen Objekt nicht kleiner als der vorgegebene Schwellenwert („Nein“ in Block 246) ist, kehrt das Verfahren zu Block 244 zurück, um die Erkennung der Entfernung zu nahegelegenen Objekten fortzusetzen. Alternativ dazu kann das Verfahren in einer anderen beispielhaften Ausführungsform in Block 222 zurückkehren, um weiterhin die erste Eigenschaft des Fahrgasts 14 zu erkennen, um festzustellen, ob weitere Anpassungen des Fahrverhaltens erforderlich sind (in 28 als gestrichelte Linie dargestellt). In Block 248 steuert Prozessor 18 das automatisierte Antriebssystem 52, um das Fahrverhalten des autonomen Fahrzeugs 10 durch Verringerung der Geschwindigkeit des autonomen Fahrzeugs 10 zu modifizieren. Das Verfahren kann dann zum Block 244 zurückkehren, um weiterhin eine Entfernung zu nahe gelegenen Objekten zu erkennen. Alternativ dazu kann das Verfahren in einer anderen beispielhaften Ausführungsform in Block 222 zurückkehren, um weiterhin die erste Eigenschaft des Fahrgasts 14 zu erkennen, um festzustellen, ob weitere Anpassungen des Fahrverhaltens erforderlich sind (in 28 als gestrichelte Linie dargestellt).
Entsprechend einer beispielhaften Ausführungsform zeigt 29 eine Ausführungsform eines Systems 60 zum Erhöhen der Zufriedenheit eines Fahrgasts 14 in einem autonomen Fahrzeug 10 mit einem automatischen Fahrsystem 52. Das System 60 kann den Prozessor 68, das automatische Antriebssystem 52, den ersten Sensor 62, den zweiten Sensor 64 und die Anzeige 66 umfassen. Das automatisierte Fahrsystem 52 wird hier ausführlich beschrieben. Der Prozessor 68 ist ähnlich wie der oben beschriebene Prozessor 18, mit dem Zusatz, dass Prozessor 18 so strukturiert ist, dass er einen Fahrzeugwegplan auf der Grundlage der Eingabe des ersten Sensors 62 berechnet. Zusätzlich kann der Prozessor 68 die Anzeige 66 steuern, um eine grafische Darstellung der Fahrumgebung des Fahrzeugs und des Fahrzeugwegplans anzuzeigen.
Der erste Sensor 62 kann funktionsfähig an das automatisierte Antriebssystem 52 und/oder den Prozessor 68 angeschlossen werden. Der erste Sensor 62 kann so strukturiert sein, dass er eine Fahrumgebung des Fahrzeugs erkennt, und kann als beispielhafte Ausführungsform eine Kamera, ein Radio Detection and Ranging (RADAR)-System, ein Light Detection and Ranging (LIDAR)-System oder eine beliebige Kombination dieser Systeme umfassen. Der erste Sensor 62 erfasst die Umgebung des autonomen Fahrzeugs 10, so dass der Prozessor 68 die nahegelegenen Objekte erkennt und einen Fahrzeugwegplan erstellen oder entsprechend anpassen kann. Der zweite Sensor 64 wird im Folgenden ausführlich besprochen.
30 zeigt eine beispielhafte Ausführungsform des Displays 66 (siehe 29). Die Anzeige 66 kann ein LCD-Bildschirm, ein LED-Bildschirm oder ein anderer geeigneter Bildschirmtyp sein und kann in einem autonomen Fahrzeug 10 montiert werden, um für den Fahrgast 14 sichtbar zu sein. Das Display 66 kann auch in bestehende Anzeigemodule eingebaut werden, die in Fahrzeugen zur Steuerung von Umgebungs- oder Audiofunktionen verwendet werden. Display 66 kann auch ein Touchscreen-Gerät sein, so dass der Fahrgast 14 Eingaben durch Berühren von Display 66 vornehmen kann.
