-
Die vorliegende Erfindung betrifft den Vergleich digitaler Repräsentationen von Fahrsituationen eines Fahrzeugs, der beispielsweise für die Validierung der Simulationen von Fahrten mittels Aufzeichnungen real durchgeführter Fahrten eingesetzt werden kann.
-
Stand der Technik
-
Damit ein Fahrzeug eine Betriebserlaubnis für den Straßenverkehr erhält, muss nachgewiesen werden, dass dieses Fahrzeug verkehrssicher ist. Daher werden alle Bauteile und Baugruppen, die sich auf die Verkehrssicherheit auswirken können, nach behördlichen Vorgaben geprüft.
-
Auch für Systeme, mit denen ein Fahrzeug zumindest teilweise automatisiert im Verkehr geführt werden kann, muss die Betriebssicherheit unter allen Umständen schlüssig nachgewiesen werden. Ein solcher Nachweis ist sehr komplex. Ab dem SAE-Automatisierungslevel 3 können von dem Gesamtaufwand, der insgesamt in die Implementierung einer neuen Funktionalität fließt, durchaus nur 20 % auf die eigentliche Entwicklung entfallen, während die restlichen 80 % für die Absicherung erforderlich sind.
-
Aus der
DE 10 2018 209 108 A1 ist eine Vorrichtung bekannt, die mittels neuronaler Netzwerke die Wahrscheinlichkeit eines unerwünschten Ereignisses in einem technischen System vorhersagt.
-
Um im Rahmen der „Safety of the intended function“ (SOTIF) das nicht durch konkrete elektrische oder mechanische Fehler verursachte Fehlverhalten zumindest teilweise automatisierter Fahrzeuge zu untersuchen, werden Fahrten mit diesen Fahrzeugen simuliert. Hierbei ist ein Nachweis (Validierung) gefordert, dass die Simulation hinreichend realitätsnah ist.
-
Offenbarung der Erfindung
-
Im Rahmen der Erfindung wurde ein Verfahren zum Vergleichen zweier digitaler Repräsentationen von Fahrsituationen eines Fahrzeugs entwickelt. Diese digitalen Repräsentationen können jeweils in beliebiger Form vorliegen. Sie beinhalten jedoch jeweils mindestens Belegungsinformationen über eine Belegung des Umfelds des Fahrzeugs mit verkehrsrelevanten Objekten.
-
Beispiele für verkehrsrelevante Objekte sind beispielsweise Fahrbahnmarkierungen, Fahrbahnbegrenzungen, andere Verkehrsteilnehmer, Verkehrszeichen sowie Hindernisse. Die Belegungsinformationen können sich auf alle im Umfeld des Fahrzeugs vorhandenen Objekte oder auch nur auf bestimmte Typen von Objekten beziehen. So können beispielsweise die Belegungsinformationen hinsichtlich Fahrbahnmarkierungen separat von den Belegungsinformationen hinsichtlich anderer Verkehrsteilnehmer geführt werden.
-
Im Rahmen des Verfahrens wird ein Bereich des Umfelds des Fahrzeugs in ein Raster von Teilbereichen aufgeteilt. Dieser Bereich muss sich nicht ringsum um das ganze Fahrzeug erstrecken. Wenn beispielsweise ein Vergleich von Fahrsituationen im Hinblick auf eine spezielle Fahraufgabe beabsichtigt ist, genügt ein Bereich, der die Fahrsituation im Hinblick auf diese Fahraufgabe charakterisiert. Wenn beispielsweise zu beurteilen ist, wie gut ein zumindest teilweise automatisiert fahrendes Fahrzeug die Spur hält, so genügt als Bereich ein in Fahrtrichtung vorausliegendes Gebiet der Fahrbahn, das mindestens eine Fahrstreifenbegrenzung oder einen anderen Indikator der von dem Fahrzeug aktuell befahrenen Fahrspur enthält.
