-
Die Erfindung betrifft ein Verfahren und System zum Erkennen von kritischen Verkehrsszenarien und/oder Verkehrssituationen aus Daten.
-
Im Prozess der Validierung und Verifizierung des autonomen Fahrens sind Simulationen von Verkehrssituationen und Verkehrsszenarien als auch reale Daten ein wichtiger Bestandteil.
-
So ist es eine große Herausforderung anhand kritischer Verkehrssituationen und Verkehrsszenarien nachzuweisen, dass das Risiko durch die Einführung von autonom betriebenen Fahrzeugen nicht zunimmt. Eine weitere Herausforderung ist, dass autonome Fahrzeuge sicher sind; beispielsweise, dass ein autonomes Fahrzeug sicherer ist als ein menschlicher Fahrer.
-
Ein solcher szenarienbasierter und situationsbasierter Freigabeansatz basiert auf dem Testen der erkannten kritischen Fahrsituationen. Dieser dient als Sicherheitsnachweis. Es wird angenommen, dass ein Großteil der normalen Fahrt dabei keine besonderen kritischen Verkehrssituationen und Verkehrsszenarien aufweisen und daher nur wenig zur Freigabe beitragen.
-
Um die kritischen Verkehrssituationen und Verkehrsszenarien zu identifizieren werden diese anhand einer Kritikalität bewertet/gemessen.
-
In der Literatur gibt es eine Vielzahl von Kritikalitätsmaßen zur Messung der Kritikalität.
-
Beim „Motion Planning“ werden Hindernisse beispielsweise auch als mathematische Funktionen beschrieben, die auch „Potentialfelder“ genannt werden. So diskutieren D. Reichardt und J. Shick in „Collision avoidance in dynamic environments applied to autonomous vehicle guidance on the motorway“, Proceedings of the Intelligent Vehicles '94 Symposium, DOI: 10.1109/IVS. 1994.639475 einen Ansatz zur automatischen Fahrzeugführung auf einer Autobahn mit der Absicht der Kollisionsvermeidung. Umgebungsinformationen werden hier von mehreren Vision-Sensor-Modulen bereitgestellt und in einer zentralen dynamischen Datenbank gespeichert.
-
Durch Datenfusion und Dateninterpretation wird eine Systemsicht auf die Umgebung erzeugt, die auf den in der dynamischen Datenbank gespeicherten Daten basiert, die die aktuelle Szene repräsentieren. Diese Systemsicht wird in eine Risikokartendarstellung transformiert, die Informationen über die Straße, die relative Position und Geschwindigkeit von Hindernissen und Verkehrszeichen integriert.
-
Michael T. Wolf und Joel W. Burdick stellen in „Artificial potential functions for highway driving with collision avoidance“, IEEE International Conference on Robotics and Automation, 2008, DOI:10.1109/ROBOT.2008.4543783 eine Reihe von möglichen Funktionskomponenten vor, die ein automatisiertes oder halbautomatisches Fahrzeug bei der Navigation auf einer mehrspurigen, besiedelten Autobahn unterstützen können. Das daraus resultierende Potentialfeld ist als Überlagerung verschiedener Funktionen zur Spurhaltung, zum Halten der Straße, zur Geschwindigkeitsvorgabe und zum Ausweichen und Überholen konstruiert. Die Konstruktion des Fahrzeugvermeidungspotenzials ist von primärer Bedeutung, wobei die Struktur und das Protokoll des Fahrens auf einer mehrspurigen Autobahn berücksichtigt werden. Insbesondere die Form und die Abmessungen des Potentialfeldes hinter jedem Hindernisfahrzeug können die Verlangsamung und/oder das Überholen des Kontrollfahrzeuges in Abhängigkeit von der Geschwindigkeit der Fahrzeuge und des Umgebungsverkehrs angemessen fördern. Harte Barrieren am Fahrbahnrand und weiche Begrenzungen zwischen den Fahrspuren halten das Fahrzeug auf der Autobahn, mit der Präferenz, in der Mitte der Fahrspur zu fahren.
-
Es ist eine Aufgabe der Erfindung ein verbessertes Verfahren und ein verbessertes System zum Erkennen von kritischen Verkehrsszenarien und/oder Verkehrssituationen anzugeben.
-
Die Aufgabe wird gelöst durch ein Verfahren mit den Merkmalen des Anspruchs 1 und ein System mit den Merkmalen des Anspruchs 12.