Die Anzeige 66 kann dem Fahrgast 14 eine Vielzahl von Informationen bieten. Zum Beispiel kann die Anzeige 66 Echtzeitdaten in Bezug auf den Betrieb des autonomen Fahrzeugs 10 anzeigen, wie z.B. Fahrzeuggeschwindigkeit 70 und Beschleunigungsstatus 72. In 30 wird der Beschleunigungsstatus 72 durch einen Pfeil angezeigt, der eine Richtung der Beschleunigung angibt, wobei die Größe der Beschleunigung durch eine Schattierung in einem Pfeilsymbol angezeigt wird.
Die Anzeige 66 kann außerdem ein stilisiertes Symbol 74 zeigen, das das autonome Fahrzeug 10 darstellt, und stilisierte Symbole 76, die eine relative Position von Objekten in der Nähe darstellen. In 30 zeigt die stilisierte Ikone 76 ein Fahrzeug vor dem autonomen Fahrzeug 10. Es wird davon ausgegangen, dass auch andere Arten von stilisierten Symbolen verwendet werden können, wie z.B. Symbole für Fußgänger, Radfahrer, Straßenhindernisse usw. Der Prozessor 68 (siehe 29) kann so strukturiert werden, dass er nahe gelegene Objekte auf der Grundlage der Informationen des ersten Sensors 62 oder der Fahrzeug-Fahrzeug- oder Fahrzeug-Infrastruktur-Kommunikation klassifiziert. Die Anzeige 66 kann weiter eingerichtet werden, um die Nähe zu nahe gelegenen Strukturen durch verschiedene Schattierungs- oder Farbebenen anzuzeigen, wie durch die schattierte Region 84 gezeigt wird. Die Anzeige 66 kann eine Pufferzone 86 weiter veranschaulichen, um den Abstand zwischen dem autonomen Fahrzeug 10 und nahegelegenen Objekten darzustellen, der von Prozessor 18 und dem automatischen Antriebssystem 52 eingehalten wird.
Die Anzeige 66 zeigt weitere Symbole, die verschiedene Merkmale von Infrastrukturinformationen anzeigen. In 30 kann beispielsweise die Anzeige 66 ein Symbol 78 enthalten, das eine vorausfahrende Ampel anzeigt, und ein Symbol 80, das die lokale Geschwindigkeitsbegrenzung anzeigt. Es wird jedoch verstanden, dass viele Arten von Symbolen verwendet werden können, die eine Vielzahl unterschiedlicher Verkehrs- und Infrastrukturbedingungen anzeigen. Die Anzeige 66 kann beispielsweise Symbole anzeigen, die eine Ertragszone, zusammenfließenden Verkehr, Bauzonen, bevorstehende Kreisverkehre, Kreuzungen, Einbahnstraßen, Mautgebühren, Stoppschilder, Schulzonen usw. darstellen.
Auf der Anzeige 66 können außerdem die Anzeigesymbole 82 angezeigt werden. Die Anzeigesymbole 82 können vom Fahrgast 14 gedrückt werden, um die Anzeige 66 zu konfigurieren oder andere Optionen zu aktivieren. Die Anzeige 66 kann außerdem ein LIDAR-Miniaturbild 88 anzeigen, das ein Echtzeitbild der Umgebung zeigt, wie es von einem LIDAR-System des autonomen Fahrzeugs 10 erfasst wird.
Insgesamt ist die Anzeige 66 so strukturiert, dass sie eine vereinfachte und leicht lesbare grafische Darstellung der Informationen bietet, die von Prozessor 18 und dem automatischen Fahrsystem 52 zur Steuerung des Fahrzeugs verwendet werden. 31 zeigt einen Vergleich zwischen einer äußeren Fahrumgebung 92 und der auf dem Display 66 dargestellten grafischen Darstellung 94, die der äußeren Fahrumgebung 92 entspricht. Auf der Grundlage dieser Struktur kann sich der Fahrgast 66 leicht der Informationen bewusst werden, die vom Prozessor 18 und dem automatischen Fahrsystem 52 zur Steuerung des Fahrzeugs 10 berücksichtigt und verwendet werden.