-
Anhand der Belegungsinformationen in der ersten digitalen Repräsentation werden die Belegungen der Teilbereiche mit verkehrsrelevanten Objekten ermittelt und zu einem Fingerprint der ersten Fahrsituation zusammengeführt. Ebenso werden die Belegungen der Teilbereiche mit verkehrsrelevanten Objekten auch anhand der Belegungsinformation in der zweiten digitalen Repräsentation ermittelt und zu einem Fingerprint der zweiten Fahrsituation zusammengeführt. Gemäß einer vorgegebenen Maßvorschrift wird ein Ähnlichkeitsmaß zwischen dem ersten Fingerprint und dem zweiten Fingerprint ermittelt. In Antwort darauf, dass das Ähnlichkeitsmaß ein vorgegebenes Kriterium erfüllt, wird festgestellt, dass die beiden Fahrsituationen gleich oder zumindest ähnlich sind.
-
Das Ähnlichkeitsmaß kann insbesondere beispielsweise ein beliebiges Differenzmaß und/oder Distanzmaß sein, welches zwei Fingerprints eine skalare oder vektorielle Differenz bzw. Distanz zuordnet. Dabei kann dieses Differenzmaß und/oder Distanzmaß auch noch zusätzlich an den jeweiligen konkreten Anwendungsfall gekoppelt sein. Wenn beispielsweise in der Fahrsituation beurteilt werden soll, wie gut ein automatisiertes System die Fahrspur erkennt bzw. hält, können beispielsweise Elemente eines Fingerprints, der die Fahrspur charakterisiert, mit Elementen einer anhand einer wahren Fahrspur und/oder Soll-Fahrspur ermittelten Gewichtungsmatrix gewichtet werden.
-
Es wurde erkannt, dass auf diese Weise insbesondere eine vorgegebene erste Fahrsituation sehr schnell mit einer Vielzahl anderer Fahrsituationen aus einem vorgegebenen Vorrat verglichen werden kann, um die erste Fahrsituation in dem Vorrat wiederzuerkennen. Dies kann beispielsweise genutzt werden, um für die jeweilige Fahrsituation Zusatzinformationen abzurufen, die in dem besagten Vorrat in Assoziation mit der Fahrsituation hinterlegt sind.
-
Beispielsweise kann ein gespeicherter Vorrat von Fahrsituationen Aufzeichnungen von Testfahrten umfassen, die vom automatisierten System oder auch von einem menschlichen Testfahrer absolviert wurden. Wird eine Fahrsituation in einem solchen Vorrat wiedererkannt, kann beispielsweise eine Reaktion, die in dieser Fahrsituation bei der früheren Testfahrt zu einer erfolgreichen Bewältigung der Fahrsituation beigetragen hat, abgerufen werden. Diese Reaktion kann dann genutzt werden, um auch die aktuelle Situation in einer analogen Weise zu bewältigen. Eine beispielhafte Anwendung hierfür bilden Fahrassistenzsysteme in einem von einem menschlichen Fahrer zu steuernden Fahrzeug. Wenn im Betrieb eines solchen Fahrzeugs beispielsweise eine Fahrsituation erkannt wird, in der ein Kontrollverlust droht und eine Bremsung sinnvoll ist, kann dieser Vorschlag dem Fahrer signalisiert werden. Alternativ oder auch in Kombination hierzu kann beispielsweise bereits vorab Druck im Bremssystem aufgebaut werden, um die maximale Bremskraft zur Verfügung zu haben, wenn der Fahrer tatsächlich eine Bremsung veranlasst.
-
Die Unterteilung des Bereichs des Umfelds in das Raster von Teilbereichen sorgt in Verbindung mit einer Auswertung speziell der Belegungsinformationen dafür, dass diese Informationen in dem Fingerprint sowohl abstrahiert als auch komprimiert werden. Dies ist besonders vorteilhaft, um digitale Repräsentationen, die auf ganz unterschiedliche Weisen erfasst wurden, auf einem gemeinsamen Nenner zusammenzufassen und somit vergleichbar zu machen. So kann beispielsweise die erste Repräsentation aus Kamerabildern und die zweite Repräsentation aus Lidar-Daten hervorgehen. Ebenso kann beispielsweise die erste Repräsentation durch Simulation und die zweite Repräsentation durch Messung erzeugt worden sein. Weiterhin wird der Problematik abgeholfen, dass die sensorische Erfassung einer Fahrsituation grundsätzlich nur bedingt reproduzierbar ist, was eine Wiedererkennung erschwert. So sind beispielsweise selbst zwei unmittelbar nacheinander angefertigte Kamerabilder ein und derselben Fahrsituation aus der gleichen Perspektive auf der Ebene der aufgenommenen Pixelwerte bei weitem nicht identisch. Welche Objekte wo vorhanden sind, ändert sich hingegen nicht, und die Unterteilung in das Raster von Teilbereichen fängt diesbezüglich auch in gewissem Maße Fluktuationen auf.
