DE102020107916A1 - Verfahren zum Ermitteln einer Fahrtroute für einen Kraftwagen und System zum Durchführen des Verfahrens - Google Patents

Abstract

Die Erfindung betrifft ein Verfahren zum Ermitteln einer Fahrtroute (RX) für einen Kraftwagen zwischen einem Startort und einem Zielort (AX; WX) innerhalb eines den Startort umgebenden Bereichs vorgegebener Größe, wobei die Fahrtroute (RX) aus wenigstens einer Kreuzung (A - J) und wenigstens drei mit der Kreuzung (A - J) verbundenen Straßen (sX) gebildet wird. Um ein Verfahren zum Ermitteln einer Fahrtroute (RX) für einen Kraftwagen bereitzustellen, das ohne eine Auswertung von individuellen Fahrerinformationen auskommt, werden wenigstens zwei Wechselwahrscheinlichkeiten, die jeweils für einen Wechsel des Kraftwagens an der Kreuzung (A - J) von einer der Straßen (sX) in eine der beiden weiteren Straßen (sX) stehen, auf Basis von vorab erfassten Flottendaten ermittelt, wobei der Kreuzung (A - J) eine die Wechselwahrscheinlichkeiten enthaltende Wechselmatrix zugeordnet wird und die Fahrtroute (RX) unter Berücksichtigung der Wechselmatrix ermittelt wird.

