DE102022000185A1

DE102022000185A1 - Verfahren zur Ermittlung eines nutzerindividuellen Fahrprofils für eine automatisierte Fahrt eines Fahrzeugs

Info

Publication number: DE102022000185A1
Application number: DE102022000185.3A
Authority: DE
Inventors: Maximilian HARR; Alexander Bracht; Peter Hurt; Roland Ortloff; Thomas Monninger; Anja Severin; Michael Henzler; Michael Mink; Mario Aleksic
Original assignee: Mercedes Benz Group AG
Current assignee: Mercedes Benz Group AG
Priority date: 2022-01-18
Filing date: 2022-01-18
Publication date: 2023-07-20
Also published as: WO2023138826A1

Abstract

Die Erfindung betrifft ein Verfahren zur Ermittlung eines nutzerindividuellen Fahrprofils (FP) für eine automatisierte Fahrt eines Fahrzeugs (F1 bis Fn).Erfindungsgemäß führen mehrere Fahrzeugnutzer (N1 bis Nn) mehrere automatisierte Fahrten durch, wobei ein Situationsempfinden des jeweiligen Fahrzeugnutzers (N1 bis Nn) ortsbezogen ermittelt und zusammen mit einem zugehörigen Fahrparametersatz ({kv, kd, kt,d, kt,v, ...}), der ein Fahrverhalten der jeweiligen automatisierten Fahrt bestimmt, als Nutzerdaten (ND1 bis NDn) zu einem fahrzeugexternen Server (1) übertragen wird. Im fahrzeugexternen Server (1) werden die von allen Fahrzeugnutzern (N1 bis Nn) gesammelten Fahrparametersätze ({kv, kd, kt,, kt,v, ...}) geclustert, wobei Cluster gebildet werden, die verschiedene Fahrprofile (FP) repräsentieren. Für die einzelnen Fahrzeugnutzer (N1 bis Nn) wird durch eine statistische Auswertung ihrer Nutzerdaten (ND1 bis NDn) mindestens ein vom jeweiligen Fahrzeugnutzer (N1 bis Nn) bevorzugtes Fahrprofil (FP) identifiziert, dem jeweiligen Fahrzeugnutzer (N1 bis Nn) zugeordnet und dem jeweiligen Fahrzeugnutzer (N1 bis Nn) zum Abrufen bereitgestellt.

Description

Die Erfindung betrifft ein Verfahren zur Ermittlung eines nutzerindividuellen Fahrprofils für eine automatisierte Fahrt eines Fahrzeugs.
Aus dem Stand der Technik ist, wie in der DE 10 2020 108 857 A1 beschrieben, ein Verfahren zur Planung einer Soll-Trajektorie, die von einem Fahrzeug automatisiert abgefahren werden soll, bekannt. Die Planung beruht auf einer Bestimmung einer diskreten Menge an Kandidaten für die Soll-Trajektorie sowie auf einer Auswahl eines Kandidaten aus der bestimmten Menge an Kandidaten. Die Auswahl basiert auf vorgegebenen Kostenfunktionen. Bei Feststellung einer Änderung einzuhaltender Rahmenbedingungen und/oder auszuführender Fahraufgaben wird eine Vorsteuerung der Auswahl vorgenommen, indem die Kostenfunktionen für einzelne Trajektorienabschnitte der Kandidaten an die geänderten Randbedingungen und/oder Fahraufgaben angepasst werden, um Trajektorienabschnitten, die sich zur Einhaltung der geänderten Randbedingungen und/oder zur Ausführung der geänderten Fahraufgaben besser eignen als andere Trajektorienabschnitte, geringere Kosten zuzuweisen.
In der GB 2588639 A wird ein Verfahren zum automatischen Anpassen eines Fahrmodus in einem Fahrzeug beschrieben. Das Verfahren umfasst das Empfangen von Informationen in Verbindung mit dem Fahrzeug, einem Fahrer und/oder geografischen Details, das Bestimmen eines Typs eines Fahrtabschnitts für eine bevorstehende Fahrt zum Navigieren des Fahrzeugs basierend auf den Informationen, das Bereitstellen der Informationen und des Typs des Fahrtabschnitts als Eingabe für ein erstes trainiertes Lernmodell, und das Anpassen des Fahrmodus aus einem oder mehreren Fahrmodi und Werten eines oder mehrerer Parameter des Fahrzeugs basierend auf einer Ausgabe, die durch das erste trainierte Lernmodell erzeugt wird.
Der Erfindung liegt die Aufgabe zu Grunde, ein neuartiges Verfahren zur Ermittlung eines nutzerindividuellen Fahrprofils für eine automatisierte Fahrt eines Fahrzeugs anzugeben.
Die Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren zur Ermittlung eines nutzerindividuellen Fahrprofils für eine automatisierte Fahrt eines Fahrzeugs mit den Merkmalen des Anspruchs 1.
Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche.
In einem erfindungsgemäßen Verfahren zur Ermittlung eines nutzerindividuellen Fahrprofils für eine automatisierte Fahrt, insbesondere für eine hochautomatisierte oder autonome Fahrt, eines Fahrzeugs führen mehrere Fahrzeugnutzer mehrere automatisierte Fahrten durch. Dies kann mit demselben Fahrzeug oder mit mehreren Fahrzeugen erfolgen. Dabei wird ein Situationsempfinden des jeweiligen Fahrzeugnutzers ortsbezogen ermittelt und zusammen mit einem zugehörigen Fahrparametersatz, der ein Fahrverhalten der jeweiligen automatisierten Fahrt bestimmt, als Nutzerdaten zu einem auch als Backendserver oder Cloud bezeichneten fahrzeugexternen Server übertragen. Insbesondere wird zur ortsbezogenen Ermittlung des Situationsempfindens des jeweiligen Fahrzeugnutzers das ermittelte Situationsempfinden des jeweiligen Fahrzeugnutzers mit einem Ortsstempel versehen. Im fahrzeugexternen Server werden die von allen Fahrzeugnutzern gesammelten Fahrparametersätze geclustert, wobei Cluster gebildet werden, die verschiedene Fahrprofile repräsentieren. Die Clusterung kann auch als Klassifizierung bezeichnet werden und die gebildeten Cluster dementsprechend als Klassen. Für die einzelnen Fahrzeugnutzer wird durch eine statistische Auswertung ihrer Nutzerdaten mindestens ein vom jeweiligen Fahrzeugnutzer bevorzugtes, d. h. insbesondere als angenehm empfundenes, Fahrprofil identifiziert, dem jeweiligen Fahrzeugnutzer zugeordnet und dem jeweiligen Fahrzeugnutzer zum Abrufen bereitgestellt.