-
In einer besonders vorteilhaften Ausgestaltung wird jeweils in einem Bit binär erfasst, ob ein Teilbereich mit mindestens einem verkehrsrelevanten Objekt belegt ist. Diese Aussage kann sich auf alle in Frage kommenden Typen verkehrsrelevanter Objekte beziehen oder auch nur auf einen bestimmten Typ von Objekten. Vergleiche von Bits und/oder Bitfolgen sind maschinell besonders effizient durchzuführen. Damit ist beispielsweise auch die Suche einer bestimmten Fahrsituation in einem sehr großen Vorrat von Fahrsituationen schnell durchführbar.
-
So wird beispielsweise in einer besonders vorteilhaften Ausgestaltung die erste digitale Repräsentation aus mindestens einer Simulation einer Fahrsituation ermittelt, und die zweite digitale Repräsentation wird aus mindestens einer Aufzeichnung von während der Fahrt eines Fahrzeugs mit mindestens einem Sensor aufgenommenen Messdaten ermittelt. Die Messdaten können beispielsweise als unsortierte Zeitverläufe mit einem Volumen in der Größenordnung von 10.000 Fahrstunden vorliegen. Hierin sind weiterhin keine Übergänge zwischen aufeinander folgenden Fahrsituationen annotiert. Mit binär kodierten Fingerprints kann auch ein so großer Vorrat an Repräsentationen schnell durchsucht werden.
-
Besonders vorteilhaft werden die für alle Teilbereiche erfassten Bits in einer Binärzahl als Fingerprint zusammengeführt. Zwei solche Binärzahlen können beispielsweise mit einem einzigen Maschinenbefehl auf exakte Übereinstimmung geprüft werden. Somit wird auch vorteilhaft der Bereich des Umfelds in eine Anzahl von Teilbereichen aufgeteilt, die eine Zweierpotenz ist. Vorteilhaft entspricht die Zweierpotenz dann der Breite eines Registers auf der für den Vergleich verwendeten Hardwareplattform, also etwa 64 Bit auf einem 64-Bit-System.
-
Besonders vorteilhaft ist die Wertigkeit eines Bits in der Binärzahl umso kleiner, oder umso größer, je wichtiger ein Objekt im hierzu korrespondieren Teilbereich für eine Verhaltensplanung des Fahrzeugs in der Fahrsituation ist. Dies erleichtert es, beispielsweise nicht nur nach einer exakten Übereinstimmung von Binärzahlen zu suchen, sondern im Rahmen einer vorgegebenen Toleranzgrenze Abweichungen von den Binärzahlen zuzulassen. Wenn die wichtigsten Merkmale der Fahrsituation identisch sind, sind es auch die jeweils niedrigstwertigen, bzw. höchstwertigen, Bits der Binärzahlen.
-
Somit kann beispielsweise das Ähnlichkeitsmaß von der Länge einer in beiden Fingerprints identischen Bitfolge abhängen. Diese Länge lässt sich besonders effizient bestimmen und liefert dann unmittelbar eine Aussage darüber, wie groß die betragsmäßige Abweichung der beiden Binärzahlen maximal noch sein kann.
