-
Die Erfindung betrifft ein Verfahren zum Anpassen, Verifizieren oder Validieren einer automatisierenden Fahrfunktion für ein Fahrzeug.
-
Simulationsumgebungen zur Simulation von Verkehrsteilnehmern sind bekannt.
-
Die
DE 10 2019 219 241 A1 betrifft hierzu ein computerimplementiertes Verfahren zum Erstellen eines Verkehrsteilnehmeralgorithmus zur Computersimulation von Verkehrsteilnehmern, wobei die Verkehrsteilnehmer einer Klasse von schlecht geschützten Verkehrsteilnehmern angehören, wobei Daten einer Mehrzahl verschiedener, real existierender Verkehrsteilnehmer der Klasse in einer realen Verkehrsumgebung mithilfe von an den Verkehrsteilnehmern angebrachten Sensoren während der Durchführung wenigstens einer Mission erfasst werden, wobei aus den Daten Bewegungstrajektorien der Verkehrsteilnehmer ermittelt werden, wobei aus den Bewegungstrajektorien eine mittlere Bewegungstrajektorie für die Mission und Bandbreiten für Abweichungen von der mittleren Bewegungstrajektorie berechnet werden.
-
In dieser
DE 10 2019 219 241 A1 werden insbesondere Bewegungstrajektorien von Vekehrsteilnehmern aufgezeichnet, wobei diese von Sensoren erfasst werden, die an den Verkehrsteilnehmern angebracht sind. Die beobachteten Verkehrsteilnehmer sind typischerweise Fußgänger, Motorradfahrer und Fahrradfahrer. Die aufgezeichneten Daten werden verwendet, um einen Algorithmus für das Steuergerät eines autonomen Fahrzeugs anzulernen. Dabei wird zum Anlernen eine Umgebung simuliert, welche auf realen Kartendaten basiert.
-
Die
US 2021/0155266 A1 betrifft darüberhinaus ein Objekttrajektorie-Vorhersagesystem eines Fahrzeugs, umfassend: einen oder mehrere Sensoren, die dafür eingerichtet sind, sensorische Daten zu generieren, die einem oder mehreren Objekten innerhalb eines Bereichs des Fahrzeugs entsprechen; einen oder mehrere Prozessoren; und Speicher, der mit dem einen oder den mehreren Prozessoren gekoppelt ist und Instruktionen enthält, die, wenn sie durch den einen oder die mehreren Prozessoren ausgeführt werden, den einen oder die mehreren Prozessoren zu Folgendem veranlassen: Identifizieren einer ersten interessierenden Person (Person Of Interest, POI) anhand der sensorischen Daten; Schätzen einer dreidimensionalen (3D-) Haltung der ersten POI anhand der sensorischen Daten; Berechnen einer Trajektorie der ersten POI gemäß mindestens der 3D-Haltung der ersten POI; und Bestimmen eines Navigationspfades des Fahrzeugs gemäß der Trajektorie der ersten POI.
-
Die
DE 10 2017 217 056 A1 betrifft außerdem ein Verfahren zum Betreiben eines Fahrerassistenzsystems eines Kraftfahrzeugs, bei welchem eine Bewegung zumindest eines lebenden Objekts in einer Umgebung des Kraftfahrzeugs prädiziert wird, folgende Schritte umfassend: a) Hinterlegen von Bewegungsmodellen, wobei ein jeweiliges Bewegungsmodell eine von zumindest einem weiteren Objekt abhängige Änderung der Bewegung des lebenden Objekts beschreibt, wobei das lebende Objekt und das zumindest eine weitere Objekt jeweils einer Objektklasse angehören und die Bewegungsmodelle für Kombinationen der Objektklassen hinterlegt sind. b) Empfangen von Messdaten betreffend die Umgebung des Kraftfahrzeugs; c) Erkennen des zumindest einen lebenden Objekts und des zumindest einen weiteren Objekts in der Umgebung des Kraftfahrzeugs sowie Bestimmen einer Relativposition der Objekte zueinander anhand der empfangenen Messdaten; d) Identifizieren der Objektklassen der erkannten Objekte; e) für das zumindest eine erfasste, lebende Objekt: i. Erstellen einer Bewegungsgleichung des lebenden Objekts zumindest in Abhängigkeit von der jeweiligen Relativposition des lebenden Objekts zu dem zumindest einem weiteren Objekt sowie dem zumindest einen für die Kombination der in Schritt d) identifizierten Objektklassen hinterlegten Bewegungsmodell; ii. Prädiktion der Bewegung des lebenden Objekts anhand der in Schritt e) i. erstellten Bewegungsgleichung; und f) Betreiben des Fahrerassistenzsystems unter Einbeziehen der in Schritt e) prädizierten Bewegung des wenigsten einen lebenden Objekts.