Der Fahrzeugnutzer ist beispielsweise ein Fahrzeugführer, ein Beifahrer oder ein anderer Fahrzeuginsasse.
Die erfindungsgemäße Lösung ermöglicht eine automatisierte Erstellung verschiedener Fahrprofile und deren Zuordnung zu den Fahrzeugnutzern. Dadurch sind insbesondere keine zusätzlichen Feldstudien mit Probanden zur Ermittlung verschiedener Fahrprofile erforderlich.
Zudem sind die mittels der erfindungsgemäßen Lösung erstellten Fahrprofile wesentlich detaillierter als Fahrprofile, welche in Feldstudien mit Probanden ermittelt würden, denn bei der erfindungsgemäßen Lösung können zur Ermittlung der Fahrprofile beispielsweise Daten aus einer gesamten Fahrzeugnutzerflotte eines jeweiligen Herstellers verwendet werden.
Des Weiteren steht bei der erfindungsgemäßen Lösung eine größere Menge an Daten zur Ermittlung der Fahrprofile zur Verfügung als bei Feldstudien. Bei derartigen Feldstudien findet eine Vorauswahl der Daten statt, um Kosten zu sparen. Beispielsweise werden kritische Situationen durch Geschwindigkeiten und Bremsverzögerungen ermittelt. Dadurch ergibt sich jedoch ein Bias, d. h. eine Einseitigkeit, da bestimmte Daten nicht ausgewertet werden. Der Fahrzeugnutzer kann diese Daten viel besser ermitteln, da er physikalisch vor Ort ist und sein Situationsempfinden ortsbezogen ermittelt wird.
Die erfindungsgemäße Lösung ermöglicht zudem eine Skalierbarkeit, da der erfindungsgemäße Ansatz problemlos automatisiert auf viele Flottendaten und verschiedene Recheneinheiten anwendbar ist.
Die erfindungsgemäße Lösung ermöglicht zudem eine iterative Verbesserung, da mit neuen Daten, d. h. neuen Fahrparametersatzdaten und neuen Daten zum ortsbezogenen Situationsempfinden beispielsweise KI-Algorithmen (KI=Künstliche Intelligenz), die für die Ermittlung der Fahrprofile verwendet werden, weiter trainiert werden. Dadurch wird deren Leistungsfähigkeit gesteigert und ein Fehler konvergiert schlussendlich gegen Null.
Die erfindungsgemäße Lösung ermöglicht des Weiteren eine Kostenreduzierung, einerseits aufgrund der nicht mehr erforderlichen Feldstudien und andererseits aufgrund eines mit fortschreitender Zeit und zunehmender Menge der Daten immer geringeren Entwicklungsaufwands für komplexe Algorithmen.
In einer möglichen Ausführungsform werden für mindestens einen oder mehrere der Fahrzeugnutzer oder alle Fahrzeugnutzer durch die statistische Auswertung seiner Nutzerdaten mehrere vom Fahrzeugnutzer bevorzugte Fahrprofile identifiziert, dem Fahrzeugnutzer zugeordnet und dem Fahrzeugnutzer zum Abrufen bereitgestellt, wobei entsprechend der Bevorzugung eine Rangfolge dieser bevorzugten Fahrprofile erstellt wird. Dadurch wird es dem jeweiligen Fahrzeugnutzer ermöglicht, aus mehreren prinzipiell für ihn geeigneten Fahrprofilen ein jeweils gewünschtes auszuwählen, welches seinen aktuellen Wünschen entspricht. Beispielsweise kann der jeweilige Fahrzeugnutzer dann zwischen einem eher komfortablen und einem eher sportlichen Fahrprofil wählen, beispielweise abhängig davon, ob er schnell einen Zielort erreichen möchte oder ob ihm viel Zeit für das Erreichen des Zielorts zur Verfügung steht und er während der Fahrt andere Tätigkeiten ausführen möchte, für die ein komfortables Fahrprofil sinnvoller ist.
Insbesondere ist vorgesehen, dass für eine nachfolgende automatisierte Fahrt, d. h. nachdem das mindestens eine nutzerindividuelle Fahrprofil für den jeweiligen Fahrzeugnutzer ermittelt wurde, nach einer Identifizierung des Fahrzeugnutzers das mindestens eine vom Fahrzeugnutzer bevorzugte Fahrprofil oder die mehreren vom Fahrzeugnutzer bevorzugten Fahrprofile vom fahrzeugexternen Server abgerufen wird/werden. Das abgerufene Fahrprofil oder eines der abgerufenen mehreren Fahrprofile wird ausgewählt und einer Regelung der automatisierten Fahrt zugrunde gelegt. Das Verfahren umfasst dann nicht nur die Ermittlung eines nutzerindividuellen Fahrprofils für eine automatisierte Fahrt eines Fahrzeugs, sondern auch dessen Verwendung zur Durchführung der automatisierten Fahrt des Fahrzeugs. Es handelt sich dann somit auch um ein Verfahren zum Betrieb eines automatisiert fahrenden Fahrzeugs.