-
Wenn beispielsweise untersucht werden soll, wie gut ein zumindest teilweise automatisiert fahrendes Fahrzeug die Spur hält, kann der Vergleich auf eine Beobachtung einer Fahrstreifenbegrenzung im Bereich vor dem Fahrzeug konzentriert werden. Befindet sich diese Fahrstreifenbegrenzung dort, wo sie bei gut gehaltener Spur erwartet wird, ist dies nur wenig relevant für die Verhaltensplanung, denn das aktuelle Verhalten ist im Sinne der Fahraufgabe gut und muss nicht akut geändert werden. Je weiter sich die Fahrstreifenbegrenzung abseits der erwarteten Position befindet, desto weiter ist das Fahrzeug außerhalb seiner Soll-Spur, und desto dringlicher ist ein Gegensteuern. Dabei kann beispielsweise zusätzlich noch die Perspektive der Beobachtung berücksichtigt werden. Ist die Fahrstreifenbegrenzung etwa weit voraus am Horizont um einen bestimmten Betrag seitlich versetzt, entspricht dies einer deutlich geringeren Winkelabweichung des Kurses des Fahrzeugs als wenn die Fahrstreifenbegrenzung unmittelbar vor dem Fahrzeug um den gleichen Betrag seitlich versetzt ist.
-
In einer weiteren vorteilhaften Ausgestaltung hängt das Ähnlichkeitsmaß von einer Hamming-Distanz zwischen den beiden Fingerprints ab. Die Hamming-Distanz misst, in wie vielen Bits sich die beiden Fingerprints voneinander unterscheiden. Dies ist insbesondere dann vorteilhaft, wenn alle Teilbereiche des Bereichs des Umfelds des Fahrzeugs für die Verhaltensplanung des Fahrzeugs im Wesentlichen gleich wichtig sind.
-
In einer weiteren besonders vorteilhaften Ausgestaltung werden die für alle Teilbereiche erfassten Belegungen jeweils in einer Matrix zusammengeführt, und hieraus wird der Fingerprint gebildet. Auf diese Weise bleibt beispielsweise die zweidimensionale Struktur eines insgesamt betrachteten räumlichen Bereichs auch im Fingerprint erhalten. Dementsprechend kann sich auch eine eventuelle Vorverarbeitung der Matrix zum Fingerprint Zusatzwissen über diese zweidimensionale Struktur zu Nutze machen.
-
So kann beispielsweise mindestens die aus einer der Repräsentationen erzeugte Matrix unter Filterung mit mindestens einem Filterkern in einen Fingerprint überführt werden. Durch Wahl eines geeigneten Filterkerns kann das Ähnlichkeitsmaß gezielt auf einen bestimmten Aspekt der Fahrsituation, auf den es beim Vergleich ankommt, maßgeschneidert werden. Beispielsweise kann so erreicht werden, dass das Ähnlichkeitsmaß speziell misst, inwieweit die gemäß den beiden untersuchten Fahrsituationen vom Fahrzeug verfolgten Spuren identisch sind.
-
Zu diesem Zweck kann das Ähnlichkeitsmaß beispielsweise einen Mittelwert oder Median der Elemente in einem elementweisen Produkt beider Fingerprints beinhalten.
-
Der Vergleich zweier digitaler Repräsentationen von Fahrsituationen kann insbesondere beispielsweise genutzt werden, um eine Simulation einer Fahrt eines Fahrzeugs zu validieren. Validieren bedeutet in diesem Zusammenhang insbesondere, die Simulation in der Realität zu „verankern“: Wenn für eine hinreichende Anzahl simulierter Fahrsituationen bekannte Referenz-Fahrsituationen aufgefunden werden können, die sich in der Folge genauso weiterentwickeln wie die jeweils simulierte Situation, dann wird die Realität mit hoher Wahrscheinlichkeit hinreichend genau von der Simulation wiedergegeben.
-
Daher stellt die Erfindung auch ein Verfahren zur Validierung der Simulation einer Fahrt eines Fahrzeugs bereit.
-
Dieses Verfahren beginnt damit, dass mindestens eine simulierte Fahrsituation der simulierten Fahrt in eine digitale Repräsentation überführt wird. Weiterhin werden aus Zeitverläufen von Referenz-Fahrten digitale Repräsentationen einer Vielzahl von Referenz-Fahrsituationen innerhalb der Referenz-Fahrten ermittelt.