Weitere Einzelheiten der Erfindung und Vorzüge verschiedener Ausführungsformen ergeben sich aus den Merkmalen der Unteransprüche.
-
Die Aufgabe wird gelöst durch ein Verfahren zum Erkennen von kritischen Verkehrsszenarien und/oder Verkehrssituationen aus Daten umfassend der Schritte:
- - Bereitstellen von Verkehrsszenarien und/oder Verkehrssituationen als Daten,
- - Bereitstellen von zumindest zwei Bestimmungsmodulen zur Bestimmung der Kritikalität der bereitgestellten Verkehrsszenarien und/oder der Verkehrssituationen, wobei die zumindest zwei Bestimmungsmodule auf zumindest zwei verschiedenen Kritikalitätsmaßen zur Bestimmung der Kritikalität der bereitgestellten Verkehrsszenarien und/oder der Verkehrssituationen beruhen,
- - Anwenden der zumindest zwei Bestimmungsmodule auf die jeweils gleichen Verkehrsszenarien und/oder Verkehrssituationen und Bestimmen von jeweils zumindest zwei Kritikalitäten für die jeweils gleichen Verkehrsszenarien und/oder Verkehrssituationen,
- - Vergleichen der zumindest zwei Kritikalitäten für die jeweils gleichen Verkehrsszenarien und/oder Verkehrssituationen und Herausfiltern der kritischen Verkehrsszenarien und/ oder kritischen Verkehrssituationen durch Auswerten des Vergleiches.
-
Eine Verkehrsszene beschreibt eine statische Umgebung, die durch eine sich nicht verändernde Struktur gegeben ist. Verkehrsszenen sind Straßeninformationen wie Kreuzungen, Kreisverkehre, Bushaltestellen, Autobahnausfahrten sowie zusätzlich die statischen Umgebungen wie Gebäude, siehe auch https://ieeexplore. ieee.org/document/9400833
-
Eine Verkehrssituation ist die Beschreibung der Absicht des Fahrzeugs für eine bestimmte Verkehrsszene.
-
Unter Verkehrsszenario ist die Beschreibung aller dynamischen Objekte in der statischen Umgebung zu verstehen. Dynamische Objekte sind beispielsweise Fußgänger, Verkehrsfahrzeuge und die jeweiligen Umweltbedingungen, die zu unterschiedlichen Reaktionsbedürfnissen/-möglichkeiten der dynamischen Objekte führen können. Solche Umfeldszenarien hängen von vielen verschiedenen Parametern ab, die in Zeit, Häufigkeit, Geschwindigkeit, Entfernung usw. variieren.
-
Während eine Szene eine Momentaufnahme ist, beschreibt ein Szenario die zeitliche Entwicklung zwischen mehreren Szenen, bzw. eine Sequenz von Szenen. Alle Handlungen und Ereignisse gehören somit zur Beschreibung von Szenarien.
-
Es gibt verschiedene, geringfügig voneinander abweichende, Definitionen von Kritikalität. Als Kritikalität kann beispielsweise verstanden werden, dass diese die Unfallwahrscheinlichkeit einer Verkehrssituation beispielsweise aus Sicht eines Verkehrsteilnehmers oder Beobachters bewertet. Als Kritikalität kann ebenfalls beispielsweise die räumliche oder zeitliche Nähe zu einer Verkehrssituation/-szenario ohne möglichen unfallfreien Ausgang bezeichnet werden. Ist ein Unfall unvermeidbar, ist die Kritikalität sehr hoch. Kritikalität kann ferner als große Wichtigkeit von etwas, dessen Verlust eine existenzielle Gefährdung darstellen würde, definiert werden.
-
Als Kritikalitätsmaß ist die Bemessung, d.h. hier beispielsweise die Berechnungsmethode/Bestimmungsmethode der Kritikalität einer Verkehrssituation/-szenario zu verstehen.
-
In der Verifikation und Validierung von autonomen Fahrfunktionen und Fahrsystemen müssen gezielt Verkehrsszenarien und Verkehrssituationen ausgeführt werden, beispielsweise in der Simulation, auf Prüfständen, im Testgelände und im offenen Verkehr. Dafür existieren eine Vielzahl an Kritikalitätsmaßen, die die Kritikalität / das Risiko von VerkehrsszenarienZ Verkehrssituationen bewerten.
-
Erfindungsgemäß wurde erkannt, dass jedes der Kritikalitätsmaße oft nur unter bestimmten Randbedingungen sinnvolle Ergebnisse liefert, bzw. eine kritische Verkehrssituation oder kritisches Verkehrsszenario erkennen.