Description

• Die Erfindung betrifft ein Verfahren zum Ermitteln einer Fahrtroute für einen Kraftwagen zwischen einem Startort und einem Zielort innerhalb eines den Startort umgebenden Fahrhorizonts vorgegebener Größe, wobei die Fahrtroute aus wenigstens einer Kreuzung und wenigstens drei mit der Kreuzung verbundenen Straßen gebildet wird. Zudem betrifft die Erfindung ein System zum Durchführen des Verfahrens.
• Die Einbeziehung von Konnektivität in aktuelle und zukünftige Kraftwagen eröffnet immense Möglichkeiten zur Optimierung von Parametern von Antriebssystemen der Kraftwagen, insbesondere um Schadstoffemissionen und einen Kraftstoffverbrauch bzw. Energieverbrauch eines Kraftwagens zu reduzieren. Eine Stärkung einer Richtlinie zum Schutz personenbezogener Daten hat jedoch Auswirkungen auf eine Implementierung von Vorhersageverfahren für Fahrer, die auf Konnektivitätsschemata basieren.
• Die US 8 478 642 B2 offenbart ein Verfahren und eine Vorrichtung zum Vorhersagen eines Navigationsentscheidungsverhaltens. Es wird der Standort eines Geräts verwendet, um den aktuellen Standort des Geräts und einen Verlauf früherer Standorte des Geräts zu generieren. Eine Verhaltensvorhersageanwendung sagt eine Fahrtroute basierend auf Vorlieben eines Fahrers und auf bevorzugten Fahrtzielen und/oder Fahrtrouten voraus, die in der Vergangenheit zurückgelegt wurden. Die Vorlieben eines bestimmten Fahrers können von dem System gelernt werden, um in der Verhaltensvorhersageanwendung implementiert zu werden, oder sie können manuell vom Fahrer eingegeben werden. Das System kann GPS oder eine andere Ortungstechnologie verwenden, um den Standort des Geräts zu bestimmen. Das Gerät kann ein GPS-fähiges Standardgerät im Auto oder ein anderes tragbares Gerät wie ein Mobiltelefon oder ein PDA sein.
• Die US 2010 / 0 131 148 A1 offenbart ein System und ein Verfahren zum Schätzen einer Fahrerabsicht zur Steuerung von Fahrerassistenzsystemen. Es ist eine Analysevorrichtung vorhanden, die Daten von einem Fahrzeugumgebungssensor, einem Fahrzeugdynamiksensor und einem Fahrerattributsensor empfängt, so dass die Analysevorrichtung eine Vorhersage der Fahrerabsicht basierend auf den empfangenen Daten macht. Eine Steuervorrichtung steuert ein Fahrzeug und einen Fahrer teilweise basierend auf der vorhergesagten Fahrerabsicht.
• Die EP 3 371 799 A1 offenbart ein Verfahren zum Bestimmen einer Fahrintention für ein Fahrzeug, wobei die Fahrintention eine Information über ein prognostiziertes Fahrmanöver aufweist. Es wird eine Position des Fahrzeugs bestimmt und ein Straßenabschnitt basierend auf der Position des Fahrzeugs und einer digitalen Karte ermittelt, wobei dem Straßenabschnitt ein oder mehrere mögliche Fahrintentionen zugeordnet sind und wobei den ein oder mehreren möglichen Fahrintentionen ein oder mehrere Auslösebedingungen basierend auf ein oder mehreren Auslöser-Größen zugeordnet sind. Es wird eine Information über interne Auslöser-Größen für die Bestimmung einer aktuellen Fahrintention erhalten, basierend auf bordeigenen Sensoren oder Aktoren des Fahrzeugs. Es wird die Fahrintention bestimmt, basierend auf dem Straßenabschnitt, der Information über die internen Auslöser-Größen und den ein oder mehreren Auslösebedingungen.
• Die CN 106 971 194 A offenbart ein Fahrwunschidentifikationsverfahren, aufweisend eine Klassifizierung von Fahrabsichten von Fahrern, ein Unterteilen der Fahrabsichten der Fahrer in fünf Kategorien, nämlich Notspurwechsel nach links, Normalspurwechsel nach links, Beibehalten der Spur, Normalspurwechsel nach rechts und Notspurwechsel nach rechts. Des Weiteren umfasst das Verfahren ein Erfassen und Verarbeiten von experimentellen Daten, ein Offline-Training eines Algorithmus und ein Identifizieren der Fahrabsichten der Fahrer. Gemäß dem Verfahren wird ein Mensch-Fahrzeug-Straßensystem vollständig berücksichtigt, Informationen von Fahrzeugen, Straßen und Fahrern werden erfasst, der Algorithmus wird verwendet und die Genauigkeit und die Aktualität eines Fahrspurwechselabsichtsidentifikationsmodells werden verbessert.
• Die KR 2017 / 0 083 233 A offenbart ein Fahrassistenzsystem, das eine kartenbasierte Bestimmung der Bewegungsabsicht von beweglichen Objekten verwendet. Das Fahrassistenzsystem beinhaltet eine Sensoreinheit mit einem Entfernungsmesssensor und einem GPS zum Erhalten von Informationen über bewegte Objekte um ein Fahrzeug herum. Zudem weist das Fahrassistenzsystem eine Karteninformationssammeleinheit zum Sammeln von Karten, die zum Fahren von einer Speichervorrichtung verwendet werden sollen, und eine Bewegungsobjektinformationsmesseinheit zum Erfassen von Zustandsinformationen umliegender beweglicher Objekte durch einen am Fahrzeug montierten Umgebungssensor, eine Fahrzeugzustandsmesseinheit zum Erfassen von Zustandsinformationen des eigenen Fahrzeugs und eine Bewegungsobjektabsichtbestimmungseinheit auf.
• Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zum Ermitteln einer Fahrtroute für einen Kraftwagen bereitzustellen, das ohne eine Auswertung von individuellen Fahrerinformationen auskommt.
• Erfindungsgemäß wird die Aufgabe durch ein Verfahren mit den Merkmalen des Anspruchs 1 gelöst, gemäß dem wenigstens zwei Wechselwahrscheinlichkeiten, die jeweils für einen Wechsel des Kraftwagens an der Kreuzung von einer der Straßen in eine der beiden weiteren Straßen stehen, auf Basis von vorab erfassten Flottendaten ermittelt werden und der Kreuzung eine die Wechselwahrscheinlichkeiten enthaltende Wechselmatrix zugeordnet wird, wobei die Fahrtroute unter Berücksichtigung der Wechselmatrix ermittelt wird.
• Es ist darauf hinzuweisen, dass die in der nachfolgenden Beschreibung einzeln aufgeführten Merkmale sowie Maßnahmen in beliebiger technisch sinnvoller Weise miteinander kombiniert werden können und weitere Ausgestaltungen der Erfindung aufzeigen. Die Beschreibung charakterisiert und spezifiziert die Erfindung insbesondere im Zusammenhang mit den Figuren zusätzlich.
• Erfindungsgemäß wird die Fahrtroute nicht auf Basis personenbezogener Daten, die beispielsweise aus einem Lernen einer Fahrtroute oder eines Verhaltens eines Fahrers gewonnen werden, sondern völlig losgelöst von jeglicher Bezugnahme auf ein individuelles Fahrerverhalten, eine individuelle Absicht oder eine andere Art der Bezugnahme auf einen Fahrer ermittelt. Dies ist ein wesentlicher Unterschied zum eingangs genannten Stand der Technik, da mit dem erfindungsgemäßen Verfahren entpersonalisierte Daten gewonnen werden, die eine makroskopische Darstellung des Wissens (als Darstellung der Flotte) auf einer höheren Ebene in einer Datenbank, beispielsweise einer Daten-Cloud, ermöglicht, im Gegensatz zu der in dem eingangs genannten Stand der Technik beschriebenen mikroskopischen Darstellung, die auf einen Fahrer oder eine Reihe von Fahrern, die ein Fahrzeug führen, fokussiert ist und somit sensible Personendaten erfordert.
• Darüber hinaus können gemäß dem erfindungsgemäßen Verfahren die erfassten Daten in zufälligen Abständen in Blöcken an die Datenbank gesendet und randomisiert werden, so dass es keine Möglichkeit gibt, die Reihenfolge der Datenproduktion nachzustellen. Dies steht im völligen Gegensatz zu den in dem eingangs genannten Stand der Technik beschriebenen Verfahren, die sich darauf stützen, einen Ablauf zu erlernen, wie Daten erzeugt werden, um Muster für einen Vorhersagealgorithmus zu erzeugen.
• Erfindungsgemäß kann ein Vorhersagealgorithmus verwendet werden, der auf rein statistischen Informationen (Flottendaten) basiert, ohne die Absicht, ein Verhalten eines bestimmten Fahrers aus den Daten zu erlernen oder zu extrahieren. Da erfindungsgemäß kein Erlernen eines Verhaltens eines bestimmten Fahrers erfolgt, arbeitet der erfindungsgemäße Vorhersagealgorithmus iterativ basierend auf den tatsächlichen Aktionen des Fahrers, wobei der Vorhersagealgorithmus Wegpunkte in dem Fahrhorizont aktualisieren kann. Dies ist ein weiterer wichtiger Unterschied zum Stand der Technik, da erfindungsgemäß keine Fahrtendziele, sondern Teile eines Fahrwegs vorhergesagt werden, nämlich die Wegpunkte. Sobald sich der Fahrer dem Rand des Vorhersagehorizonts nähert, kann ein neuer Horizont ermittelt werden. Zudem kann dann eine neue Fahrtroute ermittelt werden. Dieser Vorgang kann gestoppt werden, wenn der Kraftwagen nach einer Fahrt ausgeschaltet wird. Erfindungsgemäß wird dann kein Speichern oder Erlernen der Ereignisse durchgeführt.