-
Die
EP 3 621 052 A1 betrifft ferner ein Verfahren zur Analyse des Fahrverhaltens von Kraftfahrzeugen, auch autonomer Fahrzeuge, umfassend die folgenden Verfahrensschritte: Erfassen zumindest eines Fahrzeugs auf einem vordefinierten Streckenabschnitt, Ermitteln der äußeren Kontur des zumindest einen erfassten Fahrzeugs und Ableiten eines 3D-Modells des erfassten Fahrzeugs aus der äußeren Kontur, Aufzeichnen der Trajektorie des zumindest einen erfassten Fahrzeugs und Bereitstellen von Trajektoriedaten für das Fahrzeug, und Erstellen eines Fahrzeugmodells des zumindest einen erfassten Fahrzeugs, zur späteren Simulation des zumindest einen Fahrzeugs in einer Simulationsumgebung, anhand zumindest des 3D-Modells und der Trajektoriedaten.
-
Die
DE 10 2017 217 443 A1 betrifft ein Verfahren zur Bereitstellung von Trainingsdaten zum maschinellen Lernen für ein Steuerungsmodell einer automatischen Fahrzeugsteuerung; bei dem ein Fahrzeug entlang einer Trajektorie gesteuert wird; wobei durch Sensoren des Fahrzeugs Sensordatensätze erfasst werden; wobei die Sensordatensätze Positionsdaten und Zeitdaten sowie Steuerungsdaten des Fahrzeugs umfassen; und anhand der Sensordatensätze Übertragungsdaten erzeugt und an eine fahrzeugexterne Verarbeitungseinheit übertragen werden; durch die fahrzeugexterne Verarbeitungseinheit anhand der Übertragungsdaten Zusatzinformationen erfasst werden; und die Trainingsdaten anhand der Übertragungsdaten und der Zusatzinformationen erzeugt werden; wobei den Trainingsdaten Klassifikationsformationen zugeordnet sind; und die Trainingsdaten mit den ihnen zugeordneten Klassifikationsformationen gespeichert werden.
-
Die
DE 10 2016 220 308 A1 betrifft schließlich ein Verfahren zur Erstellung eines digitalen Straßenmodells für mindestens einen Straßenabschnitt, umfassend: Empfangen mindestens einer Trajektorie eines Fahrzeugs für den mindestens einen Straßenabschnitt in einer fahrzeugexternen Datenbank, Empfangen mindestens eines Bildes, das zumindest Teile des mindestens einen Straßenabschnitts zeigt, wobei das Bild eine Perspektive aufweist, die einem von einer erhöhten Position im Wesentlichen senkrecht nach unten aufgenommenen Bild entspricht, Überlagern der mindestens einen Trajektorie mit dem mindestens einen Bild dergestalt, dass die mindestens eine Trajektorie mit dem Verlauf einer Straße in dem mindestens einen Bild übereinstimmt, Analysieren des mindestens einen Bildes in einem Korridor, der sich entlang der Trajektorie erstreckt und diese einschließt, und Erkennen von fahr- oder positionierungsrelevanten Merkmalen des Straßenabschnitts in dem Korridor, Erzeugen des digitalen Straßenmodells aus den fahr- oder positionierungsrelevanten Merkmalen, die in dem mindestens einen anhand der mindestens einen Trajektorie ausgerichteten Bild und in dem die Trajektorie einschließenden Korridor erkannt wurden.