-
So gibt es beispielsweise Kritikalitätsmaße, die nur eine kritische Verkehrssituation/Szenario bei hintereinanderfahrenden Fahrzeugen als Randbedingung oder nebeneinander fahrenden Fahrzeugen, oder bei sich querenden Fahrzeugen sehr gut erkennen.
-
Auch gibt es Kritikalitätsmaße, die eine kritische Kreuzungssituation als Randbedingung sehr gut erkennen oder kritische Verkehrssituationen / Verkehrsszenarien mit Gegenverkehr oder hoher Geschwindigkeit als Randbedingung.
-
Durch das erfindungsgemäße Verfahren wird verhindert, dass kritische Verkehrssituationen und/oder Verkehrsszenarien in den bereitgestellten Daten nicht erkannt werden.
-
Durch das erfindungsgemäße Verfahren können die konkreten Trajektorien aller bereitgestellten Szenarien / Verkehrssituationen für zumindest zwei, vorzugsweise jedoch eine Vielzahl von unterschiedlichen Kritikalitätsmaßen bewertet und verglichen werden. Mögliche Formen des Vergleich sind beispielweise: Visualisierung, mathematische/statistische Kennzahlen.
-
Dadurch werden kritische Verkehrsszenarien und/oder Verkehrssituationen aus der Masse an Daten sicher herausgefiltert. Die Gefahr, dass eine häufige auftretende kritische Verkehrssituation und/oder Verkehrsszenario nicht erkannt wird, und dadurch nicht an einem autonom fahrenden Fahrzeug erprobt werden kann, wird durch das erfindungsgemäße Verfahren verringert.
-
Ferner können dem Verfahren weitere Bestimmungsmodule mit verschiedenen Kritikalitätsmaßen problemlos hinzugefügt werden, so dass das Verfahren problemlos den aktuellen Gegebenheiten beispielsweise neuer Sensorik im Fahrzeug angepasst werden kann.
-
Durch die Auswahl von zumindest zwei unterschiedlichen Kritikalitätsmaßen, d.h. zwei unterschiedlichen Ansätzen zur Bestimmung einer kritischen Verkehrssituation oder eines kritischen Verkehrsszenarios kann ein Herausfiltern vieler kritischer Verkehrssituationen oder Verkehrsszenarien gewährleistet werden.
-
In weiterer Ausbildung können die zumindest zwei verschiedenen Kritikalitätsmaße der zumindest zwei Bestimmungsmodule aus der Gruppe: potential-basiertes Kritikalitätsmaß, regelbasiertes Kritikalitätsmaß, trajektorien-basiertes Kritikalitätsmaß, kollisionsbasiertes Kritikalitätsmaß ausgewählt werden. Dabei können die verschiedenen Kritikalitätsmaße als verschiedene Berechnungsmethoden/Ansätze zur Bestimmung der Kritikalität verstanden werden.
-
Dabei wird unter einem potential-basierten Kritikalitätsmaß beispielsweise die Berechnung der Kritikalität einer Fahrsituation als Überlapp-Integral einer Objektfunktion eines Ego-Fahrzeugs mit ein oder mehreren Objektfunktionen anderer Verkehrsteilnehmer oder anderer statischer oder dynamischer Objekte des Umfelds des Ego-Fahrzeugs verstanden, wobei die Fahrsituation durch eine potentielle Position des Ego-Fahrzeugs, sowie durch Umfeldparameter und Objektparameter der Verkehrsteilnehmer bzw. der anderen statischen oder dynamischen Objekte des Umfelds des Ego-Fahrzeugs, vorgegeben sein kann.
-
Dabei kann unter regelbasiert beispielsweise ein Kritikalitätsmaß der Szenarien und Situationen nach Regeln oder Manövern verstanden werden; dies kann beispielsweise ein Brake-threat-number-Verfahren (BTN)sein, das ein Maß für eine Änderung der Beschleunigung eines Fahrzeugs ist, siehe beispielsweise https://patents.google.com/patent/
US7034668 , oder andere Bedrohungszahlen, z. B. Lenkung, Geschwindigkeit usw. Die BTN ist das Verhältnis der minimalen benötigten Bremsrate, um eine Kollision zu vermeiden zur maximal möglichen Bremsrate. Ein anderes regelbasiertes Kritikalitätsmaß bildet beispielsweise die Verkehrssituationen und Verkehrsszenarien regel- und modellbasiert ab.