• Mit der Erfindung kann somit ein Vorhersageverfahren zur Verbesserung der Optimierung des Verhaltens eines Antriebssystems eines Kraftwagens bereitgestellt werden, wobei das Verfahren darin besteht, das Flottenverhalten zu betrachten, um vernünftige Vorhersagen zu erstellen. Das erfindungsgemäße Verfahren ermöglicht eine Erzeugung einer Reihe von möglichen Zielen WPx eines Fahrers nicht als Fahrtendziele, sondern als Fahrhorizonte H(WPx), die eine Planung von Steuerstrategien für Antriebssysteme von Kraftwagen ermöglichen. Die Erfindung ermöglicht somit die Vorhersage der Absicht eines Fahrers, ohne die Verwendung von personenbezogenen Daten, und die Verwendung dieser Vorhersage zur Erzeugung von Antriebsspuren zur Unterstützung einer Planung von Antriebssteuerstrategien. Zur Planung gehört zum Beispiel die Regelung von Antriebstrangfunktionen wie die Regeneration des Partikelfilters in Dieselmotoren. Im diesem Fall ist es zielführend, die Vorhersage der Absicht eines Fahrers zu verwenden, um optimale Punkte oder Strecken innerhalb des Fahrhorizonts zu identifizieren, bei denen eine Regeneration des Partikelfilters auslösen bzw. durchgeführt werden soll. In dem Fall, dass keine optimalen Punkte oder Strecken innerhalb der zurzeit gefahrene Fahrthorizont stattfinden, also identifizierbar sind, wird die Kondition des Partikelfilters (z.B. Rußladung, Zeit der letzten erfolgreichen Regeneration) überprüft, so dass entscheidbar ist, ob ein suboptimaler Punkt zur Regeneration zu nutzen ist, oder ob man auf eine neue Vorhersage innerhalb einen neuen Fahrhorizont warten kann bzw. darf. Ein weiteres Beispiel kann bei Dieselmotoren mit LNT (Lean-NOx Trap) gesehen werden, bei welchen auf der Basis der Vorhersage der Absicht eines Fahrers eine Anpassung der Spülungsstrategie des LNTs durchzuführen ist, mit dem Zweck das NOx-Konvertierung-Kraftstoffverbrauch-Verhältnis im LNT zu optimieren. Die Nutzung der Vorhersage der Absicht eines Fahrers ist selbstverständlich nicht auf die genannten Beispiele, also für Dieselmotoren bzw. Verbrennungsmotoren beschränkt. Bei Elektrofahrzeugen mit Reichweitenverstärker (REEV) beispielsweise ermöglicht eine bessere Planung, die Ladestrategie der Batterie mit Unterstützung des Verbrennungsmotors optimal anzupassen. Beispielsweise könnten innerhalb des Fahrthorizonts Punkte oder Strecken außerhalb Umweltzonen und/oder mit geeignetem Geschwindigkeitsprofil als optimale Punkte bzw. Strecken für das seitens des Verbrennungsmotors unterstützte Laden der Batterie identifiziert werden.
• In einer höheren Datenebene, die eine Basisebene der separat angeordnete Datenbank, beispielsweise Daten-Cloud, ist, können die dort gespeicherten Informationen lediglich Zählungen von Aktionen von Kraftwagen an einer Kreuzung sein, wobei lediglich ein Hinweis auf den Kraftwagentyp gespeichert ist, der diese Aktion durchführt. Die Aktion des Kraftwagens an der Kreuzung ist in der Form „aus Routenabschnitt A kommend - Routenabschnitt B nehmend“ gegeben und wird in Form einer bedingten Wahrscheinlichkeit in einer Graphdatenbank der höheren Datenebene gespeichert. Weitere Informationen, die in der Datenbank speicherbar sind, können sich auf die Art und Weise beziehen, wie ein Routenabschnitt gefahren wird, einschließlich Antriebsparameter, wie Geschwindigkeit, Gangwechsel, Emissionen, Energieverbrauch usw. Auch diese Informationen sind erfindungsgemäß nicht mit personenbezogenen Daten verknüpft und beziehen sich nur auf einen Kraftwagentyp.
• Die Erfindung benötigt eine Graphdatenbank, um notwendige Informationen (Daten) für das Vorhersageverfahren zuzuordnen. Zudem beinhaltet die Erfindung ein Vorhersageverfahren zum Schätzen der Absicht eines Fahrers, das sich auf rein statistische Flotteninformationen und keine individuellen Fahrerinformationen stützt und die durch die Datenbanktopologie gegebenen Abfragealgorithmen nutzt.
• Gemäß einer vorteilhaften Ausgestaltung werden zwischen dem Startort und dem Zielort vorhandene Straßen und Kreuzungen aus geographischen Daten ermittelt.
• Eine weitere vorteilhafte Ausgestaltung sieht vor, dass nach einem Passieren der Kreuzung ermittelt wird, ob sich der Kraftwagen auf der ermittelten Fahrtroute befindet oder nicht, und eine neue Fahrtroute ermittelt wird, wenn sich der Kraftwagen nicht mehr auf der ermittelten Fahrtroute befindet. Befindet sich der Kraftwagen nicht mehr auf der ermittelten Fahrroute, kann ein neuer Satz von Fahrtrouten zu Wegpunkten berechnet und die Wahrscheinlichkeiten von Wegpunkten aktualisiert werden, um einen neuen wahrscheinlichsten Wegpunkt zu bestimmen.
• Die obige Aufgabe wird zudem durch ein System mit den Merkmalen des Anspruchs 4 gelöst, das eine Flotte aus Kraftwagen und wenigstens eine mit den Kraftwagen verbindbare, separat angeordnete Datenbank aufweist. Mit dem System sind die oben mit Bezug auf das Verfahren genannten Vorteile entsprechend verbunden.
• Weitere vorteilhafte Ausgestaltungen der Erfindung sind in den Unteransprüchen und der folgenden Figurenbeschreibung offenbart. Es zeigt
• 1 eine schematische Darstellung eines Ausführungsbeispiels für eine geographische Region, eine graphische Struktur und deren Beschreibung,
• 2 eine weitere schematische Darstellung der in 1 gezeigten graphischen Struktur,
• 3 eine weitere schematische Darstellung der in 1 gezeigten graphischen Struktur,
• 4 eine weitere schematische Darstellung der in 1 gezeigten graphischen Struktur,
• 5 eine weitere schematische Darstellung der in 1 gezeigten graphischen Struktur,
• 6 eine weitere schematische Darstellung der in 1 gezeigten graphischen Struktur,
• 7 eine weitere schematische Darstellung der in 1 gezeigten graphischen Struktur,
• 8 eine schematische Darstellung eines Arbeitstagprofils der in 1 gezeigten graphischen Struktur und
• 9 eine schematische Darstellung eines Wochenendtagprofils der in 1 gezeigten graphischen Struktur.
• In den unterschiedlichen Figuren sind gleiche Teile stets mit denselben Bezugszeichen versehen, weswegen diese in der Regel auch nur einmal beschrieben werden.
• 1 zeigt schematische Darstellung eines Ausführungsbeispiels für eine geographische Region (in 1 links), eine graphische Struktur S(θ) (Mitte von 1) und deren Beschreibung (in 1 rechts). Die Datenbankstruktur zur Realisierung der Erfindung ist eine Cloud-Implementierung einer Graphdatenbank, bei der ein Datenkanal zum Austausch von Informationen zwischen einem Kraftwagen und der Datenbankstruktur aktivierbar ist. Diese Datenbankstruktur kann in einer mehrschichtigen Implementierung in einem Steuergerät des Kraftwagens oder einem tragbaren Computer (PDA) eines Fahrers des Kraftwagens abgebildet werden.
• Die Grundstruktur der Datenbank ist eine geografische Region, die in 1 links gezeigt ist, die in eine in der Mitte von 1 gezeigte grafische Struktur S(θ) abgebildet ist, die unter anderem durch Parameter β_x beschrieben wird, wie es in 1 rechts dargestellt ist. Die Struktur S(θ) weist zwei topologische Elemente auf, die das grafische Raster bilden, nämlich Kreuzungen J_x, also Punkte, die Straßen verbinden, und Straßen s_x, wobei unter dem Begriff „Straße“ jeder fahrbare Weg zwischen zwei Kreuzungen verstanden wird. Zudem weist die Grundstruktur S(θ) die Beschreibungsparameter β_x auf, die Kreuzungen, Straßen und deren Wechselwirkungen physikalisch und verhaltensmäßig beschreiben. Beispiele für solche Parameter sind geografische Koordinaten, eine Fahrtrichtung, eine Fahrzeugdichte, eine (mögliche) Durchschnittsgeschwindigkeit, durchschnittliche Emissionen, ein Energieverbrauch, Schadstoffemissionen und andere relevante Werte.
• Mit der Struktur S(θ) sind hergeleitete Wechselmatrizen P(J_x) verbunden, die die Übergänge zwischen einer Straße und einer anderen Straße über eine Kreuzung beschreiben. Die Wechselmatrizen, deren Elemente bedingte Wahrscheinlichkeiten sind, wie in der folgenden Tabelle beschrieben:

  P(Jx)	sx1	sx2	sx3	...	sxn
  sx1	sx1|sx1	sx1|sx2	sx1|sx3	...	sx1|sxn
  sx2	sx2|sx1	sx2|sx2	sx2|sx3	...	sx2|sxn
  sx3	sx3|sx1	sx3|sx2	sx3|sx3	...	sx3|sxn
  ...	...	...	...	...	...
  sxn	sxn|sx1	sxn|sX2	sxn|sx3	...	sxn|sxn

• So ist beispielsweise P(s_x3|s_x2) die Wahrscheinlichkeit, von der Straße s_x2 zu kommen und über die Kreuzung J_x in die Straße s_x3 zu wechseln.
• Mit der Struktur S(θ) sind zudem hergeleitete Fahrtrouten R_x(J_{x_rx} ,s_{x_rx} ) verbunden, die ein Satz von n Kreuzungen und n-1 Straßen sind, die einen zu fahrenden Weg beschreiben. Sie sind mit einer Wahrscheinlichkeit P, befahren zu werden, versehen: $$R_x\left(\overline{J_{x\_rx}},\overline{s_{x\_rx}}\right)=\left[\left(J_{x\_rx}\left(1\right),\dots ,J_{x\_rx}\left(n\right)\right),\left(s_{x\_rx}\left(0\right),\dots ,s_{x\_rx}\left(n-1\right)\right),P\left(R_x\right)\right].$$