-
Mit jeder Simulation, wie beispielsweise in der
DE 10 2019 219 241 A1 beschrieben, sind jedoch auch Ungenauigkeiten in der Abbildung der Realität unausweichlich vorhanden. Das simulationsbasierte Entwickeln und Testen automatisierter Fahrzeuge, insbesondere die Validierung einer Fahrsteuerungsfunktion für den automatischen Betrieb eines Fahrzeugs, ist jedoch nur möglich, wenn jeweilige Simulationsmodule nachweislich realitätsnahe Ergebnisse erzeugen. Dies betrifft unter anderem auch die Modellierung der Verkehrsdynamik, das heißt die Simulation des Verhaltens anderer Verkehrsteilnehmer. Eine realistische Abbildung der Umgebungsdynamik ist daher eine Schlüsselkomponente zum Auffinden potentiell kritischer Szenarien für ein automatisiertes Fahrzeug. Für die zukünftige Homologation wird zudem eine immer aufwändigere Testprozedur vorgeschrieben, die nur mit Hilfe von realitätsnahen Simulationsumgebungen erfolgreich durchgeführt werden kann. Es ist daher eine Aufgabe der Erfindung, das Verifizieren und Validieren einer Fahrsteuerungsfunktion zuverlässiger auszuführen.
-
Die Erfindung ergibt sich aus den Merkmalen der unabhängigen Ansprüche. Vorteilhafte Weiterbildungen und Ausgestaltungen sind Gegenstand der abhängigen Ansprüche.
-
Ein erster Aspekt der Erfindung betrifft ein Verfahren, insbesondere computerimplementiertes Verfahren, zum Anpassen, Verifizieren oder Validieren einer automatisierenden Fahrfunktion für ein Fahrzeug, aufweisend die Schritte:
- - Auswählen eines real existierenden Verkehrsabschnitts aus einem geographischen Gebiet mit Verkehrsinfrastruktur, insbesondere innerhalb eines Stadtgebiets,
- - Kategorisieren von baulichen und situativen Elementen des Verkehrsabschnitts durch Zuordnen der Elemente zu in einer ersten Datenbank abgelegten Einträgen von vordefinierten Elementen,
- - Erfassen von Verkehrsteilnehmern und von Bahnen, insbesondere Trajektorien, der Verkehrsteilnehmer über den real existierenden Verkehrsabschnitt in Relation zu den kategorisierten Elementen des Verkehrsabschnitts, wobei das Erfassen der Verkehrsteilnehmer und deren Bahnen durch eine externe, auf den real existierenden Verkehrsabschnitt gerichtete, Sensoreinheit erfolgt,
- - Kategorisieren der erfassten Verkehrsteilnehmer durch Zuordnen der Verkehrsteilnehmer zu Einträgen von in einer zweiten Datenbank abgelegten vordefinierten Verkehrsteilnehmer,
- - Erstellen eines digitalen Modells des real existierenden Verkehrsabschnitts auf Basis der kategorisierten Elemente des Verkehrsabschnitts und auf Basis der kategorisierten Verkehrsteilnehmer und deren Bahnen, insbesondere Trajektorien, wobei im digitalen Modell die Bewegungen der Verkehrsteilnehmer durch ein Soziale-Kräfte-Modell beschrieben werden, und
- - Durchführen einer Simulation auf Basis des digitalen Modells und auf Basis der automatisierenden Fahrfunktion wahlweise zum Anpassen, Verifizieren oder Validieren der automatisierenden Fahrfunktion.
-
Zur Entwicklung und Validierung von automatisierten Fahrzeugen und -Fahrfunktionen werden, besonders in komplexen Betriebsbereichen wie z.B. innerhalb eines Stauendes oder urbaner Verkehrsräume, simulationsbasierte Methoden unterstützend eingesetzt. Durch z. B. szenarienbasiertes Testen kann so schon anhand des digitalen Zwillings eingeschätzt werden, welche Verkehrssituationen relevant oder gar kritisch sind.
