DE102022104129A1 - Method for determining a health effect, method for training a prognostic function, monitoring device, vehicle and training device - Google Patents
Method for determining a health effect, method for training a prognostic function, monitoring device, vehicle and training device Download PDFInfo
- Publication number
- DE102022104129A1 DE102022104129A1 DE102022104129.8A DE102022104129A DE102022104129A1 DE 102022104129 A1 DE102022104129 A1 DE 102022104129A1 DE 102022104129 A DE102022104129 A DE 102022104129A DE 102022104129 A1 DE102022104129 A1 DE 102022104129A1
- Authority
- DE
- Germany
- Prior art keywords
- motor vehicle
- simulated
- predetermined
- movement
- monitoring device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012549 training Methods 0.000 title claims abstract description 61
- 238000012806 monitoring device Methods 0.000 title claims abstract description 53
- 230000008821 health effect Effects 0.000 title claims abstract description 27
- 230000000694 effects Effects 0.000 claims abstract description 65
- 230000006870 function Effects 0.000 claims abstract description 65
- 238000004393 prognosis Methods 0.000 claims abstract description 57
- 238000010801 machine learning Methods 0.000 claims abstract description 12
- 230000036541 health Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 description 19
- 230000018109 developmental process Effects 0.000 description 19
- 208000021567 Whiplash injury Diseases 0.000 description 18
- 206010071366 Post-traumatic neck syndrome Diseases 0.000 description 16
- 238000004088 simulation Methods 0.000 description 13
- 230000001133 acceleration Effects 0.000 description 12
- 230000006378 damage Effects 0.000 description 9
- 208000014674 injury Diseases 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 208000027418 Wounds and injury Diseases 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 210000002808 connective tissue Anatomy 0.000 description 2
- 230000036461 convulsion Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000004886 head movement Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 230000008733 trauma Effects 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 206010024453 Ligament sprain Diseases 0.000 description 1
- 206010050031 Muscle strain Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 208000010040 Sprains and Strains Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000013707 sensory perception of sound Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
- B60R21/01512—Passenger detection systems
- B60R21/01552—Passenger detection systems detecting position of specific human body parts, e.g. face, eyes or hands
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
- B60R21/01512—Passenger detection systems
- B60R21/01542—Passenger detection systems detecting passenger motion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
- B60R21/01558—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use monitoring crash strength
Abstract
Die Erfindung betrifft ein Verfahren zur Ermittlung einer bei einer Kollision eines Kraftfahrzeugs (1) auf zumindest einen Kraftfahrzeuginsassen (2) des Kraftfahrzeugs (1) erfolgte gesundheitliche Auswirkung. Durch eine Überwachungsvorrichtung erfolgt eine Auswertung zumindest in einem vorbestimmten Zeitraum ab einer Feststellung eines Kollisionsereignisses des Kraftfahrzeugs (1) erfasster Bewegungsdaten (5) nach einer vorbestimmten Prognosefunktion (19) zur Ermittlung zumindest eines Auswirkungsparameters (7) betreffend die auf den zumindest einen Kraftfahrzeuginsassen (2) des Kraftfahrzeugs (1) aufgrund der in dem vorbestimmten Zeitraum erfolgten Bewegung erfolgten zumindest einen gesundheitlichen Auswirkung. Es ist vorgesehen, dass eine Prognosefunktion (19) verwendet wird, welche nach einem vorbestimmten maschinellen Lernverfahren an einem Trainingsdatensatz (18) trainiert ist, wobei der Trainingsdatensatz (18) simulierte Bewegungsdaten (15) und simulierte Auswirkungsparameter (7) umfasst.The invention relates to a method for determining a health effect on at least one occupant (2) of the motor vehicle (1) in the event of a collision with a motor vehicle (1). A monitoring device evaluates movement data (5) recorded at least in a predetermined period of time after a collision event of the motor vehicle (1) has been detected according to a predetermined prognosis function (19) for determining at least one effect parameter (7) relating to the effects on the at least one motor vehicle occupant (2 ) of the motor vehicle (1) due to the movement that took place in the predetermined period of time, there was at least one health effect. It is provided that a prognosis function (19) is used, which is trained according to a predetermined machine learning method on a training data set (18), the training data set (18) including simulated movement data (15) and simulated impact parameters (7).
Description
Die Erfindung betrifft ein Verfahren zur Ermittlung einer bei einer Kollision eines Fahrzeugs auf zumindest einen Fahrzeuginsassen des Fahrzeugs erfolgte, zumindest eine gesundheitliche Auswirkung, ein Verfahren zum Trainieren einer Prognosefunktion, eine Überwachungsvorrichtung, ein Fahrzeug, umfassend eine Überwachungsvorrichtung sowie eine Trainingsvorrichtung.The invention relates to a method for determining at least one health effect on at least one occupant of the vehicle in the event of a vehicle collision, a method for training a prognosis function, a monitoring device, a vehicle comprising a monitoring device and a training device.