-
Die digitale Repräsentation der simulierten Fahrsituation wird gemäß dem zuvor beschriebenen Verfahren mit den digitalen Repräsentationen der Referenz-Fahrsituationen verglichen. Aus den Ergebnissen dieser Vergleiche wird mindestens eine Referenz-Fahrsituation innerhalb einer Referenz-Fahrt ermittelt, die zu der simulierten Fahrsituation gleich oder zumindest ähnlich ist. Was als gleich bzw. ähnlich anzusehen ist, wird durch das bei der Suche verwendete Ähnlichkeitsmaß festgelegt.
-
Ein auf die simulierte Fahrsituation folgender Verlauf der simulierten Fahrt wird mit einem auf die ermittelte Referenz-Fahrsituation folgenden Verlauf der zugehörigen Referenz-Fahrt verglichen. Dieser Vergleich kann sich beispielsweise auf die jeweils vollständigen Verläufe beziehen. Der Vergleich kann aber auch beispielsweise bewerten, ob beide Verläufe letztendlich in ein gleiches oder ähnliches Ergebnis münden. So ist es beispielsweise von untergeordneter Bedeutung, ob ein Spurwechsel schnell und mit geringem Kurvenradius oder langsam und mit größerem Kurvenradius durchgeführt wird. Wichtig ist lediglich, dass am Ende die Spur ordnungsgemäß gewechselt wurde.
-
In Antwort darauf, dass der folgende Verlauf der simulierten Fahrt nach Maßgabe eines vorgegebenen Kriteriums im Einklang mit dem folgenden Verlauf der Referenz-Fahrt ist, wird festgestellt, dass die Simulation der Fahrt mindestens für die untersuchte Fahrsituation valide ist.
-
Dabei kommt es nicht darauf an, dass der folgende Verlauf der simulierten Fahrt, und/oder der folgende Verlauf der Referenz-Fahrt, in der jeweiligen Situation objektiv richtig ist. Vielmehr kann gerade das Auftreten gleichartiger Fehler sowohl in der Simulation als auch in der Referenz-Fahrt ein starker Hinweis in die Richtung sein, dass die Simulation die Realität hinreichend genau wiedergibt.
-
Ein Beispiel hierfür ist das spontane Abbiegen eines zumindest teilweise automatisiert fahrenden Fahrzeugs auf eine Autobahnausfahrt. Bestimmte Merkmale solcher Ausfahrten, wie etwa ein besonders neuer Straßenzustand, können einen Verhaltensplaner des Fahrzeugs zu der Annahme verleiten, dass nicht die aktuell befahrene rechte Fahrspur, sondern die Ausfahrt die durchgehende Fahrbahn ist. Wenn dieser Fehler sowohl in der Simulation als auch in gleichen oder ähnlichen Referenz-Situationen während einer oder mehrerer Referenz-Fahrten auftritt, dann deckt die Simulation mit hoher Wahrscheinlichkeit den Wirkungsmechanismus ab, der zum Auftreten des Fehlers führt. Im Ergebnis kann dann die Simulation genutzt werden, um Ursachen für den Fehler ausfindig zu machen, so dass diese Ursachen anschließend abgestellt werden können.
-
Wenn ein in der beschriebenen Weise validiertes Simulationsmodell zur Verfügung steht, kann dieses beispielsweise genutzt werden, um automatisiert in großer Zahl Variationen der Fahrsituation zu erzeugen. Aus der jeweiligen Fortentwicklung dieser Variationen in der Simulation können dann Rückschlüsse auf die Fehlerursache gezogen werden. So kann sich beispielsweise das Muster herauskristallisieren, dass das spontane Abfahren von der Autobahn bevorzugt dann stattfindet, wenn kumulativ der Straßenbelag der Autobahn neu ist, es regnet und die Temperatur kälter als 15°C ist.