In einer möglichen Ausführungsform des Verfahrens erfolgt die Auswahl automatisch, wobei bei nur einem abgerufenen Fahrprofil dieses eine Fahrprofil ausgewählt wird und bei mehreren abgerufenen Fahrprofilen vorteilhafterweise das am meisten bevorzugte Fahrprofil ausgewählt wird. Alternativ ist in einer möglichen Ausführungsform des Verfahrens vorgesehen, dass die Auswahl des abgerufenen Fahrprofils oder eines der mehreren abgerufenen Fahrprofile über eine, insbesondere manuelle oder beispielsweise akustische, Auswahlaktion des Fahrzeugnutzers erfolgt. Unter einer akustischen Auswahlaktion wird insbesondere ein Sprachbefehl des Fahrzeugnutzers verstanden. Auf diese Weise wird ein Fahrverhalten des Fahrzeugs an das automatisch oder vom Fahrzeugnutzer ausgewählte Fahrprofil angepasst. Bei der Auswahl durch den Fahrzeugnutzer kann er sich bei mehreren Fahrprofilen für das aktuell von ihm gewünschte Fahrprofil entscheiden. Bei der automatischen Auswahl aus mehreren Fahrprofilen wird mit hoher Wahrscheinlichkeit das vom Fahrzeugführer aktuell bevorzugte Fahrprofil gewählt, da automatisch das am meisten bevorzugte Fahrprofil des Fahrzeugnutzers gewählt wird.
In einer möglichen Ausführungsform des Verfahrens wird bei der jeweiligen automatisierten Fahrt eine Trajektorienregelung nach einer geplanten Trajektorie durchgeführt, wobei der Fahrparametersatz, der das Fahrverhalten bestimmt, bei der jeweiligen automatisierten Fahrt der Trajektorienplanung zugrunde gelegt wird. Dies betrifft insbesondere die nachfolgende automatisierte Fahrt, d. h. nachdem das mindestens eine nutzerindividuelle Fahrprofil für den jeweiligen Fahrzeugnutzer ermittelt wurde, aber vorteilhafterweise auch die jeweilige automatisierte Fahrt, bei welcher das Situationsempfinden des jeweiligen Fahrzeugnutzers ortsbezogen ermittelt und zusammen mit dem zugehörigen Fahrparametersatz, der das Fahrverhalten der jeweiligen automatisierten Fahrt bestimmt, als Nutzerdaten zum fahrzeugexternen Server übertragen wird.
In einer möglichen Ausführungsform des Verfahrens erfolgt die Clusterung ortsspezifisch für Ortsbereiche, an denen gehäuft ein unangenehmes Situationsempfinden gemeldet wurde. Insbesondere für solche Ortsbereiche ist die Verwendung eines nutzerindividuellen Fahrprofils besonders vorteilhaft, um dadurch das unangenehme Situationsempfinden des jeweiligen Fahrzeugnutzers zu vermeiden. In anderen Ortsbereichen, für die kein oder nur selten ein unangenehmes Situationsempfinden gemeldet wurde, kann beispielsweise ein allgemeingültiges Fahrprofil verwendet werden.
In einer möglichen Ausführungsform des Verfahrens werden zusätzlich Informationen über bei der jeweiligen automatisierten Fahrt vorliegende Situationen, beispielsweise Regen, Nebel, Schnee, normale Wettersituation, Tageszeit, Spurbreite, Straßenklasse und/oder andere Situationen, ermittelt und zusammen mit den Nutzerdaten zum fahrzeugexternen Server übertragen, wobei die Clusterung dann individuell für die verschiedenen Situationen durchgeführt wird. Das mindestens eine vom jeweiligen Fahrzeugnutzer bevorzugte Fahrprofil ist dann ein situationsabhängig bevorzugtes Fahrprofil. Dies ermöglicht eine weitere Verbesserung des Fahrverhaltens durch die Verwendung eines auch an diese jeweils vorliegenden Situationen angepasstes Fahrprofil, so dass ein unangenehmes Situationsempfinden, welches auf aktuell vorliegenden für das Fahrzeugfahren schlechteren Situationen beruht, dadurch ebenfalls vermieden werden kann.
In einer möglichen Ausführungsform des Verfahrens wird das Situationsempfinden des jeweiligen Fahrzeugnutzers beispielsweise automatisch durch eine Fahrzeugnutzerbeobachtung mit einer Kamera und/oder durch eine Situationsempfindenangabe des jeweiligen Fahrzeugnutzers über eine Bedieneingabe ermittelt, d. h. über ein, insbesondere freiwilliges, Feedback des jeweiligen Fahrzeugnutzers. Die Bedieneingabe kann beispielsweise manuell oder akustisch, d. h. als eine Spracheingabe, erfolgen. Durch die Fahrzeugnutzerbeobachtung wird die Ermittlung des Situationsempfindens automatisch ermöglicht, ohne dass hierfür der Fahrzeugnutzer belästigt oder von anderen Tätigkeiten abgelenkt wird. Zudem ist diese Variante der Ermittlung des Situationsempfindens nicht auf eine aktive Mitarbeit des Fahrzeugnutzers angewiesen. Die alternative oder zusätzliche Ermittlung des Situationsempfindens durch die Situationsempfindenangabe des jeweiligen Fahrzeugnutzers ermöglicht eine noch genauere Ermittlung des Situationsempfindens aufgrund einer aktiven Aussage hierrüber durch den Fahrzeugnutzer, wodurch mögliche Interpretationsfehler durch die Fahrzeugnutzerbeobachtung vermieden werden können.
Ausführungsbeispiele der Erfindung werden im Folgenden anhand von Zeichnungen näher erläutert.
Dabei zeigen:

1 schematisch ein Verfahren zur Ermittlung eines nutzerindividuellen Fahrprofils für eine automatisierte Fahrt,
2 schematisch Fahrparametersätze und zwei Fahrprofile, und
3 schematisch Fahrparametersätze und Fahrprofile für unterschiedliche Situationen.

Einander entsprechende Teile sind in allen Figuren mit den gleichen Bezugszeichen versehen.