Die Anzeige 66 kann weiter strukturiert werden, um Informationen über ein bevorstehendes Manöver auf der Grundlage des Fahrzeugwegplans zu liefern. 32 zeigt eine beispielhafte Ausführungsform, bei der der Prozessor 68 auf der Grundlage der Eingaben des ersten Sensors 62 feststellen kann, dass eine Bremsleuchte vor ihm steht, und dementsprechend den Fahrzeugwegplan ändern und das automatische Fahrsystem 52 so steuern kann, dass es das autonome Fahrzeug 10 verlangsamt. Auf der Anzeige 66 kann eine Meldung 90 angezeigt werden, so dass Fahrgast 14 weiß, dass das autonome Fahrzeug 10 bald abbremst. Zusätzlich kann das System 60 (siehe 29) über die Lautsprecher des autonomen Fahrzeugs 10 eine Audiobenachrichtigung über das bevorstehende Manöver geben. Auf diese Weise erhält der Fahrgast 14 Vorkenntnisse über bevorstehende Manöver des autonomen Fahrzeugs 10 und wird nicht von einer unvorhergesehenen Verlangsamung überrascht. Dies erhöht die allgemeine Zufriedenheit und das Vertrauen der Fahrgäste 14 in den Betrieb des autonomen Fahrzeugs 10. Im Gegensatz dazu kann der Fahrgast 14 ohne Benachrichtigung über bevorstehende Manöver von einer plötzlichen Verlangsamung überrascht werden, und der Fahrgast 14 kann erhöhte Frustration, Angst oder Misstrauen in den Betrieb des autonomen Fahrzeugs 10 verspüren. Während 32 die Meldung 90 „STOPLIGHT AHEAD SLOWING DOWN“ zeigt, wird man verstehen, dass viele verschiedene Arten von Meldungen möglich sind. Die Benachrichtigung 90 kann beispielsweise Benachrichtigungen über bevorstehende Beschleunigung, Kurven, Spurwechsel, Überholmanöver, Autobahnzusammenführung/-ausfahrt, Ausweichmanöver oder jedes andere Manöver des autonomen Fahrzeugs 10 enthalten.
33 zeigt eine weitere beispielhafte Ausführungsform, in der das System 60 einen Kommunikationsknoten 96 enthält. Der Kommunikationsknoten 96 kann in Struktur und Funktion dem hier beschriebenen Kommunikationsknoten 34 ähnlich sein, und der Kommunikationsknoten 96 kann so strukturiert sein, dass er mit dem externen Gerät 36 über drahtlose Kommunikation kommuniziert. Beispielhafte Ausführungsformen des externen Geräts 36 werden hier ausführlich beschrieben. Insbesondere kann es sich bei dem externen Gerät 36 um Geräte handeln, die in der lokalen Infrastruktur bereitgestellt werden, wie z.B. Schilder und Ampeln, um Verkehrs- und Infrastrukturinformationen an Prozessor 18 zu liefern, die zur Anzeige von Informationen auf dem Display 66 verwendet werden können, wie z.B. durch die in 30 dargestellten Symbole 78, 80.
34 zeigt eine weitere beispielhafte Ausführungsform des Systems 60, bei der der erste Sensor 62 das LIDAR-System 98 enthält. Das LIDAR-System 98 kann zum Erkennen einer externen Fahrumgebung des autonomen Fahrzeugs 10 verwendet werden, und diese Informationen können vom Prozessor 68 und dem automatischen Fahrsystem 52 zur Erstellung und/oder Änderung eines Fahrzeugwegplans verwendet werden. Wie in 35 dargestellt, kann die Anzeige 66 so eingerichtet werden, dass sie vom LIDAR-System 98 aus angezeigt wird. Zum Beispiel zeigt die Draufsicht von Anzeige 66 in 35 eine Standardansicht mit LIDAR-Miniaturansicht 88. In Erwiderung auf eine Eingabe von Fahrgast 14 kann die Anzeige 66 jedoch eine vergrößerte LIDAR-Anzeige 302 liefern. Dies ermöglicht es dem Fahrgast 14, eine höhere Detailgenauigkeit zu erhalten, die durch Anzeige 66 dargestellt wird. Mit anderen Worten, die Anzeige 66 kann so eingerichtet werden, dass sie je nach Komfort und Interesse des Fahrgasts 14 unterschiedlich detailliert dargestellt wird.