-
In einer besonders vorteilhaften Ausgestaltung werden in den folgenden Verläufen der simulierten Fahrt einerseits und der Referenz-Fahrt andererseits jeweils erreichte Bremsgefahren Kennzahlen und/oder benötigte Lenkpotentiale zur Gefahrenmitigation für den Vergleich dieser Verläufe herangezogen. Dies sind etablierte Kennzahlen für die ausgehend von einer Fahrsituation durch Fahrmanöver letztendlich erzielten Ergebnisse.
-
Die zuvor beschriebenen Verfahren können insbesondere beispielsweise computerimplementiert und somit in einer Software verkörpert sein. Die Erfindung bezieht sich daher auch auf ein Computerprogramm mit maschinenlesbaren Anweisungen, die, wenn sie auf einem oder mehreren Computern ausgeführt werden, den oder die Computer dazu veranlassen, eines der beschriebenen Verfahren auszuführen. In diesem Sinne sind auch Steuergeräte für Fahrzeuge und Embedded-Systeme für technische Geräte, die ebenfalls in der Lage sind, maschinenlesbare Anweisungen auszuführen, als Computer anzusehen.
-
Ebenso bezieht sich die Erfindung auch auf einen maschinenlesbaren Datenträger und/oder auf ein Downloadprodukt mit dem Computerprogramm. Ein Downloadprodukt ist ein über ein Datennetzwerk übertragbares, d.h. von einem Benutzer des Datennetzwerks downloadbares, digitales Produkt, das beispielsweise in einem Online-Shop zum sofortigen Download feilgeboten werden kann.
-
Weiterhin kann ein Computer mit dem Computerprogramm, mit dem maschinenlesbaren Datenträger bzw. mit dem Downloadprodukt ausgerüstet sein.
-
Weitere, die Erfindung verbessernde Maßnahmen werden nachstehend gemeinsam mit der Beschreibung der bevorzugten Ausführungsbeispiele der Erfindung anhand von Figuren näher dargestellt.
-
Ausführungsbeispiele
-
Es zeigt:
- 1 Ausführungsbeispiel des Verfahrens 100 zum Vergleichen zweier digitaler Repräsentationen von Fahrsituationen eines Fahrzeugs;
- 2 Ausführungsbeispiel des Verfahrens 200 zur Validierung einer Simulation einer Fahrt eines Fahrzeugs;
- 3 Beispielhafte Aufteilung eines Bereichs des Umfelds eines Fahrzeugs in Teilbereiche;
- 4 Beispielhafte Ermittlung der Ähnlichkeit zweier Fahrsituationen unter Einsatz der Filterung mit einem Filterkern 6 bei der Bildung des Fingerprints 1b.
-
1 ist ein schematisches Ablaufdiagramm eines Ausführungsbeispiels des Verfahrens 100 zum Vergleichen zweier digitaler Repräsentationen 1, 2 von Fahrsituationen eines Fahrzeugs 50. In Schritt 105 wird eine erste digitale Repräsentation 1 aus mindestens einer Simulation einer Fahrsituation ermittelt. In Schritt 106 wird eine zweite digitale Repräsentation 2 aus mindestens einer Aufzeichnung von während der Fahrt eines Fahrzeugs 50 mit mindestens einem Sensor aufgenommenen Messdaten ermittelt. Beide digitalen Repräsentationen 1, 2 enthalten jeweils Belegungsinformationen 1a, 2a über eine Belegung des Umfelds 51 des Fahrzeugs 50 mit verkehrsrelevanten Objekten. In Schritt 110 wird ein Bereich 52 des Umfelds 51 in ein Raster von Teilbereichen 53 aufgeteilt.
-
In Schritt 120 werden anhand der Belegungsinformationen 1a die Belegungen 53a der Teilbereiche 53 mit verkehrsrelevanten Objekten ermittelt. Dies kann insbesondere gemäß Block 121 binär in Form von Bits erfolgen, die jeweils anzeigen, ob der entsprechende Teilbereich 53 mit einem Objekt belegt ist oder nicht.