1 zeigt eine schematische Darstellung eines Verfahrens zur Ermittlung eines nutzerindividuellen Fahrprofils für eine automatisierte Fahrt, insbesondere für eine hochautomatisierte oder autonome Fahrt, eines Fahrzeugs F1 bis Fn. In diesem Verfahren führen mehrere Fahrzeugnutzer N1 bis Nn mehrere automatisierte Fahrten durch. Dies kann mit demselben Fahrzeug F1 bis Fn oder, wie im dargestellten Beispiel, mit mehreren Fahrzeugen F1 bis Fn erfolgen. Dabei wird ein Situationsempfinden des jeweiligen Fahrzeugnutzers N1 bis Nn ortsbezogen ermittelt und zusammen mit einem zugehörigen Fahrparametersatz {kv,kd,kt,d,kt,v,...}, der ein Fahrverhalten der jeweiligen automatisierten Fahrt bestimmt, als Nutzerdaten ND1 bis NDn zu einem auch als Backendserver bezeichneten fahrzeugexternen Server 1 übertragen. Insbesondere wird zur ortsbezogenen Ermittlung des Situationsempfindens des jeweiligen Fahrzeugnutzers N1 bis Nn das ermittelte Situationsempfinden des jeweiligen Fahrzeugnutzers N1 bis Nn mit einem Ortsstempel versehen. Das Situationsempfinden des jeweiligen Fahrzeugnutzers N1 bis Nn wird beispielsweise automatisch durch eine Fahrzeugnutzerbeobachtung mit einer Kamera, insbesondere mit einer Innenraumkamera in einem Fahrgastinnenraum des jeweiligen Fahrzeugs F1 bis Fn, und/oder durch eine Situationsempfindenangabe des jeweiligen Fahrzeugnutzers N1 bis Nn über eine Bedieneingabe ermittelt, d. h. über ein, insbesondere freiwilliges, Feedback des jeweiligen Fahrzeugnutzers N1 bis Nn. Die Bedieneingabe kann beispielsweise manuell oder akustisch erfolgen.
Im fahrzeugexternen Server 1 werden die von allen Fahrzeugnutzern N1 bis Nn gesammelten Fahrparametersätze {kv,,kt,d,kt, v,...} geclustert, wobei Cluster gebildet werden, die verschiedene Fahrprofile FP repräsentieren. Die Clusterung erfolgt beispielsweise ortsspezifisch für Ortsbereiche, an denen gehäuft ein unangenehmes Situationsempfinden gemeldet wurde.
Für die einzelnen Fahrzeugnutzer N1 bis Nn wird durch eine statistische Auswertung ihrer Nutzerdaten ND1 bis NDn mindestens ein vom jeweiligen Fahrzeugnutzer N1 bis Nn bevorzugtes, d. h. insbesondere als angenehm empfundenes, Fahrprofil FP identifiziert, dem jeweiligen Fahrzeugnutzer N1 bis Nn zugeordnet und dem jeweiligen Fahrzeugnutzer N1 bis Nn zum Abrufen bereitgestellt.
Wenn mehrere bevorzugte Fahrprofile FP für den jeweiligen Fahrzeugnutzer N1 bis Nn identifiziert werden, wird vorteilhafterweise auch eine Rangfolge dieser bevorzugten Fahrprofile FP nach der Bevorzugung erstellt.
Für eine nachfolgende automatisierte Fahrt, d. h. nachdem das mindestens eine nutzerindividuelle Fahrprofil FP für den jeweiligen Fahrzeugnutzer N1 bis Nn ermittelt wurde, wird/werden nach einer Identifizierung des Fahrzeugnutzers N1 bis Nn das mindestens eine vom Fahrzeugnutzer N1 bis Nn bevorzugte Fahrprofil FP oder die mehreren vom Fahrzeugnutzer N1 bis Nn bevorzugten Fahrprofile FP vom fahrzeugexternen Server 1 abgerufen. Das abgerufene Fahrprofil FP oder eines der abgerufenen mehreren Fahrprofile FP wird ausgewählt und einer Regelung der automatisierten Fahrt zugrunde gelegt. Das Verfahren umfasst somit nicht nur die Ermittlung eines nutzerindividuellen Fahrprofils FP für eine automatisierte Fahrt eines Fahrzeugs F1 bis Fn, sondern auch dessen Verwendung zur Durchführung der automatisierten Fahrt des Fahrzeugs F1 bis Fn. Es handelt sich somit auch um ein Verfahren zum Betrieb eines automatisiert fahrenden Fahrzeugs F1 bis Fn.
Die Auswahl des Fahrprofils FP kann beispielsweise automatisch erfolgen, wobei bei nur einem abgerufenen Fahrprofil FP dieses eine Fahrprofil FP ausgewählt wird und bei mehreren abgerufenen Fahrprofilen FP vorteilhafterweise das am meisten bevorzugte Fahrprofil FP ausgewählt wird. Alternativ erfolgt die Auswahl des abgerufenen Fahrprofils FP oder eines der mehreren abgerufenen Fahrprofile FP über eine Auswahlaktion des Fahrzeugnutzers N1 bis Nn.
Bei der jeweiligen automatisierten Fahrt wird insbesondere eine Trajektorienregelung nach einer geplanten Trajektorie durchgeführt, wobei der Fahrparametersatz {kv,,kt,d,kt,v,...}, der das Fahrverhalten bestimmt, bei der jeweiligen automatisierten Fahrt der Trajektorienplanung zugrunde gelegt wird.
In einer möglichen Ausführungsform des Verfahrens werden zusätzlich Informationen über bei der jeweiligen automatisierten Fahrt vorliegende Situationen, beispielsweise Regen, Nebel, Schnee, normale Wettersituation, Tageszeit, Spurbreite, Straßenklasse und/oder andere Situationen, ermittelt und zusammen mit den Nutzerdaten ND1 bis NDn zum fahrzeugexternen Server 1 übertragen, wobei die Clusterung dann individuell für die verschiedenen Situationen durchgeführt wird. Das mindestens eine vom jeweiligen Fahrzeugnutzer N1 bis Nn bevorzugte Fahrprofil FP ist dann ein situationsabhängig bevorzugtes Fahrprofil FP.