Wie hier erwähnt, kann System 60 auch einen zweiten Sensor 64 enthalten (siehe 29, 33 oder 34). Der zweite Sensor 64 kann in Aufbau und Funktion dem ersten Sensor 16 ähneln, der hier unter Bezugnahme auf 1 bis 28 ausführlich beschrieben wird. Mit anderen Worten, der zweite Sensor 64 kann so strukturiert werden, dass er eine Eigenschaft von dem Fahrgast 14 erkennt, wie hier ausführlich beschrieben. In ähnlicher Weise kann der Prozessor 68 die vom zweiten Sensor 64 erkannte Eigenschaft des Fahrgasts 14 nutzen, um den Fahrgastzufriedenheits-Index PSI zu berechnen und das Fahrverhalten des autonomen Fahrzeugs 10 zu ändern, wie hier ausführlich beschrieben. Wenn der zweite Sensor 64 und der Prozessor 68 einen hohen Grad an Unzufriedenheit bei dem Fahrgast 14 feststellen, kann zusätzlich die Anzeige 66 als Hilfsmittel verwendet werden, um die Zufriedenheit der Fahrgäste zu mindern. Wenn der Fahrgastzufriedenheits-Index PSI beispielsweise ein vorher festgelegtes Maß an Unzufriedenheit der Fahrgäste anzeigt, kann Prozessor 68 die Anzeige 66 so steuern, dass häufigere oder detailliertere Benachrichtigungen 90 über bevorstehende Manöver angezeigt werden sowie Benachrichtigungen über Änderungen des Fahrverhaltens des autonomen Fahrzeugs 10 bereitgestellt werden. 36 zeigt eine beispielhafte Ausführungsform, bei der auf der Anzeige 66 eine Benachrichtigung 90 angebracht ist, die den Fahrgast darüber informiert, dass die Frustration der Fahrgäste erkannt wird und daher ein Folgeabstand vergrößert wird. So kann das System 60 dazu beitragen, die Zufriedenheit und das Vertrauen der Fahrgäste 14 in das autonome Fahrzeug 10 zu verbessern und damit die Benutzererfahrung zu steigern.
Entsprechend einer beispielhaften Ausführungsform zeigt 37 ein Verfahren 2700 zum Erhöhen der Zufriedenheit des Fahrgasts 14 in einem autonomen Fahrzeug 10 mit einem automatischen Fahrsystem 52. In Block 310 ist ein System 60 (siehe 29) mit einem ersten Sensor 62, Prozessor 68 und Anzeige 66 vorgesehen. Im Block 312 erfasst der erste Sensor 62 eine Fahrumgebung in der Nähe des autonomen Fahrzeugs 10. In Block 314 werden Informationen über die lokale Infrastruktur eingeholt. Wie hier beschrieben, können lokale Infrastrukturinformationen von einem externen Gerät 36 über den Kommunikationsknoten 96 abgerufen werden. In Block 316 berechnet Prozessor 68 einen Fahrzeugwegplan auf der Grundlage der Fahrumgebung des autonomen Fahrzeugs 10 und der lokalen Infrastrukturinformationen. In Block 318 steuert der Prozessor 68 die Anzeige 66, um eine grafische Darstellung der Fahrumgebung und des Fahrzeugwegplans anzuzeigen. Wie hier unter Bezugnahme auf 30 erörtert, kann die in Block 318 dargestellte grafische Darstellung Echtzeitdaten des autonomen Fahrzeugs 10 wie Geschwindigkeit oder Beschleunigung, relative Positionierung des autonomen Fahrzeugs 10 und nahegelegener Objekte, lokale Infrastrukturinformationen oder Benachrichtigung über bevorstehende Manöver enthalten.