-
Der ausgewählte real existierende Verkehrsabschnitt ist insbesondere Teil eines Stadtgebiets, kann jedoch auch außerhalb des Stadtgebiets liegen. Insbesondere wird als real existierender Verkehrsabschnitt ein solcher ausgesucht, der für die Anpassung, Verifizierung oder Validierung der automatisierenden Fahrfunktion besonders relevant ist. Da die automatisierende Fahrfunktion eines Fahrzeugs, beispielsweise ein Fahrerassistenzsystem oder ein Modul für eine hochautomatisierte Fahrsteuerungsfunktion des Fahrzeugs, häufig aktiv in die sicherheitsrelevante Fahrsteuerung des Fahrzeugs eingreift, muss sichergestellt werden, dass diese Fahrfunktion eine Vielzahl von möglich auftretenden Szenarien beherrscht und dabei korrekt funktioniert. Dies umfasst beispielsweise eine korrekte Reaktion durch Betätigung der Bremsen, durch Beschleunigen, durch Lenken, etc.; die Ausgangsgrößen der Fahrsteuerungsfunktion sind insbesondere Aktor-Kommandos, um beispielsweise eine Lenkung, eine Bremse, ein Gaspedal oder andere Funktionen des Fahrzeugs zu bedienen. Unabhängig davon, ob ein menschlicher Fahrer im manuellen Betrieb das Fahrzeug steuert oder das Fahrzeug eine vollständig automatische Fahrt durchführt, ist die eingreifende Fahrfunktion sicherheitskritisch und daher auf ein entsprechend hohes Sicherheitsniveau auszulegen. Daher werden solche Fahrfunktionen von automatisierten Fahrzeugen besonders in komplexen Betriebsbereichen geprüft. Dies betrifft Szenarien wie das Erreichen eines Stauendes oder das Befahren von belebten urbanen Verkehrsabschnitten. Erfindungsgemäß wird eine hochgenaue und realitätsnahe Simulation erzeugt, um solche herausfordernde Bereiche zu simulieren und mithilfe der Simulation die Fahrfunktion entweder anzupassen oder final zu verifizieren bzw. zu validieren. Die Nutzung des digitalen Zwillings des realen Fahrzeugs erlaubt daher nicht nur eine schadensfreie Teststrategie zum Evaluieren der Fahrfunktion, es kann auch eingeschätzt werden, welche Verkehrssituationen und Verkehrsabschnitte relevant oder kritisch bezüglich der Funktionsweise der Fahrfunktion sind. Vorteilhaft werden daher in der erfindungsgemäßen Simulation für reale Szenarien die wichtigen Entitäten wie andere Verkehrsteilnehmer und örtliche Gegebenheiten (beispielsweise die Markierung eines Fußgängerüberwegs oder das Vorhandensein einer Ampel) hochgenau modelliert. Die Simulation umfasst daher vorteilhaft nicht nur das Abbild der Fahrfunktion, welche beim Ausführen der Simulation ebenfalls ausgeführt wird, sondern auch eine dynamische Umwelt, in der nicht nur statische Verkehrsteilnehmer sich aufhalten, sondern im Sinne eines Agentenmodells auch die Verhaltensänderungen und Interaktionen zwischen den Verkehrsteilnehmern umfasst. Hierfür dient insbesondere das Soziale-Kräfte-Modell, um insbesondere die Bewegung (hervorgerufen durch die Tendenz der Verkehrsteilnehmer sich voneinander oder von Objekten zu entfernen oder die Nähe untereinander oder zu Objekten zu suchen) zu modellieren.
-
Die Kategorisierung der Verkehrsteilnehmer und der Elemente des Verkehrsabschnitts erlaubt vorteilhaft, in der jeweiligen Datenbank ebenfalls abgelegte Eigenschaften zu den jeweiligen vorab gespeicherten Einträgen zu nutzen, um so eine genauere Simulation zu erhalten.
-
Das Soziale-Kräfte-Modell ist ein abstraktes Analogon zu elektrischen Ladungen, die sich je nach ihrer Ladung gegenseitig abstoßen können oder anziehen können. Ein Beispiel hierfür ist das Verhalten zwischen Mutter und Kind, welches zu einer anziehenden Bewegungstendenz zueinander führt. Fahrradfahrer und Lastkraftwagen hingegen weisen eher eine abstoßende Tendenz auf, da von dem Lastkraftwagen grundsätzlich eine Gefahr für den Fahrradfahrer ausgeht, sodass der Fahrradfahrer zumindest über längere Zeiten hinweg versuchen wird, die unmittelbare Nähe des Lastkraftwagens zu meiden. Jeder der Verkehrsteilnehmer wird in der Simulation vorteilhaft für sich genommen als unabhängiger Agent betrachtet, der auf das Verhalten weiterer Verkehrsteilnehmer (im Sinne von weiteren Agenten) reagiert und dessen eigenes Verhalten wiederum einen Einfluss auf das Verhalten der anderen Verkehrsteilnehmer ausübt. Das Soziale-Kräfte-Modell kann auch für Objekte wie Hindernisse oder logische Einheiten wie mögliche Ziele für Verkehrsteilnehmer angewendet werden.