Zusammengefasst fahren die Fahrzeuge F1 bis Fn automatisiert, insbesondere hochautomatisiert oder autonom, und sammeln dabei verschiedene Daten, welche anschließend zum fahrzeugexternen Server 1 übertragen und dort verarbeitet werden. Die Fahrzeuge F1 bis Fn empfangen dann vom fahrzeugexternen Server 1 entsprechend ihres Fahrzeugnutzers N1 bis Nn nutzerindividualisierte Daten, die zur Beeinflussung des Fahrverhaltens des jeweiligen Fahrzeugs F1 bis Fn herangezogen werden.
Im Folgenden werden weitere Details des Verfahrens beschrieben.
Insbesondere führt das jeweilige Fahrzeug F1 bis Fn während eines automatisierten, insbesondere hochautomatisierten oder autonomen, Fahrbetriebs zur Durchführung der jeweiligen automatisierten Fahrt fortlaufend eine Trajektorienplanung durch. Das Ergebnis der Trajektorienplanung ist eine optimale Solltrajektorie. Die optimale Solltrajektorie wird der Trajektorienregelung zugrunde gelegt. Beispielsweise gibt sie neben einer gewünschten Ortskurve, die das jeweilige Fahrzeug F1 bis Fn abfahren soll, auch eine gewünschte Dynamik vor, insbesondere Geschwindigkeit und Beschleunigung, mit der diese Ortskurve durchfahren werden soll.
Die Trajektorienplanung basiert beispielsweise auf einem aktuellen Fahrzustand des jeweiligen Fahrzeugs F1 bis Fn, insbesondere bezüglich Geschwindigkeit und Beschleunigung, auf Sollanforderungen hinsichtlich Komfort und Sicherheit, beispielsweise eine Wunschgeschwindigkeit, gewünschte Grenzen einer Längs- und Querbeschleunigung, gewünschte Abstände zu Hindernissen und gewünschte Abstände zu einer Spurmitte, auf Gewichtungswerten, die angeben, welche der Sollanforderungen den anderen Sollanforderungen inwieweit priorisiert werden sollen, und auf einer erfassten Umgebungssituation, beispielsweise geographische Fahrzeugposition, Fahrspurverlauf, Spurlage des Fahrzeugs F1 bis Fn, Ausrichtung des Fahrzeugs F1 bis Fn relativ zur Fahrspur, Hindernisse in der Fahrzeugumgebung, verfügbarer Fahrraum.
Das jeweilige Fahrzeug F1 bis Fn umfasst beispielsweise Mittel zur Erfassung des Situationsempfindens des Fahrzeugnutzers N1 bis Nn. Es wird also ermittelt, ob der Fahrzeugnutzer N1 bis Nn die aktuelle Situation eher als angenehm oder eher als unangenehm empfindet. Diese Mittel umfassen beispielsweise die Kamera, insbesondere die Innenraumkamera, zur Fahrzeugnutzerbeobachtung, beispielsweise zur Beobachtung der Augen und Blickrichtung des Fahrzeugnutzers N1 bis Nn und vom Fahrzeugnutzer N1 bis Nn gegebenenfalls vorgenommener Nebentätigkeiten. Beispielsweise sind weit geöffnete und auf die Fahrspur gerichtete Augen oder der Griff zum Lenkrad dabei ein Indiz für eine als unangenehm empfundene Situation, während eine festgestellte Ablenkung des Fahrzeugnutzers N1 bis Nn, beispielsweise geschlossene Augen, ein vom Fahrgeschehen abschweifender Blick, Nebentätigkeiten, beispielsweise an einem Smartphone, ein Indiz für eine als angenehm empfundene Situation sind. Alternativ oder zusätzlich können die Mittel zur Erfassung des Situationsempfindens auch eine Bedieneinheit umfassen, über die der Fahrzeugnutzer N1 bis Nn sein Situationsempfinden über eine Bedieneingabe direkt mitteilt.
Das jeweilige Fahrzeug F1 bis Fn sendet beispielsweise fortlaufend das erfasste Situationsempfinden sowie Situationsdaten, die die aktuelle Situation beschreiben, an den fahrzeugexternen Server 1. Dies sind die Nutzerdaten ND1 bis NDn. Die Situationsdaten umfassen dabei die der Trajektorienplanung zugrunde gelegten Parameter, d. h. einen jeweiligen Fahrparametersatz {kv,,kt,d,kt, v,...}.
Der fahrzeugexterne Server 1 empfängt somit von einer Vielzahl von Fahrzeugen F1 bis Fn die Situationsdaten des jeweiligen Fahrzeugs F1 bis Fn und das Situationsempfinden des jeweiligen Fahrzeugnutzers N1 bis Nn in Form der jeweiligen Nutzerdaten ND1 bis NDn.
Die empfangenen Nutzerdaten ND1 bis NDn werden im dargestellten Beispiel im fahrzeugexternen Server 1 einem ersten Block B1 zugeführt, in welchem sie geclustert werden. Dabei werden die empfangenen Nutzerdaten ND1 bis NDn jeweils einer oder mehreren Clustern zugeordnet.
Die im ersten Block B1 erstellten geclusterten Daten CD werden im dargestellten Beispiel im fahrzeugexternen Server 1 einem zweiten Block B2 und einem dritten Block B3 zugeführt.
Im zweiten Block B2 werden aus den geclusterten Daten CD mehrere Fahrprofile FP erstellt.
Die erstellten Fahrprofile FP werden dem dritten Block B3 zugeführt.
Im dritten Block B3 wird anhand der Fahrprofile FP und anhand der geclusterten Daten CD eine Zuordnung der Fahrprofile FP zu den Fahrzeugnutzern N1 bis Nn und somit im dargestellten Beispiel auch zu den Fahrzeugen F1 bis Fn vorgenommen, da im dargestellten Beispiel jeder Fahrzeugnutzer N1 bis Nn nur sein Fahrzeug F1 bis Fn nutzt. Dem jeweiligen Fahrzeugnutzer N1 bis Nn und somit im dargestellten Beispiel dem jeweiligen Fahrzeug F1 bis Fn können dabei eines oder auch mehrere der Fahrprofile FP zugeordnet werden.