  
• Auf diese Weise wird die Datenbank, sobald die Struktur der Datenbank festgelegt ist, mit Informationen über die Aktionen von Kraftwagen an einer Kreuzung (aus Routenabschnitt A kommend - Routenabschnitt B nehmend) und einigen Statistiken über das Verhalten des Kraftwagens im gefahrenen Routenabschnitt gefüllt. Diese Informationen enthalten keine personenbezogenen Daten und haben keinen Bezug zu einer Person oder einem bestimmten Kraftwagen. Die einzige Referenz ist ein Kraftwagentyp, der die Daten liefert. Um die Anonymisierung zu verbessern, werden die Daten in zufälligen zeitlichen Abständen an die Datenbank (Cloud) gesendet und randomisiert, so dass es keine Reihenfolge gibt, wie die Daten produziert worden sind.
• Das Prognoseverfahren verwendet die Informationen aus der Datenbank, um eine Reihe von wahrscheinlichen Fahrtrouten basierend auf den Flottendaten zu generieren und stellt dieses Ergebnis (Fahrtrouten) für weitere Analysen zur Verfügung. Dieses Ergebnis stellt die Vorhersage der Absicht des Fahrers dar und wird wie folgt geschätzt. Die Basisoperation ist die Berechnung der Wahrscheinlichkeit P(s_next_x), eine Straße s_next_x zu nehmen, wenn man sich einer Kreuzung J_x von einer Straße P(s_actual_x) nähert. Dies wird in Gleichung 1 dargestellt: $$P\left(J_x\right)\cdot P\left(s_{actua{l}_x}\right)=P\left(s\_nex{t}_x\right).$$

  
• Durch die Definition eines Fahrhorizonts (Horizon_x) um einen Startpunkt s_x herum definieren die Kreuzungen in der Peripherie dieses Fahrhorizonts die Wegpunkte WP_x. Jeder Satz von Straßen und Kreuzungen vom Startpunkt zu jedem Wegpunkt definiert eine Fahrtroute in dem Fahrhorizont.
• Die Aufgabe besteht also darin, Fahrtrouten zu erstellen, die den Startpunkt s_x mit jedem Wegpunkt WP_x verbinden, und Gleichung 1 in iterativer Form entlang der jeweiligen definierten Fahrtroute bis zum Wegpunkt anzuwenden. Dies liefert die Wahrscheinlichkeit, den jeweiligen Wegpunkt zu erreichen, der bei s_x beginnt. Die Fahrerabsicht oder Vorhersage ist dann der Satz von Fahrtrouten, deren Wegpunkte in einem bestimmten Fahrhorizont eine höhere Wahrscheinlichkeit haben.
• Das heißt, für einen Startpunkt s_{x_r}(0) und einen Wegpunkt WP_x1, der ein Element von J_{x_r1} ist, wird die Fahrtroute R_x1 definiert durch: $$R_{x1}=\left[\left(J_{x\_r1}\left(1\right),\dots ,J_{x\_r1}\left(n\right)\right),\left(s_{x1}\left(0\right),\dots ,s_{x\_r1}\left(n-1\right)\right)\right]$$

  

  und $$W{P}_{x1}=J_{x\_r1}\left(n\right).$$

  
• Die iterative Anwendung von Gleichung 1 und die Berücksichtigung dieser Elemente in s_x1 in Richtung WP_x1 liefert: $$\begin{array}{c}P\left(J_{x\_r1}\left(1\right)\right)\cdot P\left(s_{x1}\left(0\right)\right)=P\left(s_{x\_r1}\left(1\right)\right)\\ P\left(J_{x\_r1}\left(2\right)\right)\cdot P\left(s_{x\_r1}\left(1\right)\right)=P\left(s_{x\_r1}\left(2\right)\right)\\ ⋮\\ P\left(J_{x\_r1}\left(n\right)\right)\cdot P\left(s_{x\_r1}\left(n-1\right)\right)=P\left(s_{x\_r1}\left(n\right)\right)\end{array}$$

  