Dabei kann unter trajektorien-basiert beispielsweise ein Kritikalitätsmaß der Verkehrsszenarien und Verkehrssituationen in Bezug auf die Vorhersage der nahen Zukunft der Trajektorien der Fahrzeuge und die Schätzung der Kollisionswahrscheinlichkeit verstanden werden.
-
Ferner kann unter kollisionsbasiert beispielsweise ein Kritikalitätsmaß wie Time-tocollision (TTC) oder Time to-react, bei denen die Berechnung auf einfacher Geometrie und physikalische Beziehungen zwischen den Objekten beruht, verstanden werden, siehe auch https://robomechjournal.springeropen.com/articles/10.1186/s40648-014-0001-z.
-
In weiterer Ausbildung werden zumindest drei Bestimmungsmodule mit drei verschiedenen Kritikalitätsmaßen auf die jeweils gleichen Verkehrsszenarien und/oder Verkehrssituationen angewendet, zur Bestimmung von jeweils zumindest drei Kritikalitäten für die jeweils gleichen Verkehrsszenarien und/oder Verkehrssituationen, wobei die zumindest drei Kritikalitäten für die jeweils gleichen Verkehrsszenarien und/oder Verkehrssituationen miteinander verglichen werden und die kritischen Verkehrsszenarien und/ oder Verkehrssituationen durch Auswerten des Vergleichs herausgefiltert werden.
-
Auch können mehr als zumindest drei Bestimmungsmodule mit entsprechenden verschiedenen Kritikalitätsmaßen auf die jeweils gleichen Verkehrsszenarien und/oder Verkehrssituationen angewendet werden zur Bestimmung von entsprechenden Kritikalitäten für die jeweils gleichen Verkehrsszenarien und/oder Verkehrssituationen und wobei die entsprechenden Kritikalitäten für die jeweils gleichen Verkehrsszenarien und/oder Verkehrssituationen miteinander verglichen werden und die kritischen Verkehrsszenarien und/oder Verkehrssituationen durch Auswerten des Vergleichs herausgefiltert werden.
-
Vorzugsweise werden daher mehr als drei Bestimmungsmodule mit mehr als drei verschiedenen Kritikalitätsmaßen angewendet. Dadurch können sehr viele kritische Verkehrssituationen oder Verkehrsszenarien mit unterschiedlichen Randbedingungen aus den Daten herausgefiltert werden, woran das autonome Fahren getestet werden kann. Das kann einen Beitrag zu einer Teststrategie leisten, in der nur hinreichend kritische Szenarien getestet werden, beispielsweise simulativ. Eine Reduktion des Testraums ist notwendig, da mit bisherigen Teststrategien die Validierung des autonomen Fahrens weder wirtschaftlich noch zeitlich darstellbar ist.
-
In weiterer Ausbildung können die zumindest zwei Kritikalitäten auf einer Anzeigeneinheit zum Herausfiltern der kritischen Verkehrsszenarien und/ oder kritischen Verkehrssituationen angezeigt werden. Dadurch kann das Herausfiltern beispielsweise vereinfacht manuell, durch einen manuellen Vergleich vorgenommen werden. In weiterer Ausbildung kann bei Überschreiten eines vorab festgelegten Schwellenwertes bei zumindest einem der zumindest zwei bestimmten Kritikalitäten das Verkehrsszenario und/oder die Verkehrssituation automatisiert als kritisch eingestuft werden.
-
Dies bedeutet, dass wenn bei einem der zumindest zwei bestimmten Kritikalitäten ein Schwellenwert oberhalb eines definierten Wertes eintritt, das Verkehrsszenario und/oder die Verkehrssituation automatisiert beispielsweise als kritisch markiert wird. Anschließend kann beispielsweise durch manuelles Prüfen das Verkehrsszenario und/oder die Verkehrssituation als kritisch validiert oder unkritisch zurückgestuft werden.
-
Vorzugsweise werden die Verkehrsszenarien und/oder die Verkehrssituationen beschreibenden Daten durch Simulation erzeugt. Dadurch können eine Vielzahl an Versuchsdaten einfach erzeugt werden. Auch können die Daten reale Daten sein, welche beispielsweise von einer Vielzahl von Fahrzeugen mit entsprechender Sensorik zusammengeführt werden.