38 zeigt eine beispielhafte Ausführungsform eines Verfahrens 2800 zum Erhöhen der Zufriedenheit des Fahrgasts 14. Im Block 320 ist ein System 60 (siehe 29) mit einem ersten Sensor 62, einem zweiten Sensor 64, Prozessor 68 und Anzeige 66 vorgesehen. Im Block 322 erfasst der erste Sensor 62 eine Fahrumgebung in der Nähe des autonomen Fahrzeugs 10. In Block 324 werden Informationen über die lokale Infrastruktur eingeholt. In Block 326 berechnet der Prozessor 68 einen Fahrzeugwegplan auf der Grundlage der Fahrumgebung des autonomen Fahrzeugs 10 und der lokalen Infrastrukturinformationen. In Block 328 zeigt die Steuerung des Prozessors 68 die Anzeige 66 an, um eine grafische Darstellung der Fahrumgebung und des Fahrzeugwegplans anzuzeigen. Im Block 330 erkennt der zweite Sensor 64 eine Eigenschaft von dem Fahrgast 14, wie oben ausführlich beschrieben. Im Block 332 berechnet der Prozessor 68 einen Fahrgastzufriedenheits-Index PSI auf der Grundlage der Eigenschaft des Fahrgasts 14. In Block 334 wird festgestellt, ob der Fahrgastzufriedenheitsindex PSI eine erste Bedingung erfüllt. Wenn der Fahrgastzufriedenheitsindex PSI die erste Bedingung („Ja“ in Block 334) erfüllt, geht das Verfahren zu Block 336 über. Wenn der Fahrgastzufriedenheitsindex PSI die erste Bedingung („Nein“ in Block 334) nicht erfüllt, kehrt das Verfahren zu Block 332 zurück, um weiterhin die Eigenschaft des Fahrgasts 14 zu ermitteln. In Block 336 steuert Prozessor 68 das automatisierte Fahrsystem 52, um das Fahrverhalten des autonomen Fahrzeugs 10 zu modifizieren. Beispielhafte Ausführungsformen der Modifikation des Fahrverhaltens des autonomen Fahrzeugs 10 werden hier ausführlich besprochen. In Block 338 zeigt der Prozessor 68 die Anzeige 66 an, um eine Benachrichtigung anzuzeigen, die den Fahrgast 14 über die Änderung des Fahrverhaltens informiert.
Die hier beschriebenen Systeme und Verfahren können auch zur Optimierung der Messung der Fahrgastzufriedenheit, zur Verbesserung der Fahrgastzufriedenheit und zum Ändern des Fahrverhaltens in Erwiderung auf die Fahrgastzufriedenheit eingesetzt werden. 39 zeigt beispielhaft ein Verfahren 2900 zum Erhöhen der Zufriedenheit von Fahrgast 14. Im Block 350 wird eine Eigenschaft des Fahrgasts 14 durch den zweiten Sensor 64 erfasst (siehe 29). In Block 352 berechnet Prozessor 68 einen Fahrgastzufriedenheits-Index PSI, der auf der Eigenschaft des Fahrgasts 14 basiert. In Block 354 modifiziert der Prozessor 68 das Fahrverhalten des autonomen Fahrzeugs 10. In Block 356 wird die Eigenschaft des Fahrgasts 14 nach Änderung des Fahrverhaltens des autonomen Fahrzeugs 10 wieder erkannt. In Block 358 berechnet Prozessor 68 einen revidierten Fahrgastzufriedenheits-Index PSI auf der Grundlage der in Block 356 festgestellten neuen Eigenschaft. In Block 360 wird der revidierte Fahrgastzufriedenheits-Index PSI mit dem ursprünglichen Fahrgastzufriedenheits-Index PSI verglichen, um festzustellen, ob die Änderung des Fahrverhaltens die Zufriedenheit des Fahrgasts 14 verbessert hat. In Block 362 lädt der Kommunikationsknoten 96 Daten über die ursprüngliche Eigenschaft von Fahrgast 14, den ursprünglichen Fahrgastzufriedenheits-Index PSI, die vorgenommenen Änderungen des Fahrverhaltens, die neue Eigenschaft von Fahrgast 14 und den überarbeiteten Fahrgastzufriedenheits-Index PSI auf einen Wolkenspeicher wie z.B. einen über das Internet zugänglichen Computer 42 hoch. Die vom Kommunikationsknoten 96 hochgeladenen Daten können durch ein wiederkehrendes neuronales Netz und/oder mit Hilfe von Algorithmen des maschinellen Lernens analysiert werden, um die Wirksamkeit des Systems 60 sowohl bei der Bewertung der Fahrgastzufriedenheit als auch bei der Auswirkung von Änderungen des Fahrverhaltens auf die Fahrgastzufriedenheit zu bestimmen. Diese Analyse kann zur Verbesserung des Betriebs des Systems 60 im zukünftigen Betrieb genutzt werden.