-
In Schritt 130 werden die Belegungen 53a zu einem Fingerprint 1b der ersten Fahrsituation zusammengeführt. Handelt es sich bei den Belegungen 53a um Bits, können diese beispielsweise gemäß Block 131 in einer Binärzahl als Fingerprint 1b zusammengefasst werden. Allgemein können Belegungen 53a gemäß Block 132 auch als in einer Matrix M zusammengeführt werden, und hieraus kann der Fingerprint 1b gebildet werden. Es kann insbesondere beispielsweise gemäß Block 132a die Matrix M unter Filterung mit mindestens einem Filterkern 6 in den Fingerprint 1b überführt werden.
-
In Schritt 140 werden, analog zu Schritt 120, anhand der Belegungsinformationen 2a die Belegungen 53a' der Teilbereiche 53 mit verkehrsrelevanten Objekten ermittelt. Dies kann insbesondere gemäß Block 141 binär in Form von Bits erfolgen, die jeweils anzeigen, ob der entsprechende Teilbereich 53 mit einem Objekt belegt ist oder nicht.
-
In Schritt 150 werden, analog zu Schritt 130, die Belegungen 53a' zu einem Fingerprint 2b der ersten Fahrsituation zusammengeführt. Handelt es sich bei den Belegungen 53a' um Bits, können diese beispielsweise gemäß Block 151 in einer Binärzahl als Fingerprint 1b zusammengefasst werden. Allgemein können Belegungen 53a gemäß Block 152 auch als in einer Matrix M zusammengeführt werden, und hieraus kann der Fingerprint 2b gebildet werden. Es kann insbesondere beispielsweise gemäß Block 152a die Matrix M unter Filterung mit mindestens einem Filterkern 6 in den Fingerprint 2b überführt werden.
-
In Schritt 160 wird gemäß einer vorgegebenen Maßvorschrift 3 ein Ähnlichkeitsmaß 4 zwischen dem ersten Fingerprint 1b und dem zweiten Fingerprint 2b ermittelt. In Schritt 170 wird geprüft, ob dieses Ähnlichkeitsmaß ein vorgegebenes Kriterium 5 erfüllt. Ist dies der Fall (Wahrheitswert 1), wird in Schritt 180 festgestellt, dass die beiden durch die digitalen Repräsentationen 1 und 2 charakterisierten Fahrsituationen gleich oder zumindest ähnlich sind.
-
2 ist ein schematisches Ablaufdiagramm eines Ausführungsbeispiels des Verfahrens 200 zur Validierung einer Simulation einer Fahrt des Fahrzeugs 50.
-
In Schritt 210 wird mindestens eine simulierte Fahrsituation 1* der simulierten Fahrt in eine digitale Repräsentation 1 überführt. In Schritt 220 werden aus Zeitverläufen 2z von Referenz-Fahrten digitale Repräsentationen 2 einer Vielzahl von Referenz-Fahrsituationen innerhalb der Referenz-Fahrten ermittelt. In Schritt 230 wird die digitale Repräsentation 1 der simulierten Fahrsituation gemäß dem zuvor beschriebenen Verfahren 100 mit den digitalen Repräsentationen 2 der Referenz-Fahrsituationen verglichen.
-
Aus den bei diesen Vergleiche 230 ermittelten Ähnlichkeiten 4 wird in Schritt 240 mindestens eine Referenz-Fahrsituation 2* innerhalb einer Referenz-Fahrt ermittelt. Dies kann insbesondere beispielsweise eine Referenz-Fahrsituation 2* sein, für die die Ähnlichkeit 4 maximal ist oder über einem Schwellwert eines Ähnlichkeitsmaßes liegt.
-
In Schritt 250 wird ein auf die simulierte Fahrsituation 1* folgender Verlauf 1# der simulierten Fahrt mit einem auf die ermittelte Referenz-Fahrsituation 2* folgenden Verlauf 2# der zugehörigen Referenz-Fahrt verglichen. Hierzu können insbesondere beispielsweise gemäß Block 251 in den folgenden Verläufen 1#, 2# der simulierten Fahrt einerseits und der Referenz-Fahrt andererseits jeweils erreichte Bremsgefahren Kennzahlen und/oder benötigte Lenkpotentiale zur Gefahrenmitigation herangezogen werden.