-
Ferner können die Daten zumindest die Parameter der dynamischen und statischen Objekte der Verkehrsszenarien und/oder der Verkehrssituationen umfassen. Auch können die Daten zudem externe Parameter aus der nachfolgenden Gruppe umfassen: Wetter und/oder Straßenbeschaffenheit und/oder Tageszeit und/oder Sichtweite und/oder Außentemperatur.
-
Auch können in die Daten beispielsweise häufig auftretende Sensorikfehler miteinflie-ßen, beispielsweise bei auftretendem Schnee eine beeinträchtigte Kamerasicht. Somit können beispielsweise durch Sensorik oder externe Parameter verursachte kritische Verkehrsszenarien und/oder Verkehrssituationen besser erfasst werden. Dadurch wird die Kritikalität an möglichst realitätsnahen Daten bestimmt.
-
In weiterer Ausbildung werden zumindest drei Bestimmungsmodule bereitgestellt, wobei zumindest zwei Bestimmungsmodule verschiedene Kritikalitätsmaße aufweisen. So können beispielsweise auch zwei unterschiedliche regelbasierte Kritikalitätsmaße herangezogen werden. So kann beispielsweise einmal das Kritikalitätsmaß „Brake-Threat-Number“ herangezogen werden und beispielsweise ein modellbasiertes Kritikalitätsmaß oder eine generische Testfallgenerierung .
-
Da jedes der, auf gleichen Ansätzen, verwendeten Kritikalitätsmaße insbesondere für bestimmte Verkehrsszenarien und/oder Verkehrssituationen geeignet ist, können ebenfalls dadurch sicherer die kritischen Verkehrsszenarien und/oder Verkehrssituationen aus Daten herausgefiltert werden. Dadurch wird die Sicherheit erhöht, dass kritische Verkehrsszenarien und/oder Verkehrssituationen in den Daten erkannt werden.
-
Ferner wird die Aufgabe gelöst durch ein System zum Erkennen von kritischen Verkehrsszenarien und/oder Verkehrssituationen aus Daten, wobei die Verkehrsszenarien und/oder Verkehrssituationen als Daten bereitgestellt sind, wobei das System zumindest zwei Bestimmungsmodule zur Bestimmung der Kritikalität der bereitgestellten Verkehrsszenarien und/oder der Verkehrssituationen umfasst, wobei die zumindest zwei Bestimmungsmodule auf zumindest zwei verschiedenen Kritikalitätsma-ßen zur Bestimmung der Kritikalität der bereitgestellten Verkehrsszenarien und/oder der bereitgestellten Verkehrssituationen beruhen,
wobei das System zur Bestimmung von jeweils zumindest zwei Kritikalitäten für die jeweils gleichen Verkehrsszenarien und/oder Verkehrssituationen durch Anwenden der zumindest zwei Bestimmungsmodule auf die jeweils gleichen Verkehrsszenarien und/oder Verkehrssituationen ausgebildet ist und wobei
eine Auswerteeinheit vorgesehen ist, zum Vergleichen der zumindest zwei Kritikalitäten für die jeweils gleichen Verkehrsszenarien und/oder Verkehrssituationen und Herausfiltern der kritischen Verkehrsszenarien und/ oder kritischen Verkehrssituationen durch Auswerten des Vergleiches.
-
Die Vorteile des Verfahrens können dabei auf das System übertragen werden. Dabei können die Bestimmungsmodule beispielsweise als Softwaremodul ausgebildet sein, ebenso wie die Auswerteeinheit.
-
Durch das erfindungsgemäße System ist eine systematische, konsistente Berechnung mehrerer Kritikalitäten durch verschiedene Kritikalitätsmaße gegeben, so dass auch bei unterschiedlichen Randbedingungen der Verkehrsszenarien und/ oder Verkehrssituationen ein sichereres Erkennen der kritischen Verkehrsszenarien und/ oder kritischen Verkehrssituationen gewährleistet ist.
In weiterer Ausbildung ist eine Anzeigeneinheit vorgesehen, zur Anzeige der zumindest zwei Kritikalitäten, insbesondere zum besseren Herausfiltern der kritischen Verkehrsszenarien und/ oder kritischen Verkehrssituationen. Mittels der Anzeigeneinheit können die Kritikalitäten als Grafik, Tabelle oder einem Format oder als Diagramm über die Zeit ausgegeben werden. Somit können beispielsweise vereinfacht manuell die kritischen Verkehrsszenarien und/oder Verkehrssituationen durch Vergleich ausgewählt werden.