Die oben beschriebenen beispielhaften Ausführungsformen von Systemen und Verfahren führen zu erheblichen Vorteilen gegenüber konventionellen Systemen und Verfahren. Beispielsweise ermöglichen beispielhafte Ausführungsformen der vorliegenden Offenbarung eine EchtzeitBewertung und Verbesserung der Fahrgastzufriedenheit, wodurch die Erfahrung der Benutzer mit dem autonomen Fahrzeug verbessert und mögliche Befürchtungen oder mangelndes Vertrauen in die ausgestellten autonomen Fahrzeuge gemildert werden.
Während die obige Offenbarung mit Bezug auf beispielhafte Ausführungsformen beschrieben wurde, wird es von den Fachleuten verstanden werden, dass verschiedene Änderungen vorgenommen werden können und Elemente davon durch Äquivalente ersetzt werden können, ohne dass der Anwendungsbereich verlassen wird. Darüber hinaus können viele Änderungen vorgenommen werden, um eine bestimmte Situation oder ein bestimmtes Material an die Lehren der Offenbarung anzupassen, ohne von deren wesentlichem Umfang abzuweichen. Es ist daher beabsichtigt, dass die vorliegende Offenbarung nicht auf die einzelnen offenbarten Ausführungsformen beschränkt ist, sondern alle Ausführungsformen umfasst, die in den Geltungsbereich dieser Ausführungsformen fallen.

Claims

Ein System zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit eines Fahrgasts, wobei das System Folgendes umfasst ein erster Sensor, der so strukturiert ist, dass er eine erste Eigenschaft des Fahrgasts erkennt; einen Prozessor, der funktionsfähig mit dem ersten Sensor gekoppelt ist, wobei der Prozessor so strukturiert ist, dass er einen Index der Fahrgastzufriedenheit auf der Grundlage der ersten Eigenschaft des Fahrgasts berechnet; ein automatisiertes Antriebssystem, das für den Betrieb des autonomen Fahrzeugs strukturiert ist, wobei das automatisierte Antriebssystem betriebsfähig mit dem Prozessor gekoppelt ist; wobei der Prozessor so strukturiert ist, dass er das automatisierte Antriebssystem steuert, um das Fahrverhalten des autonomen Fahrzeugs in Erwiderung auf den Fahrgastzufriedenheitsindex, der eine erste Bedingung erfüllt, zu modifizieren.
Das System nach Anspruch 1, wobei die erste Bedingung ein vorbestimmtes Maß an Unzufriedenheit der Fahrgäste umfasst; und der Prozessor so strukturiert ist, dass er in Erwiderung auf den Index der Fahrgastzufriedenheit, der den vorgegebenen Grad der Unzufriedenheit der Fahrgäste erfüllt, das automatische Antriebssystem so steuert, dass eine Größe der Beschleunigung des autonomen Fahrzeugs verringert wird, das automatische Antriebssystem so steuert, dass ein Abstand zwischen dem autonomen Fahrzeug und nahegelegenen Objekten vergrößert wird, oder das automatische Antriebssystem so steuert, dass eine Geschwindigkeit des autonomen Fahrzeugs in Erwiderung auf einen Abstand zwischen dem autonomen Fahrzeug und einem äußeren Objekt, der kleiner als ein vorgegebener Schwellenwert ist, verringert wird.
Das System nach Anspruch 1, wobei die erste Eigenschaft einen Fahrgast-Frustrationsindex I_F oder einen Fahrgast-Vertrauensindex I_T umfasst.
Das System nach Anspruch 3, wobei der Fahrgast-Vertrauensindex I_T eine Funktion eines Wertes für die Dauer der Straßenüberwachung, eines Wertes für die Dauer einer sekundären Aktivität, eines Transaktionswertes für eine Multi-Task-Aktivität, eines Wertes für den Blick in ein Seitenfenster oder eines Wertes für einen Gesichtsausdruck ist.