-
Auf dem real existierenden Verkehrsabschnitt werden Verkehrsteilnehmer und deren Bewegungen erfasst. Dies erfolgt bevorzugt durch ein unbemanntes Fluggerät und einer daran angeordneten Kameraeinheit. Hierfür wird ein Post-Processing der Kameradaten durchgeführt und mit entsprechenden Algorithmen für das maschinelle Sehen analysiert. Zunächst werden dabei die Verkehrsteilnehmer in vorgegebene Gruppen kategorisiert, beispielsweise Fußgänger, Fahrradfahrer, Personenkraftwagen, Lastkraftwagen, landwirtschaftliche Nutzfahrzeuge, Baustellenfahrzeuge, etc.; beim Erfassen der Bewegungen der Verkehrsteilnehmer auf dem real existierenden Verkehrsabschnitt werden zumindest die Bewegungsbahnen der Verkehrsteilnehmer erfasst, insbesondere jedoch auch die Trajektorien.
-
Der Unterschied zwischen Bahnen und Trajektorien ist, dass die Bahnen rein geometrischer Natur sind und eine Historie der überstrichenen Orte angibt, während eine Trajektorie ebenfalls eine Zeitinformation beinhaltet, d. h. jedem Ort auch einen Zeitpunkt zuordnet, woraus die Geschwindigkeit der Verkehrsteilnehmer und für jeden Zeitpunkt eine relative Position der Verkehrsteilnehmer untereinander angegeben werden kann. Hierdurch ist es möglich, einen Datensatz mit verkehrsteilnehmerspezifischen Einzel-Trajektorien in Form multivarianter Zeitreihen zu generieren. Neben dem Position-Zeitverlauf liegt so beispielsweise zusätzlich der Zeitverlauf der Orientierung im Raum des jeweiligen Verkehrsteilnehmers vor. Optional können hierbei die aus der Realität ermittelten Daten über die Bewegungen der Verkehrsteilnehmer mit synthetisch erzeugten Daten aus anderen Versuchen oder komplett frei generierten Daten augmentiert werden. Eine Methode zur Aufnahme eines realen Verkehrsdatensatzes unter Nutzung von Drohnen findet sich in der Veröffentlichung „J. Bock, R. Krajewski, T. Moers, S. Runde, L. Vater and L. Eckstein, „The inD Dataset: A Drone Dataset of Naturalistic Road User Trajectories at German Intersections,“ 2020 IEEE Intelligent Vehicles Symposium (IV), 2020, pp. 1929-1934, doi: 10.1109/IV47402.2020.9304839.2.
-
Es ist eine vorteilhafte Wirkung der Erfindung, dass durch diese die Entdeckung (nahezu) aller potentiell kritischer Szenarien für ein automatisiertes Fahrzeug möglich wird und damit eine hohe Reduktion von Entwicklungszeit und von Entwicklungskosten durch den Einsatz einer so gewonnenen realitätsnahen Simulationsumgebung erreicht wird. Die Nutzung des Soziale-Kräfte Modells im Sinne eines mehrdimensionalen, raumkontinuierlichen Modellansatzes in Kombination mit den zuvor bestimmten Agententrajektorien der anderen Verkehrsteilnehmer liefert signifikante Verbesserungen des Realitätsgrads im Vergleich zu bisher verfügbaren Werkzeugen der Verkehrssimulation. Die Nutzung von Bahn- bzw. Trajektoriendaten der Verkehrsteilnehmer bietet eine effektive und effiziente Möglichkeit im Vergleich zu Realfahrten mit einem Prototypen, die simulative Testfalldurchführung mit der automatisierten Fahrfunktion sowohl sicher als auch sehr realitätsnah durchzuführen. Außerdem kann somit die Granularität des vorliegenden Datensatzes vollständig durch das digitale Modell aufgenommen werden, sodass sich im Vergleich zu etablierten Fahrzeugfolgemodellen eine signifikante Steigerung des Realitätsgrads erreichen lässt. Die hochrealistische Abbildung der Verkehrsteilnehmer als Umgebungsverkehr erlaubt bei Einsatz mehrerer automatisierter Fahrzeuge während einer Testfalldurchführung Aussagen über Implikation automatisierter Fahrzeuge in zukünftigen Mischverkehrs-Szenarien. Ein bevorzugtes Anwendungsgebiet der Erfindung liegt daher im Bereich des kommerziellen Verkehrs insbesondere in einem Stadtgebiet, wie z. B. voll automatisiert fahrende Liefer- und Kurierdienste, Robotaxis oder öffentliche Verkehrsmittel, oder Ähnliches.