-
Alternativ oder zusätzlich kann bei Überschreiten eines vorab festgelegten Schwellenwertes bei zumindest einem der zumindest zwei bestimmten Kritikalitäten das Verkehrsszenario und/oder die Verkehrssituation automatisiert als kritisch eingestuft werden. Dadurch ist eine automatisierte Berichterstattung möglich. Eine anschließende manuelle Überprüfung kann beispielsweise das Ergebnis validieren oder verwerfen. Somit kann beispielsweise das System auch unüberwacht arbeiten, und lediglich die herausgefilterten, kritischen Verkehrsszenarien und/oder Verkehrssituationen anzeigen, wodurch Arbeitszeit eingespart wird.
-
Ferner sind in einer weiteren Ausführung die zumindest zwei verschiedenen Kritikalitätsmaße der zumindest zwei Bestimmungsmodule aus der Gruppe: potential-basiertes Kritikalitätsmaß, regelbasiertes Kritikalitätsmaß, trajektoriebasiertes Kritikalitätsmaß, kollisionsbasiertes Kritikalitätsmaß. Auch andere Kritikalitätsmaße sind möglich. Durch den Aufbau des Systems kann jederzeit problemlos ein neues Bestimmungsmodul mit einem anderen Kritikalitätsmaß hinzugefügt werden. Dadurch kann vereinfacht auf veränderte Randbedingungen, beispielsweise durch veränderte Sensorik in der Zukunft, eingegangen werden.
-
Ferner sind bevorzugt zumindest drei Bestimmungsmodule vorgesehen, wobei zumindest zwei Bestimmungsmodule verschiedene Kritikalitätsmaße aufweisen.
-
Weitere Eigenschaften und Vorteile der vorliegenden Erfindung ergeben sich aus der nachfolgenden Beschreibung unter Bezugnahme auf die beiliegenden Figuren. Darin zeigen schematisch:
- 1: ein erfindungsgemäßes System in Kombination mit dem Verfahren gemäß der Erfindung,
- 2: verschiedene Kritikalitätsmaße schematisch,
- 3: ein weiteres System in Kombination mit dem Verfahren gemäß der Erfindung,
- 4: ein Diagramm von fünf Kritikalitäten über die Zeit.
-
1 zeigt das System 1 in Kombination mit dem Verfahren gemäß der Erfindung. Dabei werden in einem Schritt S1 zunächst Daten von Verkehrsszenarien und/oder Verkehrssituationen bereitgestellt.
-
Diese können beispielsweise aus einer Simulation erzeugt werden. Eine Simulation bietet Möglichkeit eine Fülle von Verkehrsdaten innerhalb kurzer Zeit und ohne grö-ßeren Aufwand zu generieren. Die Simulation kann beispielsweise eine kleine Simulationsweite aufweisen und/oder deterministisch oder stochastisch sein und/oder das Fahrverhaltensmodell für jedes Fahrzeug abbilden etc.
-
Vorzugsweise werden mehrere Simulationstools herangezogen, um ein breiteres Spektrum an Daten zu erlangen.
-
Ferner können real gemessene Daten von Fahrzeugen herangezogen werden. So können beispielsweise Daten von speziellen Fahrzeugen an das System übermittelt werden oder von diesem eingekauft werden.
-
Ferner können die Daten dahingehend geändert oder simuliert werden, dass zumindest die Parameter der dynamischen und statischen Objekte der Verkehrsszenarien und/oder der Verkehrssituationen als auch externe Parameter aus der nachfolgenden Gruppe umfasst sind: Wetter und/oder Straßenbeschaffenheit und/oder Tageszeit und/oder Sichtweite und/oder Außentemperatur.
-
Auch können in die Daten beispielsweise häufig auftretende Sensorikfehler miteinflie-ßen, beispielsweise bei auftretendem Schnee eine beeinträchtigte Kamerasicht. Dies kann insbesondere durch die realen, am Fahrzeug aufgenommenen Daten gewährleistet werden.
-
Dabei sind Sensorikfehler Fehlfunktionen der an den Fahrzeugen angeordneten Sensorik.
-
Dadurch wird die Kritikalität an möglichst realitätsnahen Daten bestimmt. In einem Schritt S2 werden zumindest zwei, hier in diesem Beispiel drei Bestimmungsmodule 2,2a,2b zur Bestimmung der Kritikalität der Verkehrsszenarien und/oder der Verkehrssituationen bereitgestellt.