Die den Fahrzeugnutzern N1 bis Nn und somit im dargestellten Beispiel den Fahrzeugen F1 bis Fn zugeordneten Fahrprofile FP werden dem jeweiligen Fahrzeugnutzer N1 bis Nn, genauer gesagt dem vom jeweiligen Fahrzeugnutzer N1 bis Nn genutzten Fahrzeug F1 bis Fn, zugeführt.
Wenn einem Fahrzeug F1 bis Fn nur eines der Fahrprofile FP zugeführt wird, dann wird dieses eine Fahrprofil FP beispielsweise automatisch ausgewählt. Andernfalls, wenn dem Fahrzeug F1 bis Fn mehrere Fahrprofile FP zugeführt werden, werden diese beispielsweise dem Fahrzeugnutzer N1 bis Nn zur Auswahl eines der Fahrprofile FP angeboten oder die Auswahl wird automatisch vorgenommen.
Das jeweils ausgewählte Fahrprofil FP wird im jeweiligen Fahrzeug F1 bis Fn verwendet, um beispielsweise die Ermittlung einer optimalen Solltrajektorie zu verbessern.
Eine Anzahl der Cluster und somit der Fahrprofile FP ist beispielsweise auf einen vorgegebenen Wert festgelegt. Beispielsweise werden vier Fahrprofile FP unterschieden. Beispielsweise ist ein Fahrprofil FP ein Schlaffahrprofil, bei welchem sich der Fahrzeugnutzer N1 bis Nn beispielsweise entspannen kann oder bei welchem er beispielsweise schlafen kann. Dieses Schlaffahrprofil zeichnet sich beispielsweise durch vorgegebene minimale Beschleunigungen des Fahrzeugs F1 bis Fn aus. Ein weiteres Fahrprofil FP ist beispielsweise ein defensives Fahrprofil FP, welches sich insbesondere dadurch auszeichnet, dass wenige Überholmanöver vorgenommen werden, insbesondere im Vergleich zu einem normalen Fahrprofil FP und einem zeitoptimalen Fahrprofil FP. Das normale Fahrprofil FP zeichnet sich beispielsweise durch ein durchschnittliches Fahrverhalten aus. Das zeitoptimale Fahrprofil FP zeichnet sich beispielsweise dadurch aus, dass viele Überholmanöver durchgeführt werden, insbesondere im Vergleich zum defensiven und normalen Fahrprofil FP und dass mit einer maximal möglichen Geschwindigkeit gefahren wird.
Alternativ kann beispielsweise vorgesehen sein, dass aus den an den fahrzeugexternen Server 1 übermittelten Nutzerdaten ND1 bis NDn eine sinnvolle Anzahl von Clustern und somit auch eine entsprechende Anzahl von Fahrprofilen FP berechnet wird. Die Berechnung der Anzahl von Clustern kann beispielsweise über die Ellbogen-Methode der Within-Cluster-Sum of Squared Errors (WSS) verschiedener k in k-Means erfolgen, wie beispielsweise in https://medium.com/analytics-vidhya/how-to-determine-the-optimal-k-fork-means-708505d204eb in Verbindung mit https://de.wikipedia.org/wiki/K-Means-Algorithmus beschrieben. Dabei werden als Grundlage für die Clusterung die unbekannten/variablen Fahrparameter k_v, k_d, k_t,d, k_t,v, ... der Fahrparametersätze {k_v, k_d, k_t,d, k_t,v, ...} gewählt, die üblicherweise als Gütekriterium für die Optimierung einer Trajektorie bzw. der Auswahl einer Trajektorie aus einer Trajektorienschar verwendet werden, wie beschrieben und im Folgenden zitiert in den Formeln (3.8) auf S. 40 und (3.18) auf S. 43 in Verbindung mit Formel (3.4a) auf S. 37 in Schucker, Jeremias, „Trajektorienplanung und Fahrzeugführung für hochautomatisiertes Fahren auf der Autobahn.“ (2020), https://tuprints.ulb.tu-darmstadt.de/12686/1/2020-07-28_ Schucker_ Jeremias.pdf:
„Durch das Planen einer Zielgeschwindigkeit ändern sich auch die Endkosten von (3.4a) und man erhält zum Berechnen der Trajektorienschar folgende Kostenfunktion: $J_{v} (F_{x, s}) = k_{t_{e, v}} t_{e, v} + k_{v} {(v (t_{e, v}) - v_{Z i e l} (t_{e, v}))}^{2} + \frac{1}{2} \int_{t_{0}}^{t_{e, v}} F_{x, s}^{2} (t) d t .$
Mit k_te,v und k_v werden die Endkosten gewichtet und t_e,v ist die Manöverlänge." $J_{d} (δ_{S}) = k_{t_{e, d}} t_{e, d} + k_{d} {(d (t_{e, d}) - d_{Z i e l})}^{2} + \frac{1}{2} \int_{t_{0}}^{t_{e, d}} δ_{S}^{2} (t) d t .$
Hierbei sind k_te,d und k_d die Gewichtungsfaktoren und t_e,d die Manöverdauer." (Zitat Ende)
Die Gütefunktionen J_v, J_d werden optimiert, um eine ideale Trajektorie zu finden. Dabei wird über Gewichtungsfaktoren {k_v, k_d, k_t, k_t,v, ...} festgelegt wie beispielsweise die Dauer des Manövers und die Beschleunigung zu gewichten sind. Ein defensiver Fahrzeugnutzer nimmt beispielsweise eine längere Dauer für ein Überholmanöver in Kauf, um dafür möglichst querbeschleunigungsarm zu fahren. Damit ist das Verhältnis k_d / k_t, für ihn kleiner als für einen aggressiven Fahrzeugnutzer.
Beispielsweise kann vom fahrzeugexternen Server 1 ein jeweiliger Fahrparametersatz {k_v, k_d, k_t,d, k_t,v, ...} an verschiedene Fahrzeugnutzer N1 bis Nn, genauer gesagt an deren jeweiliges Fahrzeug F1 bis Fn, übertragen werden und von diesen beispielsweise mittels eines direkten Nutzerfeedbacks, d. h. mittels der Situationsempfindenangabe, beispielsweise über eine Displayabfrage, oder mittels einer indirekten Ermittlung des Situationsempfindens, insbesondere durch die Fahrzeugnutzerbeobachtung, bewertet werden. Alternativ oder zusätzlich kann beispielsweise vorgesehen sein, dass ein jeweiliger Fahrzeugnutzer N1 bis Nn einen oder mehrere Parameterwerte des Fahrparametersatzes {k_v, k_d, k_t, k_t,v, ...}, zum Beispiel eine minimale Distanz zu einem Vorderfahrzeug, selbst einstellt.