-
Gemäß einer vorteilhaften Ausführungsform sind die erste Datenbank und die zweite Datenbank jeweilige Datensätze einer gemeinsamen Datenbank.
-
Gemäß einer weiteren vorteilhaften Ausführungsform erfolgt das Kategorisieren von Elementen des Verkehrsabschnitts durch Ausführen einer Ähnlichkeitsanalyse, sodass Elemente des Verkehrsabschnitts innerhalb gewisser Ähnlichkeitsgrenzen den selben Einträgen der ersten Datenbank zugeordnet werden.
-
Gemäß einer weiteren vorteilhaften Ausführungsform erfolgt das Kategorisieren der Verkehrsteilnehmer durch Ausführen einer Ähnlichkeitsanalyse, sodass Verkehrsteilnehmer auf dem Verkehrsabschnitt innerhalb gewisser Ähnlichkeitsgrenzen den selben Einträgen der zweiten Datenbank zugeordnet werden.
-
Gemäß einer weiteren vorteilhaften Ausführungsform erfolgt das Erfassen von Verkehrsteilnehmern und deren Bahnen, insbesondere Trajektorien, mithilfe eines unbemannten Fluggeräts, an dem die Sensoreinheit zum Erfassen der Verkehrsteilnehmer und deren Bahnen, insbesondere Trajektorien, angeordnet ist.
-
Das unbemannte Fluggerät wird hierfür bevorzugt im Schwebeflug in einer vorgegebenen Höhe oberhalb des ausgewählten Verkehrsabschnitts gehalten, um mit der Sensoreinheit die Verkehrsteilnehmer und deren Bewegungen erfassen zu können. Bevorzugt wird ein optischer Sensor verwendet, beispielsweise eine Kamera, eine Stereokamera o. ä.; hierzu wird das unbemannte Fluggerät bevorzugt etwas neben dem Verkehrsabschnitt platziert, um im Fehlerfall das Risiko für die Verkehrsteilnehmer zu minimieren. Verwendet werden können Quadrocopter oder andere insbesondere schwebeflugtaugliche Fluggeräte.
-
Gemäß einer weiteren vorteilhaften Ausführungsform werden die erfassten Bahnen, insbesondere die Trajektorien, der Verkehrsteilnehmer auf eine reduzierte, relevante Zahl von Trajektorien zusammengefasst.
-
Gemäß einer weiteren vorteilhaften Ausführungsform werden erfasste Bahnen, insbesondere Trajektorien, von Verkehrsteilnehmern innerhalb einer jeweiligen Kategorie auf Bahnen, insbesondere Trajektorien, mit gemeinsamen Mustern, reduziert.
-
Ein Beispiel einer solchen Gruppierung auf Bahnen bzw. Trajektorien mit gemeinsamen Mustern sind Fahrradfahrer, die Bahnen mit sehr ähnlichen Orten auf einem Fahrradweg einnehmen, wobei die Ähnlichkeit insbesondere über einen Vergleich eines Grenzwerts mit der Summe von Abweichungen zu einer normierten Bahn, insbesondere Trajektorien, ermittelt wird.
-
Gemäß einer weiteren vorteilhaften Ausführungsform werden erfasste Bahnen, insbesondere Trajektorien, von Verkehrsteilnehmern über verschiedenartige Kategorien auf Bahnen, insbesondere Trajektorien, mit gemeinsamen Mustern, reduziert.
-
Ein Beispiel einer solchen Gruppierung von Bahnen bzw. Trajektorien von Verkehrsteilnehmern verschiedenartiger Kategorien ist das Aufeinandertreffen von Fahrzeug und Fußgänger auf einem Fußgängerüberweg. Ein solches Szenario führt in den allermeisten Fällen zu ein und demselben Ausgang, nämlich dass das Fahrzeug vor dem Fußgängerüberweg anhält, um dem Fußgänger Vorrang zu gewähren. Insofern müssen nicht für die Simulation ein und dasselbe Verhaltensmuster der Verkehrsteilnehmer aus unterschiedlichen Kategorien erneut modelliert werden, sondern können auch auf ähnliche Reaktionen zwischen beiden reduziert werden.