-
Als Kritikalität kann die Unfallwahrscheinlichkeit einer Verkehrssituation beispielsweise aus Sicht eines Verkehrsteilnehmers oder Beobachters bewertet, verstanden werden. Als Kritikalität kann auch die räumliche oder zeitliche Nähe zu einer Verkehrssituation ohne möglichen unfallfreien Ausgang bezeichnet werden. Als Kritikalität kann auch eine große Wichtigkeit von etwas, dessen Verlust eine existenzielle Gefährdung darstellen würde, verstanden werden. Wenn ein Unfall nicht mehr vermeidbar ist, ist die Kritikalität beispielsweise sehr hoch. Als Kritikalitätsmaß ist quasi die Bemessung, beispielsweise die Berechnungsmethode der Kritikalität zu verstehen.
-
Dabei beruhen die drei Bestimmungsmodule 2,2a,2b auf drei verschiedenen Kritikalitätsmaßen zur Bestimmung der Kritikalität des Verkehrsszenarios oder der Verkehrssituation. Diese sind hier: ein regelbasiertes Kritikalitätsmaß (Bestimmungsmodul 2), ein kollisionsbasiertes Kritikalitätsmaß (Bestimmungsmodul 2a) und ein potential-basiertes Kritikalitätsmaß (Bestimmungsmodul 2b). Alternativ oder zusätzlich kann auch ein kollisionsbasiertes Kritikalitätsmaß herangezogen werden.
-
2 zeigt die verschiedenen Kritikalitätsmaße schematisch. Dabei ist auf der linken Seite (a) ein kollisionsbasiertes Kritikalitätsmaß angezeigt. Dieses kann von den Messungen auf der Grundlage vereinfachter geometrischer und physikalischer Beziehungen zwischen den Objekten abhängen, beispielsweise die Geschwindigkeiten der Objekte zueinander etc. Ein solches Kritikalitätsmaß kann auch beispielsweise das Abstandsmaß (Distanz der Objekte voneinander) oder die prädizierte Zeit bis zur Kollision (TTC) sein.
-
Links mittig (b) ist ein potential-basiertes Kritikalitätsmaß angezeigt. Dabei kann unter potential-basierten Kritikalitätsmaß beispielsweise die Berechnung der Kritikalität einer Fahrsituation als Überlapp-Integral einer Objektfunktion eines Ego-Fahrzeugs mit ein oder mehreren Objektfunktionen anderer Verkehrsteilnehmer oder anderer statischer oder dynamischer Objekte des Umfelds des Ego-Fahrzeugs verstanden werden, wobei die Fahrsituation durch eine potentielle Position des Ego-Fahrzeugs, sowie durch Umfeldparameter und Objektparameter der Verkehrsteilnehmer bzw. der anderen statischen oder dynamischen Objekte des Umfelds des Ego-Fahrzeugs, vorgegeben sein kann. D.h. dass die Bewegung eines Objekts räumliches Potential induziert und die Kritikalität als Überlagerung von Potentialen berechnet wird.
-
Rechts mittig (c) ist ein trajektoriebasiertes Kritikalitätsmaß angezeigt, welches auf einer Vorhersage des zukünftigen Trajektorienverlaufs und der Abschätzung der Kollisionswahrscheinlichkeit beruhen kann. Dies kann beispielsweise durch einen Kollisionswahrscheinlichkeitsschätzer ermittelt werden.
-
Rechts (d) ist ein regelbasiertes Kritikalitätsmaß angezeigt, welches beispielsweise auf einer Bestimmung der Kritikalität der Verkehrsszenarien und/oder Verkehrssituationen nach Regeln oder Manövern und geeignete Maßnahmen für gegebene Verkehrsszenarien und/oder Verkehrssituationen beruht.
-
Dabei kann jedes der Kritikalitätsmaße ein oder mehrere Vertreter aufweisen. So kann beispielsweise bei dem regelbasierten Kritikalitätsmaß die Kritikalität eines Verkehrsszenarios/ Verkehrssituation anhand eines ersten Satzes von Regeln und Manövern und eines zweiten Satzes von Regeln und Manövern oder dem Brake-Threat-Number- Verfahren bestimmt werden.
Die drei Bestimmungsmodule 2,2a,2b werden zur Bestimmung von drei Kritikalitäten auf die gleichen bereitgestellten Verkehrsszenarien und/oder Verkehrssituationen angewendet, Schritt S3, 1.