  und $$P\left(R_{x1}\right)=P\left(s_{x\_r1}\left(n\right)\right)$$

  
• Durch Anwendung des Verfahrens für jeden Wegpunkt {WP_x1, WP_x2, ..., WP_xn} im definierten Horizont und seine entsprechenden Fahrtrouten {R_x1, R_X2,.., R_xn} werden die Wahrscheinlichkeiten aller Wegpunkte berechnet. Wie bereits erwähnt, besteht die Vorhersage darin, diese Wegpunkte mit höherer Wahrscheinlichkeit P(R_x) zu wählen und ihre Fahrtrouten R_x als die wahrscheinliche Absicht des Fahrers zu betrachten.
• Sobald sich der Kraftwagen den Grenzen des Horizonts nähert, wird ein neuer Horizont um den anzufahrenden Knotenpunkt herum angelegt (einer der Wegpunkte) und neue Wegpunkte werden nach dem gesamten Verfahren erneut berechnet.
• Das Verfahren berechnet die Wahrscheinlichkeiten vom Ausgangspunkt bis zu jedem der Wegpunkte am Rand des Horizonts. Die Erstellung einer Fahrtroute R_x zu einem Wegpunkt WP_x kann auf verschiedene Weise erfolgen. Eine Möglichkeit besteht darin, das gleiche statistische Verfahren zu verwenden, das auf Wechselmatrizen an Kreuzungen basiert, bei denen alle befahrbaren Fahrtrouten von einem Startpunkt zu einem Wegpunkt berücksichtigt werden und nur diejenige Fahrtroute mit der höchsten Wahrscheinlichkeit, befahren zu werden, berücksichtigt wird. Das gleiche Verfahren wird dann auch für die Ermittlung jeder Fahrtroute verwendet, die zu dem jeweiligen Wegpunkt gehört.
• Andere Verfahren zur Bestimmung einer Fahrtroute berücksichtigen die in der Datenbank verfügbaren Informationen über das Flottenverhalten. Beispielsweise können Kriterien wie minimale Entfernung, minimaler durchschnittlicher Energie-/Kraftstoffverbrauch, maximale Durchschnittsgeschwindigkeit, minimale Emissionen bei der Berechnung einer zu einem Wegpunkt gehörenden Fahrtroute berücksichtigt werden. Diese Informationen sind bereits in den in der Graphdatenbank gespeicherten Informationen der Routenabschnitte enthalten.
• Wie bereits erwähnt, wird das Verfahren iterativ wiederholt, um neue Horizonte, neue Wegpunkte und neue Fahrtrouten zu erstellen, bis der Kraftwagen anhält und abschaltet wird. Kein Wissen wird als Sequenz gespeichert oder gelernt.
• Die einzige Information, die übertragen wird, ist diejenige, die für die Aktualisierung der Datenbank erforderlich ist. Dies kann auf verschiedene Weise erfolgen, um die Anonymität zu gewährleisten. Eine Möglichkeit besteht darin, die Datenbank in zufälligen Zeit- (oder Entfernungs-) Abständen zu aktualisieren. Hierbei werden die gespeicherten Daten randomisiert, verschlüsselt und an die Datenbank gesendet. Dadurch wird sichergestellt, dass die Reihenfolge der Datengenerierung verloren geht und sie von jeder Verbindung zu einem bestimmten Fahrer getrennt wird. Einmal in der Datenbank gespeichert, werden die Daten entsprechend den entsprechenden Routenabschnitten und Kreuzungen gespeichert, wodurch die Struktur aktualisiert wird.
• Das Ergebnis des Verfahrens, d. h. die Vorhersage der Fahrerabsicht in Form von Fahrtrouten, ermöglicht die Erzeugung von Antriebsspuren zur Planung von Steuerstrategien. Durch die Extraktion der Informationen aus der Datenbank entlang einer vorhergesagten Fahrtroute ist es möglich, Spuren zu Emissionen, Kraftstoff-/Energieverbrauch und Geschwindigkeit (relevant für die Funktionalität der Abgasnachbehandlung) zu erstellen. Gleichzeitig ist es durch die Replikation der Datenbank möglich, eine Granularität der Daten zu erreichen. Zum Beispiel eine Tageszeit, ein Wochentag, eine Jahreszeit verbessern die Genauigkeit der Vorhersage der Fahrerabsicht und der Vorhersage der Spuren.
• Die in 2 gezeigte Struktur S(θ) basiert auf zwei Hauptelementen, nämlich Kreuzungen (A, B, ...) und Straßen (s1, s2, ...), und auf zwei abgeleiteten Elementen, nämlich Wechselmatrizen (PA, PB, ...) und Routen (R1, R2, ...) als eine Reihe von Kreuzungen und Straßen. Die Wechselmatrizen PX werden für jede Kreuzung definiert, basierend auf den Übergängen von Straße zu Straße.
• Beispielsweise definiert s3|s1 für die Kreuzung E und die Wechselmatrix PE die bedingte Wahrscheinlichkeit, dass ein von der Straße s1 kommender Fahrer an der Kreuzung E die Straße s3 nimmt. Die Wechselmatrix PE hat folgenden Aufbau:

  PE	s1	s2	S3	s4
  s1	s1|s1	s1|s2	s1|s3	s1|s4
  s2	s2|s1	s2|s2	s2|s3	s2|s4
  s3	s3|s1	s3|s2	s3|s3	s3|s4
  s4	s4|s1	s4|s2	s4|s3	s4|s4

• Angenommen ein Fahrer startet, wie es in 3 gezeigt ist, an irgendeinem Punkt der Straße s1 in Richtung der Kreuzung E und bei Vorliegen der folgenden Wechselmatrix PE

  PE	s1	s2	S3	s4
  s1	0	0.6	0.2	0.6
  s2	0.3	0	0.2	0.2
  s3	0.2	0.3	0	0.2
  s4	0.5	0.1	0.6	0

  ist die Wahrscheinlichkeit, an der Kreuzung E eine bestimmte Straße zu nehmen definiert durch: $$\left[\begin{array}{cccc}0& 0.6& 0.2& 0.6\\ 0.3& 0& 0.2& 0.2\\ 0.2& 0.3& 0& 0.2\\ 0.5& 0.1& 0.6& 0\end{array}\right]\left[\begin{array}{c}1\\ 0\\ 0\\ 0\end{array}\right]=\left[\begin{array}{c}0\\ 0.3\\ 0.2\\ 0.5\end{array}\right]\dots \left[\begin{array}{c}P\left(s1\right)\\ P\left(s2\right)\\ P\left(s3\right)\\ P\left(s4\right)\end{array}\right]$$

  
• Das heißt, die Wahrscheinlichkeit, die Straße s2 zu nehmen, beträgt 30 %, die Wahrscheinlichkeit, die Straße s3 zu nehmen, beträgt 20 %, die Wahrscheinlichkeit, die Straße s4 zu nehmen, beträgt 50 %, wenn die Wahrscheinlichkeit, aus der Straße s1 zu kommen, 100 % beträgt.
• Nachdem nach dem Passieren einer Kreuzung ermittelt worden ist, dass der Fahrer an der Kreuzung eine vorhergesagte Entscheidung getroffen hat bzw. eine vorhergesagte Straße genommen hat, wird das Verfahren bis zur nächsten Kreuzung wiederholt und die Wahrscheinlichkeit, die jeweilige Straße an der nächsten Kreuzung zu nehmen, wird berechnet. Zum Beispiel nimmt der Fahrer, wie in 4 gezeigt, die Straße s4 und bewegt sich auf die Kreuzung H mit der folgenden Wechselmatrix PH zu:

  PH	s4	s5	S6	s7
  s4	0.1	0.1	0.4	0.5
  s5	0.2	0	0.2	0.2
  s6	0.2	0.2	0	0.2
  s7	0.5	0.7	0.4	0.1

• Im Folgenden werden die Eigenschaften und Funktionen von Wegpunkten einer Fahrtroute und eines Fahrerhorizonts besprochen.
• Wenn ein Bereich mit einem Durchmesser von X km (oder eine andere Form) um einen Startpunkt an der Straße s1 einer Fahrt in Richtung der Kreuzung E definiert wird, wie es in 5 gezeigt ist, kann eine Reihe von Wegpunkten (W1, W2, ...) an den Grenzen des definierten Bereichs definiert werden, die den Horizont des Fahrers H(Wx) beschreibt. Es wird für jeden der Wegpunkte die Wahrscheinlichkeit definiert, den Wegpunkt zu erreichen. Zudem werden die Fahreigenschaften der Fahrtrouten (R1, R2, ...) zu jedem Wegpunkt definiert.
• Beispielsweise definiert R1 in 5 eine Fahrtroute zu dem Wegpunkt W1, die aus den Kreuzungen E und H und den Straßen s4 und s7 besteht, während R3 eine Fahrtroute zu dem Wegpunkt W3 definiert, die aus den Kreuzungen E, F und I sowie den Straßen s2, s10 und s11 besteht.
• Die Berechnung der Wahrscheinlichkeit des Wegpunkts W3 und des Wegpunkts W1 basiert auf dem zuvor beschriebenen iterativen Verfahren. Für das gegebene Beispiel wird die Wahrscheinlichkeit, sich in Richtung des Wegpunkts W1 zu bewegen, beginnend an der Straße s1 in Fahrtrichtung E und R1 folgend, definiert durch: $$\left[\begin{array}{cccc}0.1& 0.1& 0.4& 0.5\\ 0.2& 0& 0.2& 0.2\\ 0.2& 0.2& 0& 0.2\\ 0.5& 0.7& 0.4& 0.1\end{array}\right]\left[\begin{array}{c}0.5\\ 0\\ 0\\ 0\end{array}\right]=\left[\begin{array}{c}0.05\\ 0.1\\ 0.1\\ 0.25\end{array}\right]\dots \left[\begin{array}{c}P\left(s4\right)\\ P\left(s5\right)\\ P\left(s6\right)\\ P\left(s7\right)=P\left(W1\right)\end{array}\right]$$

  
• Das Bewegen in Richtung des Wegpunkts W1 hat eine Wahrscheinlichkeit von 25%. Das Verfahren sollte auf alle Wegpunkte angewendet werden. Der Prozess ist iterativ, da die Fahrerinformationen aktualisiert werden, beispielsweise Horizont H(Wx) ist kein fester Horizont, sondern ein gedachter.
• Eine Fahrtroute ist jeder mögliche Weg, der vom Startpunkt bis zu einem Wegpunkt führt, im vorliegenden Fall jeder fahrbare Weg von Kreuzung B nach den Wegpunkten W1 bis W5. Für jede Fahrtroute werden auf Basis statistischer Daten aus der Graphdatenbank die Wahrscheinlichkeiten für das Erreichen jedes Wegpunkts W ab der Kreuzung B berechnet. Bei der Konstruktion einer Fahrtroute (von Start- zu Zielpunkt) können verschiedene Kriterien berücksichtigt werden, basierend auf der Datenspeicherung in der Datenbank. Beispielsweise könne folgende Befehle berücksichtigt werden: Konstruiere Fahrtrouten basierend auf einer minimalen Entfernung zum Wegpunkt oder minimalen Schadstoffemission oder minimalem Energieverbrauch oder maximal fahrbarer Geschwindigkeit (nicht eine vorgeschriebene Geschwindigkeitsbeschränkung, sondern fahrbare Geschwindigkeit basierend auf Statistiken) oder anhand derselben Kreuzungsstatistik.
• Wenn die Aktion des Kraftwagens an der Kreuzung E wie vorhergesagt ist, wie es in 6 gezeigt ist, ist die vorhergesagte Fahrtroute zum Wegpunkt W1 immer noch die Hauptroute und es ändert sich nichts. Wenn die Aktion des Kraftwagens an der Kreuzung E nicht wie vorhergesagt ist, wie es in 7 gezeigt ist, ist die vorhergesagte Fahrtroute zum Wegpunkt W1 nicht die Hauptroute und entsprechend 7 auch nicht die Fahrtroute zum Wegpunkt W3, der zu den wahrscheinlichsten Wegpunkten gehörte, dann müssen neue Berechnungen durchgeführt werden, wobei entsprechend 7 nun die Kreuzung E als Ausgangspunkt in Richtung Kreuzung G herangezogen wird. Wahrscheinlichkeiten für die Wegpunkte werden entlang der Fahrtrouten von Kreuzung E zu jedem Wegpunkt berechnet, und die Wegpunkte mit der höchsten Wahrscheinlichkeit (z. B. W5 und W1) werden für die Berechnung der Fahrbedingungen berücksichtigt.
• Das beschriebene Verfahren kann in redundanter Form nach Kategorien oder Profilen angewendet werden, die das Fahrverhalten basierend auf einem Satz relevanter Parameter beschreiben α. Beispielsweise können zwei Hauptparameter bei der Erstellung von Kategorien helfen, nämlich die Hauptparameter „Uhrzeit des Tages“ und „Tag der Woche“. Diese Aufzählung ist jedoch nicht abschließend und es können weitere Parameter berücksichtigt werden, wie beispielsweise „Monat des Jahres“, „Fahrzeugtyp“ und dergleichen. Entsprechende Profile des Verfahrens sind in den 8 und 9 gezeigt.
• Es kann eine verbundene Dienstleistungsebene (Cloud) vorhanden sein. In dieser Ebene basieren die Informationen auf Flottendaten, die anonym und ohne Verfolgung des individuellen Fahrerverhaltens sind. Die Flottendaten werden für die statistische Charakterisierung der Flotte und die Erstellung von Flottenfahrprofilen verwendet: $$profil{e}_{fleet}=f\left(\overline{\alpha },S\left(\theta \right)\right)$$