-
Die in den beiden vorhergehenden Ausführungsformen genannten Möglichkeiten zur Umsetzung der Zusammenfassung der erfassten Bahnen, insbesondere Trajektorien, der Verkehrsteilnehmer auf eine reduzierte, relevante Zahl von Bahnen bzw. Trajektorien, kann durch verschiedene Verfahren und Unähnlichkeitsmetriken erfolgen. Exemplarisch seien ein regelbasierter Ansatz unter Nutzung der Metrik Aggregate über synchrone Glieder oder Clustering-Verfahren aus dem Bereich des unüberwachten maschinellen Lernens unter Nutzung der Metrik Dynamic-Time-Warping genannt. Die Wahl der oben genannten Optionen bedingt die Art des Ergebnisses dieses Prozessschritts in Form relevanter Agenten-Trajektorien.
-
Gemäß einer weiteren vorteilhaften Ausführungsform wird zum Erstellen des digitalen Modells ein nichtlineares Optimierungsverfahren verwendet, um den Unterschied der Bewegungen der erfassten Verkehrsteilnehmer und deren Bahnen, insbesondere Trajektorien, zu den durch das Soziale-Kräfte-Modell modellierten Bewegungen der Simulation zu minimieren.
-
Im Detail kann ein Power-Algorithmus I herangezogen werden, um basierend auf einem zuvor definierten Validitätskriterium ein Training des digitalen Modells vorzunehmen, bis der erforderliche Realitätsgrad erreicht ist. Exemplarisch sei hierbei ein genetischer Algorithmus aus der Gruppe der stochastischen Optimierungsverfahren genannt, welcher unter Nutzung einer auf der euklidischen Distanz basierenden Kostenfunktion die Abweichung zwischen Realtrajektorien und modellierten Verkehrsteilnehmer-Trajektorien minimiert. Somit wird vorteilhaft ein hochrealistisches Modell von Verkehrsagenten (die modellierten anderen Verkehrsteilnehmer) erhalten. Diese hochrealistischen Agentenmodelle erlauben eine sehr genaue, real datenbasierte Modellierung der anderen Verkehrsteilnehmer zur Bereitstellung plausibler Eingangssignale beim Testen der Fahrfunktion.
-
Gemäß einer weiteren vorteilhaften Ausführungsform werden die erfassten Bahnen, insbesondere Trajektorien, der Verkehrsteilnehmer um synthetische Bahnen, insbesondere synthetische Trajektorien, von hypothetischen weiteren Verkehrsteilnehmern ergänzt.
-
Gemäß einer weiteren vorteilhaften Ausführungsform wird das Soziale-Kräfte-Modell durch zusätzliche synthetische abstoßende oder anziehende Kräfte erweitert.
-
So wird vorteilhaft der Realitätsgrad des digitalen Modells verbessert. Synthetisch heißt in diesem Zusammenhang, dass derartige Kräfte beim Erfassen der Bewegungen der Verkehrsteilnehmer nicht beobachtet wurden noch beobachtet werden konnten, da diese Information in den erfassten Daten nicht vorhanden war. Insofern werden die synthetischen Daten künstlich hinzugefügt.
-
Weitere Vorteile, Merkmale und Einzelheiten ergeben sich aus der nachfolgenden Beschreibung, in der - gegebenenfalls unter Bezug auf die Zeichnung - zumindest ein Ausführungsbeispiel im Einzelnen beschrieben ist. Gleiche, ähnliche und/oder funktionsgleiche Teile sind mit gleichen Bezugszeichen versehen.
-
Es zeigen:
- 1: Ein Verfahren zum Anpassen, Verifizieren oder Validieren einer automatisierenden Fahrfunktion für ein Fahrzeug gemäß einem Ausführungsbeispiel der Erfindung.
- 2: Einen Verkehrsabschnitt, welcher im Verfahren nach 1 verwendet wird.
-
Die Darstellungen in den Figuren sind schematisch und nicht maßstäblich.