-
Das Ergebnis 250a dieses Vergleichs 250 wird in Schritt 260 anhand eines vorgegebenen Kriteriums 7 daraufhin geprüft, ob der folgende Verlauf 1# der simulierten Fahrt im Einklang mit dem folgenden Verlauf 2# der Referenz-Fahrt ist. Ist dies der Fall (Wahrheitswert 1), wird in Schritt 270 festgestellt, dass die Simulation der Fahrt mindestens für die untersuchte Fahrsituation 1* valide ist.
-
3 zeigt beispielhaft, wie ein Bereich 52 aus dem Umfeld 51 des Fahrzeugs 50 ausgewählt und in Teilbereiche 53 unterteilt werden kann. Der Bereich 52 befindet sich in diesem Beispiel links neben und in Fahrtrichtung vor dem Fahrzeug 50 . Der Bereich 52 ist 50 m lang und 3,75 m breit. Er enthält die Fahrstreifenbegrenzung F.
-
Der Bereich 52 ist in 63 Teilbereiche 53 unterteilt. Diese Teilbereiche 53 enthalten Bit-Indizes zwischen 2 und 64, die angeben, inwieweit das Auftauchen eines Teils der Fahrstreifenbegrenzung F im jeweiligen Teilbereich wichtig für die Verhaltensplanung des Fahrzeugs 50 ist. Je höher der Bit-Index, desto geringer ist die Wichtigkeit. Wenn also die Fahrstreifenbegrenzung F bleibt, wo sie nominell sein soll, ist dies weniger wichtig. Wandert die Fahrstreifenbegrenzung F jedoch an einen Rand des Bereichs 52, ist dies wichtiger, und zwar umso mehr, je näher dies am Fahrzeug 50 passiert und je größer somit die Winkelabweichung des Kurses des Fahrzeugs 50 ist. Das Bit mit dem Bit-Index 1 ist dafür reserviert, einen Fehler bei der Erfassung anzuzeigen.
-
Somit kann die digitale Repräsentation 1, 2 der Fahrsituation in einer einzigen 64-Bit-Zahl als Fingerprint 1b, 2b komprimiert werden.
-
4 veranschaulicht schematisch, wie ein Fingerprint 1b unter Filterung mit einem Filterkern 6 ermittelt und dann mit einem zweiten Fingerprint 2b zu einer Ähnlichkeit 4 verrechnet werden kann. In dem in 1 gezeigten Beispiel sind in den beiden Fahrsituationen, die durch die Repräsentationen 1 und 2 charakterisiert werden, die Spurlagen leicht horizontal versetzt. In den Matrizen geben die Punktdichten in den einzelnen Elementen jeweils die Werte dieser Elemente an. Je dichter die Punktdichte in einem Element, desto größer der Wert dieses Elements.
-
Die erste Repräsentation 1 bezieht sich auf die Fahrsituation, bei der die Spurlage genau mittig ist. Die Matrix M, in der die Belegungen 53a zusammengeführt sind, hat also in der Mitte eine Spalte mit besonders großen Werten. Durch die Filterung dieser Matrix M mit dem Filterkern 6 werden im hierdurch erzeugten Fingerprint 1b die hohen Werte etwas nach links und rechts „verschmiert“.
-
Die zweite Repräsentation 2 bezieht sich auf die Fahrsituation, bei der die Spurlage leicht nach links versetzt ist. Der ohne Filterung erzeugte Fingerprint 2b, in dem die Belegungen 53a' zusammengeführt sind, hat also besonders hohe Werte in einer Spalte links von der Mitte. Wird dieser Fingerprint 2b elementweise mit dem Fingerprint 1b multipliziert, entsteht ein Zwischenergebnis, in dem links von der Mitte eine Spalte mit nur noch mäßig hohen Werten steht. Bildung des Mittelwerts oder Medians über alle Elemente dieses Zwischenergebnisses liefert die gesuchte Ähnlichkeit 4. Wenn die Spurlage in der zweiten Fahrsituation ebenfalls mittig gewesen wäre, wäre diese Ähnlichkeit deutlich höher ausgefallen.
-
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
-
- DE 102018209108 A1 [0004]