-
Die drei Kritikalitäten können, in dem Schritt S4, anschließend als Diagramm über die Zeit in einer Anzeigeneinheit 3 angezeigt werden und miteinander verglichen werden. Alternativ oder zusätzlich können bei Überschreiten eines vorab festgelegten Schwellenwertes bei einem der drei Kritikalitäten diese Verkehrsszenarien und/oder Verkehrssituationen automatisiert als kritisch eingestuft werden. Anschließend kann eine manuelle Validierung erfolgen oder beispielsweise eine kritische Einstufung verworfen werden.
-
Somit können die Verkehrsszenarien und/oder Verkehrssituationen, d.h. beispielsweise die konkreten Trajektorien anhand einer Vielzahl von Kritikalitätsmaßen bewertet und verglichen werden. Dadurch wird vermieden, dass kritische Verkehrsszenarien und/oder Verkehrssituationen nicht erkannt werden, da viele Kritikalitätsmaße nur unter bestimmten Randbedingungen sinnvolle Ergebnisse liefern.
-
Durch den Aufbau des Systems 1 kann jederzeit problemlos ein neues Bestimmungsmodul mit einem anderen Kritikalitätsmaß hinzugefügt werden. Dadurch kann vereinfacht auf veränderte Randbedingungen, beispielsweise durch veränderte Sensorik in der Zukunft, eingegangen werden.
-
3 zeigt eine weitere Ausbildung eines erfindungsgemäßen Systems 1a und Verfahrens.
-
Dabei werden in dem Schritt S1 zunächst Daten von Verkehrsszenarien und/oder Verkehrssituationen bereitgestellt.
-
In einem Schritt S2 werden fünf Bestimmungsmodule 2,2a,2b,2c,2d zur Bestimmung der Kritikalität der bereitgestellten Verkehrsszenarien und/oder der Verkehrssituationen bereitgestellt.
-
Dabei beruhen die fünf Bestimmungsmodule 2,2a,2b,2c,2d auf vier verschiedenen Kritikalitätsmaßen.
-
Diese sind hier: ein erstes regelbasiertes Kritikalitätsmaß (Bestimmungsmodul 2), ein kollisionsbasiertes Kritikalitätsmaß (Bestimmungsmodul 2a), ein potential-basiertes Kritikalitätsmaß (Bestimmungsmodul 2b) und ein zweites regelbasiertes Kritikalitätsmaß (Bestimmungsmodul 2c), und ein trajektoriebasiertes Kritikalitätsmaß (Bestimmungsmodul 2d).
-
Die fünf Bestimmungsmodule 2,2a,2b,2c,2d werden zur Bestimmung von fünf Kritikalitäten auf die gleichen bereitgestellten Verkehrsszenarien und/oder Verkehrssituationen angewendet, Schritt S3.
-
Die fünf Kritikalitäten können anschließend, in dem Schritt S4, als Diagramm über die Zeit in der Anzeigeneinheit 3 angezeigt werden und miteinander verglichen werden. Alternativ oder zusätzlich können bei Überschreiten eines vorab festgelegten Schwellenwertes bei einem der fünf Kritikalitäten diese Verkehrsszenarien und/oder Verkehrssituationen automatisiert als kritisch eingestuft werden.
-
Anschließend kann eine manuelle Validierung erfolgen oder beispielsweise eine kritische Einstufung verworfen werden.
-
4 zeigt die Auswertung, d.h. das Diagramm der fünf, in 3, bestimmten Kritikalitäten über die Zeit t.
-
Dabei ist zu erkennen, dass die trajektoriebasierte Kritikalität TK, d.h. die Kritikalität die anhand des trajektoriebasierten Kritikalitätsmaßes bestimmt wird, sowie die erste regelbasierte Kritikalität RK1 und die zweite regelbasierte Kritikalität RK2 einen geringeren Kritikalitätsverlauf anzeigen, als die potential-basierte Kritikalität PK und die kollisionsbasierte Kritikalität KK.
-
Dadurch können diese Verkehrsszenarien und/oder Verkehrssituationen ebenfalls als kritisch erkannt werden, was anhand eines einzigen trajektoriebasierten Kritikalitätsmaßes beispielsweise nicht erkannt worden wäre.
-
Dadurch können mehr kritische Verkehrsszenarien und/oder Verkehrssituationen erkannt werden, welche zum Testen eines autonom betriebenen Fahrzeugs herangezogen werden können.
-
Bezugszeichenliste
-
- 1, 1a
- System
- 2,2a,2b,2c2d
- Bestimmungsmodule
- 3
- Anzeigeneinheit
- S1,...,S4
- Verfahrensschritte
-
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
-