Das System nach Anspruch 4, wobei der Fahrgast-Vertrauensindex I_T gegeben ist durch: $I_{T} = W_{3} (DMR) + W_{4} (DSA) + W_{5} (MAT) + W_{6} (GSW) + W_{7} (FGV)$
wobei DMR der Wert für die Dauer der Straßenüberwachung ist, DSA der Wert für die Dauer der sekundären Aktivität, MAT der Wert für die Multi-Task-Aktivitätstransaktion, GSW der Wert für den Seitenfensterblick, FGV der Wert für den Gesichtsausdruck und W₃, W₄, W₅, W₆ und W₇ Gewichtungsfunktionen für die Skalierung und Normalisierung sind.
Das System nach Anspruch 3, wobei der Fahrgast-Frustrationsindex I_F eine Funktion eines galvanischen Hautreaktionswertes, eines Hauttemperaturwertes, eines verbalen Valenzwertes oder eines Gesichtsausdruckswertes ist.
Das System nach Anspruch 6, bei dem der Fahrgast-Frustrationsindex I_F gegeben ist durch: $I_{F} = W_{8} (GSR) + W_{9} (ST) W_{10} (VV) + W_{11} (FGV)$
wobei GSR der galvanische Hautreaktionswert, ST der Hauttemperaturwert, VV der verbale Valenzwert, FGV der Wert für den Gesichtsausdruck und W₈, W₉, W₁₀, W₁₁ Gewichtungsfunktionen für die Skalierung und Normalisierung sind.
Das System von Anspruch 1, ferner umfassen einen Kommunikationsknoten, der so strukturiert ist, dass er mit einem externen Gerät kommunizieren kann, wobei der Kommunikationsknoten funktionsfähig mit dem Prozessor gekoppelt ist; wobei der erste Sensor eine intelligente Vorrichtung ist, die vom Fahrgast getragen wird; wobei der Kommunikationsknoten so strukturiert ist, dass er mit dem intelligenten Gerät kommuniziert, um die erste Eigenschaft zu empfangen; und wobei die erste Eigenschaft eine galvanische Hautreaktion des Fahrgasts, eine Hauttemperatur des Fahrgasts oder eine Herzfrequenz des Fahrgasts umfasst.
Das System von Anspruch 1, das außerdem einen Kommunikationsknoten umfasst, der so strukturiert ist, dass er mit einem externen Gerät kommunizieren kann, wobei der Kommunikationsknoten funktionsfähig mit dem Prozessor gekoppelt ist; wobei der Kommunikationsknoten so strukturiert ist, dass er Verkehrsdaten, Wetterdaten, soziale Daten der Fahrgäste, Fahrgastkalenderdaten oder Zieldaten von dem externen Gerät empfängt; und wobei der Prozessor so strukturiert ist, dass er den Fahrgastzufriedenheitsindex auf der Grundlage der Verkehrsdaten, der Wetterdaten, der sozialen Daten der Fahrgäste, der Fahrgastkalenderdaten oder der Zieldaten modifiziert.
Ein Verfahren zum Ändern des Fahrverhaltens eines autonomen Fahrzeugs auf der Grundlage der Zufriedenheit eines Fahrgasts, wobei das Verfahren umfasst: Bereitstellen eines autonomen Fahrzeugs, das einen ersten Sensor, einen Prozessor und ein automatisches Antriebssystem umfasst, das so strukturiert ist, dass es das autonome Fahrzeug betreibt, wobei der erste Sensor, der Prozessor und das automatische Antriebssystem betriebsfähig gekoppelt sind; Erkennen, mit einem ersten Sensor, einer ersten Eigenschaft des Fahrgasts; Berechnen, mit einem Prozessor, eines Index der Fahrgastzufriedenheit, basierend auf der ersten Eigenschaft des Fahrgasts; Steuern des automatisierten Fahrsystems, um das Fahrverhalten des autonomen Fahrzeugs in Erwiderung auf den Index der Fahrgastzufriedenheit, der eine erste Bedingung erfüllt, zu ändern.