-
1 zeigt ein Verfahren, insbesondere computerimplementiertes Verfahren, zum wahlweise gewählten Anpassen, Verifizieren oder Validieren einer automatisierenden Fahrfunktion für ein Fahrzeug, aufweisend die Schritte:
- - Auswählen S1 eines real existierenden Verkehrsabschnitts aus einem geographischen Gebiet mit Verkehrsinfrastruktur, insbesondere innerhalb eines Stadtgebiets,
- - Kategorisieren S2 von baulichen und situativen Elementen 1 des Verkehrsabschnitts durch Zuordnen der Elemente 1 zu in einer ersten Datenbank abgelegten Einträgen von vordefinierten Elementen 1,
- - Erfassen S3 von Verkehrsteilnehmern 3 und von Bahnen, insbesondere Trajektorien, der Verkehrsteilnehmer 3 über den real existierenden Verkehrsabschnitt in Relation zu den kategorisierten Elementen 1 des Verkehrsabschnitts, wobei das Erfassen der Verkehrsteilnehmer 3 und deren Bahnen durch eine externe, auf den real existierenden Verkehrsabschnitt gerichtete, Sensoreinheit 7 erfolgt,
- - Kategorisieren S4 der erfassten Verkehrsteilnehmer 3 durch Zuordnen der Verkehrsteilnehmer 3 zu Einträgen von in einer zweiten Datenbank abgelegten vordefinierten Verkehrsteilnehmer 3,
- - Erstellen S5 eines digitalen Modells des real existierenden Verkehrsabschnitts auf Basis der kategorisierten Elemente 1 des Verkehrsabschnitts und auf Basis der kategorisierten Verkehrsteilnehmer 3 und deren Bahnen, insbesondere Trajektorien, wobei im digitalen Modell die Bewegungen der Verkehrsteilnehmer 3 durch ein Soziale-Kräfte-Modell beschrieben werden, und
- - Durchführen S6 einer Simulation auf Basis des digitalen Modells und auf Basis der automatisierenden Fahrfunktion zum Anpassen, Verifizieren oder Validieren der automatisierenden Fahrfunktion.
-
Ein beispielhafter Verkehrsabschnitt ist in 2 dargestellt, für den das Verfahren nach 1 ausgeführt wird. Der Verkehrsabschnitt ist ein Kreuzungsbereich. Hierbei sind andere Verkehrsteilnehmer 3 dargestellt, sowie ein Fußgängerüberweg als bauliches Element 1 des Verkehrsabschnitts. Der Verkehrsabschnitt wird von einem unbemannten Fluggerät 5 mit einer Sensoreinheit 7 beobachtet, um die Bewegungen der Verkehrsteilnehmer 3 zu erfassen.
-
Obwohl die Erfindung im Detail durch bevorzugte Ausführungsbeispiele näher illustriert und erläutert wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen. Es ist daher klar, dass eine Vielzahl von Variationsmöglichkeiten existiert. Es ist ebenfalls klar, dass beispielhaft genannte Ausführungsformen wirklich nur Beispiele darstellen, die nicht in irgendeiner Weise als Begrenzung etwa des Schutzbereichs, der Anwendungsmöglichkeiten oder der Konfiguration der Erfindung aufzufassen sind. Vielmehr versetzen die vorhergehende Beschreibung und die Figurenbeschreibung den Fachmann in die Lage, die beispielhaften Ausführungsformen konkret umzusetzen, wobei der Fachmann in Kenntnis des offenbarten Erfindungsgedankens vielfältige Änderungen, beispielsweise hinsichtlich der Funktion oder der Anordnung einzelner, in einer beispielhaften Ausführungsform genannter Elemente, vornehmen kann, ohne den Schutzbereich zu verlassen, der durch die Ansprüche und deren rechtliche Entsprechungen, wie etwa weitergehende Erläuterungen in der Beschreibung, definiert wird.
-
Bezugszeichenliste
-
- 1
- Elemente
- 3
- Verkehrsteilnehmer
- 5
- Fluggerät
- 7
- externe Sensoreinheit
- S1
- Auswählen
- S2
- Kategorisieren
- S3
- Erfassen
- S4
- Kategorisieren
- S5
- Erstellen
- S6
- Durchführen
-
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 102019219241 A1 [0003, 0004, 0010]
- US 2021/0155266 A1 [0005]
- DE 102017217056 A1 [0006]
- EP 3621052 A1 [0007]
- DE 102017217443 A1 [0008]
- DE 102016220308 A1 [0009]