  
• Die Charakterisierung erfolgt auf einer globalen Skala und es erfolgt eine Verallgemeinerung.
• Es kann zudem eine lokale Dienstleistungsebene (Kraftwagen) vorhanden sein. In dieser Ebene basieren die Informationen auf der Abbildung eines Satzes in profile_fleet durch eine Transformation T, die Fahrzeugdaten enthält. Auf diese Weise wird die Flottenprofilierung durch die Transformation T im gleichen Bereich wie profile_fleet verfeinert, wodurch profile_vehicle erzeugt wird. Dies kann beispielsweise bei einem Mietwagen oder einem von mehreren Nutzern gemeinsam genutzten Kraftwagen der Fall sein. Die Aktionsdomäne ist dem Kraftwagen vorbehalten, ohne Feedback-Interaktion mit der Cloud, und es gibt lediglich das Anfordern eines neuen Sets profile_fleet von der Cloud.
• Ferner kann eine persönliche Dienstleistungsebene (persönliches Gerät) vorhanden sein. In dieser Ebene erlaubt ein Fahrer die Interaktion mit profile_fleet und es findet auch ein Mapping T statt. Im letztendlichen Fall kann die Absicht des Fahrers (Ziel) bekannt sein und bei der Transformation T kann es darum gehen, die ausgewählte Fahrtroute Rx für die kommenden Horizonte H_1...n(W_Rx) zu beschreiben. Die Interaktionsdomäne ist der Kommunikation zwischen Kraftwagen und mobilem persönlichen Gerät vorbehalten.
• Bezugszeichenliste

A1

Wegpunkt

A2

Wegpunkt

A3

Wegpunkt

A5

Wegpunkt

A8

Wegpunkt

A

Kreuzung

B

Kreuzung

C

Kreuzung

D

Kreuzung

E

Kreuzung

F

Kreuzung

G

Kreuzung

H

Kreuzung

I

Kreuzung

J

Kreuzung

R1

Fahrtroute

R3

Fahrtroute

R4

Fahrtroute

R6

Fahrtroute

s1

Straße

s2

Straße

s3

Straße

s4

Straße

s5

Straße

s6

Straße

s7

Straße

s10

Straße

s11

Straße

s12

Straße

s13

Straße

s14

Straße

s15

Straße

s16

Straße

s20

Straße

W1

Wegpunkt

W2

Wegpunkt

W3

Wegpunkt

W4

Wegpunkt

W5

Wegpunkt

• ZITATE ENTHALTEN IN DER BESCHREIBUNG
• Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
• Zitierte Patentliteratur
• US 8478642 B2 [0003]
• EP 3371799 A1 [0005]
• CN 106971194 A [0006]

Claims (4)

1. Verfahren zum Ermitteln einer Fahrtroute (RX) für einen Kraftwagen zwischen einem Startort und einem Zielort (AX; WX) innerhalb eines den Startort umgebenden Bereichs vorgegebener Größe, wobei die Fahrtroute (RX) aus wenigstens einer Kreuzung (A - J) und wenigstens drei mit der Kreuzung (A - J) verbundenen Straßen (sX) gebildet wird, dadurch gekennzeichnet, dass wenigstens zwei Wechselwahrscheinlichkeiten, die jeweils für einen Wechsel des Kraftwagens an der Kreuzung (A - J) von einer der Straßen (sX) in eine der beiden weiteren Straßen (sX) stehen, auf Basis von vorab erfassten Flottendaten ermittelt werden und der Kreuzung (A - J) eine die Wechselwahrscheinlichkeiten enthaltende Wechselmatrix zugeordnet wird, wobei die Fahrtroute (RX) unter Berücksichtigung der Wechselmatrix ermittelt wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass zwischen dem Startort und dem Zielort (AX; WX) vorhandene Straßen (sX) und Kreuzungen (A - J) aus geographischen Daten ermittelt werden.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass nach einem Passieren der Kreuzung (A - J) ermittelt wird, ob sich der Kraftwagen auf der ermittelten Fahrtroute (RX) befindet oder nicht, und eine neue Fahrtroute (RX) ermittelt wird, wenn sich der Kraftwagen nicht mehr auf der ermittelten Fahrtroute (RX) befindet.
4. System zum Durchführen des Verfahrens nach einem der vorhergehenden Ansprüche, gekennzeichnet durch eine Flotte aus Kraftwagen und wenigstens eine mit den Kraftwagen verbindbare, separat angeordnete Datenbank.

Images