2 zeigt schematisch ein Beispiel mit verschiedenen hier als Punkte dargestellten Fahrparametersätzen {k_v, k_d, k_t,d, k_r,v, ...}, die vom fahrzeugexternen Server 1 an verschiedene Fahrzeugnutzer N1 bis Nn, genauer gesagt an deren jeweiliges Fahrzeug F1 bis Fn, übertragen und somit von diesen getestet werden. Dabei wird der Fahrzeugnutzer N1 bis Nn beobachtet oder kann, wie beschrieben, aktiv Feedback geben, um einen Fahrparametersatz {k_v, k_d, k_t, k_t,v, ...} angenehm oder unangenehm zu bewerten. Die Fahrparametersätze {k_v, k_d, k_t, k_t,v, ...} verschiedener Fahrzeugnutzer N1 bis Nn werden gesammelt und über k-means und WSS geclustert. Dabei entstehen beispielsweise zwei Fahrprofile FP, ein sehr defensives Fahrprofil, dargestellt im linken Bereich, das von einem ersten Fahrzeugnutzer N1 als angenehm empfunden wird, und ein dynamisches Fahrprofil FP im rechten Bereich, das vom ersten Fahrzeugnutzer N1 als unangenehm empfunden wird, aber beispielsweise von einem zweiten Fahrzeugnutzer N2 bevorzugt wird.
Der jeweilige Fahrzeugnutzer N1 bis Nn kann direkt über eine Abfrage, insbesondere nach dem autonomen Fahren, oder über die Fahrzeugnutzerbeobachtung, welche beispielsweise erfasst, dass er schläft oder angespannt ist oder die Hände nah am Lenkrad hält, oder direkt in Fahrzeugeinstellungen die Fahrparametersätze {k_v, k_d, k_t,d, k_t,v, ...} bewerten und beispielsweise auch anpassen. Auch eine Fahrerübernahme durch den Fahrzeugnutzer N1 bis Nn, beispielsweise durch Bremsen, Beschleunigen und/oder Lenken, kann beispielsweise in die Bewertung einbezogen werden. Wenn beispielsweise das autonome Fahrsystem des Fahrzeugs F1 bis Fn in einem Überholvorgang nicht in eine Lücke einfädelt und der Fahrzeugnutzer N1 bis Nn daher schließlich die Lenkung übernimmt und selbst einfädelt, kann die minimale Distanz zum Vorderfahrzeug über den Fahrparameter kd in der Gütefunktion minimiert werden.
Eine Auswahl eines jeweiligen Fahrprofils FP kann beispielsweise durch den Fahrzeugnutzer N1 bis Nn selbst erfolgen. Beispielsweise kann er bei einer Nachtfahrt ein defensives Fahrprofil FP und für einen Weg zur Arbeit ein möglichst schnelles Fahrprofil FP zum schnellen Ankommen am Arbeitsplatz wählen.
Es kann beispielsweise auch vorgesehen sein, dass ein Parametertuning zur Bewertung der Trajektorien durchgeführt wird, indem, wie in einer Optimierungsfunktion, die eingestellten Fahrparameter kv,kd,kt,d,kt,v,... immer leicht verändert werden und durch aktives oder passives Feedback auf die oben beschriebene Weise bestimmt wird, ob diese Parameterveränderung gut oder schlecht war, d. h. vom jeweiligen Fahrzeugnutzer N1 bis Nn als angenehm oder unangenehm bewertet wird. Auch eine Fahrparametersatzauswahl nach Tageszeit-, Wetter- oder Straßenklassen kann in einer möglichen Ausführungsform vorgesehen sein. Beispielsweise kann bei Schnee/Nebel/Regen und/oder in der Nacht und/oder auf Landstraßen automatisch ein defensiveres Fahrprofil FP ausgewählt werden. Diese Situationen werden jedoch subjektiv anders „gefährlich“ empfunden, so dass diese Fahrprofile FP ebenfalls dem jeweiligen Fahrzeugnutzer N1 bis Nn individuell zugeordnet werden.
3 zeigt im Vergleich die Veränderung des Situationsempfindens bei Nebel, Regen oder Schnee im linken Diagramm und bei einer normalen Situation im rechten Diagramm. Daraus resultieren jeweils andere vom Fahrzeugnutzer F1 bis Fn als angenehm empfundene Fahrprofile FP. So ist das Fahrprofil FP im linken Diagramm, d. h. bei Nebel, Regen oder Schnee, weiter links angeordnet und somit deutlich defensiver als das Fahrprofil FP im rechten Diagramm bei einer normalen Situation, d. h. die Fahrparameter k_v, k_d, k_t,d, k_t,v, ... des Fahrprofils FP im linken Diagramm, bei Nebel, Regen oder Schnee, weisen kleinere Werte auf als im rechten Diagramm bei normaler Situation.
Der Fahrzeugnutzer N1 bis Nn empfindet bei Nebel, Regen oder Schnee ein defensiveres Fahrprofil FP, wobei beispielsweise die Fahrparameter kv und kd kleiner sind, angenehmer. Er möchte mit einer geringeren Geschwindigkeit und mehr Abstand zum Vordermann fahren und nimmt dafür eine längere Reise- und Manöverzeit in Kauf. Ein anderer Fahrzeugnutzer N1 bis Nn, der beispielsweise in einer Ski-Region wohnt, fühlt sich sicherer und für ihn ist ein anderer Fahrparametersatz FP mit gleichen Fahrparametern kv und kd wünschenswert. Der ideale Fahrparametersatz FP wird beispielsweise über einen k-means Clustering-Algorithmus ermittelt. Auch ein anderer Klassifizierungsalgorithmus ist möglich, beispielsweise Decision Tree, SVM, Random Forest oder ein anderer Algorithmus.
Bei der hier beschriebenen Lösung werden Fahrprofile FP ohne Testfahrer und mit Hilfe des Feedbacks der Fahrzeugnutzer N1 bis Nn ermittelt. Dadurch wird für jeden Fahrzeugnutzer N1 bis Nn ein individuelles Fahrprofil FP mit einem entsprechenden individuellen Fahrparametersatz {k_v, k_d, k_t,, k_t,v, ...}, das zudem an die Umgebungsbedingungen angepasst werden kann, ermittelt. Dadurch werden eine höhere Akzeptanz und ein größerer Komfort erreicht.
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 102020108857 A1 [0002]
GB 2588639 A [0003]

Claims

Verfahren zur Ermittlung eines nutzerindividuellen Fahrprofils (FP) für eine automatisierte Fahrt eines Fahrzeugs (F1 bis Fn), dadurch gekennzeichnet, dass - mehrere Fahrzeugnutzer (N1 bis Nn) mehrere automatisierte Fahrten durchführen, wobei ein Situationsempfinden des jeweiligen Fahrzeugnutzers (N1 bis Nn) ortsbezogen ermittelt und zusammen mit einem zugehörigen Fahrparametersatz ({k_v, k_d, k_t,d, k_t,v, ...}), der ein Fahrverhalten der jeweiligen automatisierten Fahrt bestimmt, als Nutzerdaten (ND1 bis NDn) zu einem fahrzeugexternen Server (1) übertragen wird, - im fahrzeugexternen Server (1) die von allen Fahrzeugnutzern (N1 bis Nn) gesammelten Fahrparametersätze ({k_v, k_d, k_t,d, k_t,v, ...}) geclustert werden, wobei Cluster gebildet werden, die verschiedene Fahrprofile (FP) repräsentieren, - für die einzelnen Fahrzeugnutzer (N1 bis Nn) durch eine statistische Auswertung ihrer Nutzerdaten (ND1 bis NDn) mindestens ein vom jeweiligen Fahrzeugnutzer (N1 bis Nn) bevorzugtes Fahrprofil (FP) identifiziert wird, dem jeweiligen Fahrzeugnutzer (N1 bis Nn) zugeordnet wird und dem jeweiligen Fahrzeugnutzer (N1 bis Nn) zum Abrufen bereitgestellt wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass zur ortsbezogenen Ermittlung des Situationsempfindens des jeweiligen Fahrzeugnutzers (N1 bis Nn) das ermittelte Situationsempfinden des jeweiligen Fahrzeugnutzers (N1 bis Nn) mit einem Ortsstempel versehen wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als vom jeweiligen Fahrzeugnutzer (N1 bis Nn) bevorzugtes Fahrprofil (FP) ein vom jeweiligen Fahrzeugnutzer (N1 bis Nn) als angenehm empfundenes Fahrprofil (FP) identifiziert wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass für mindestens einen der Fahrzeugnutzer (N1 bis Nn) durch die statistische Auswertung seiner Nutzerdaten (ND1 bis NDn) mehrere vom Fahrzeugnutzer (N1 bis Nn) bevorzugte Fahrprofile (FP) identifiziert werden, dem Fahrzeugnutzer (N1 bis Nn) zugeordnet werden und dem Fahrzeugnutzer (N1 bis Nn) zum Abrufen bereitgestellt werden, wobei entsprechend der Bevorzugung eine Rangfolge dieser bevorzugten Fahrprofile (FP) erstellt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass für eine nachfolgende automatisierte Fahrt nach einer Identifizierung des Fahrzeugnutzers (N1 bis Nn) das mindestens eine vom Fahrzeugnutzer (N1 bis Nn) bevorzugte Fahrprofil (FP) oder die mehreren vom Fahrzeugnutzer (N1 bis Nn) bevorzugten Fahrprofile (FP) vom fahrzeugexternen Server (1) abgerufen wird/werden, wobei das abgerufene Fahrprofil (FP) oder eines der abgerufenen mehreren Fahrprofile (FP) ausgewählt und einer Regelung der automatisierten Fahrt zugrunde gelegt wird.
Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass die Auswahl automatisch erfolgt, wobei bei mehreren abgerufenen Fahrprofilen (FP) das am meisten bevorzugte Fahrprofil (FP) ausgewählt wird, oder dass die Auswahl über eine Auswahlaktion des Fahrzeugnutzers (N1 bis Nn) erfolgt.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass bei der jeweiligen automatisierten Fahrt eine Trajektorienregelung nach einer geplanten Trajektorie durchgeführt wird, wobei der Fahrparametersatz ({k_v, k_d, k_t,d, k_t,v, ...}), der das Fahrverhalten bestimmt, bei der jeweiligen automatisierten Fahrt der Trajektorienplanung zugrunde gelegt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Clusterung ortsspezifisch für Ortsbereiche erfolgt, an denen gehäuft ein unangenehmes Situationsempfinden gemeldet wurde.
Verfahren nach einem der vorhergehende Ansprüche, dadurch gekennzeichnet, dass zusätzlich Informationen über bei der jeweiligen automatisierten Fahrt vorliegende Situationen ermittelt werden und zusammen mit den Nutzerdaten (ND1 bis NDn) zum fahrzeugexternen Server (1) übertragen werden, wobei die Clusterung individuell für die verschiedenen Situationen durchgeführt wird und wobei das mindestens eine vom jeweiligen Fahrzeugnutzer (N1 bis Nn) bevorzugte Fahrprofil (FP) ein situationsabhängig bevorzugtes Fahrprofil (FP) ist.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Situationsempfinden des jeweiligen Fahrzeugnutzers (N1 bis Nn) automatisch durch eine Fahrzeugnutzerbeobachtung mit einer Kamera und/oder durch eine Situationsempfindenangabe des jeweiligen Fahrzeugnutzers (N1 bis Nn) über eine Bedieneingabe ermittelt wird.