Kollision im Straßenverkehr können nicht nur zu Schäden an einem Fahrzeug führen, sondern auch zu Verletzungen der Fahrzeuginsassen. Eine Verletzung, welche auch bei relativ leichten Kollisionen auftreten kann, ist das sogenannte Schleudertrauma. Das Schleudertrauma ist auch unter der Bezeichnung HWS-Distorsion bekannt, wobei HWS für Halswirbelsäule steht. Das Schleudertrauma entsteht bei bestimmten Bewegungen, welche gewöhnlicherweise bei einem Aufprall eines Fahrzeugs während des Unfalls erfolgen. Die bei dem Aufprall freigesetzte Kraft wird auf die Insassen übertragen, wodurch Weichteile und Bindegewebe im Halsbereich verletzt werden können. Charakteristisch für ein Auftreten eines Schleudertraumas ist eine vorhergegangene Bewegung des Kopfes. Durch den Aufprall wird die Halswirbelsäule zuerst überstreckt und anschließend stark gebeugt. Einfluss auf ein Auftreten des Schleudertraumas hat dabei nicht nur die Schwere des Aufpralls, sondern auch die Sitzposition des Insassen im Auto sowie dessen Kopfhaltung während des Unfalls. Eine nachträgliche Diagnose des Schleudertraumas gestaltet sich allerdings schwierig, da bildgebende Untersuchungsmethoden zumeist keinen Nachweis von Veränderungen und Verletzungen der Halswirbel, wie sie bei einem Schleudertrauma vorliegen, ermöglichen.Collisions in road traffic can not only damage a vehicle, but also injure the vehicle occupants. An injury that can also occur in relatively light collisions is the so-called whiplash. Whiplash is also known as a cervical spine distortion, where the cervical spine stands for. Whiplash occurs during certain movements that usually occur when a vehicle crashes during an accident. The force released during the impact is transmitted to the occupants, which can injure soft and connective tissue in the neck area. A previous movement of the head is characteristic for the occurrence of a whiplash injury. As a result of the impact, the cervical spine is first hyperextended and then severely bent. It is not only the severity of the impact that influences the occurrence of whiplash, but also the seating position of the occupants in the car and their head position during the accident. A subsequent diagnosis of whiplash is difficult, however, since imaging examination methods usually do not allow evidence of changes and injuries to the cervical vertebrae, as are present in whiplash.
Aus dem Stand der Technik sind Verfahren und Vorrichtungen bekannt, welche eine Erfassung von Gesundheitsdaten von Fahrzeuginsassen ermöglichen.Methods and devices are known from the prior art, which enable health data of vehicle occupants to be recorded.
Die
Die
Aus dem Stand der Technik ist auch ein Verfahren zur Prävention von Schleudertraumata bekannt.A method for preventing whiplash injuries is also known from the prior art.
Die
Es ist eine Aufgabe der Erfindung, eine Feststellung eines Schleudertraumas bei einem Fahrzeuginsassen zu ermöglichen.It is an object of the invention to enable whiplash injury to be detected in a vehicle occupant.
Die Aufgabe wird durch die Gegenstände der unabhängigen Patentansprüche gelöst. Vorteilhafte Weiterbildungen der Erfindung sind durch die Merkmale der abhängigen Patentansprüche, die folgende Beschreibung sowie die Figuren offenbart.The object is solved by the subject matter of the independent patent claims. Advantageous developments of the invention are disclosed by the features of the dependent patent claims, the following description and the figures.
Ein erster Aspekt der Erfindung betrifft ein Verfahren zur Ermittlung einer bei einer Kollision eines Kraftfahrzeugs auf zumindest einen Kraftfahrzeuginsassen des Kraftfahrzeugs erfolgten, zumindest einen gesundheitlichen Auswirkung Ein erster Schritt des Verfahrens umfasst eine fortlaufende Erfassung von Bewegungsdaten des Kraftfahrzeugs durch eine Überwachungsvorrichtung. Mit anderen Worten wird durch die Überwachungsvorrichtung eine Bewegung des Kraftfahrzeugs in Bewegungsdaten erfasst. Die Bewegungsdaten können beispielsweise Geschwindigkeits-, Beschleunigungs- und/oder Ruckwerte der Bewegung des Kraftfahrzeugs beschreiben. Durch die Überwachungsvorrichtung werden die Bewegungsdaten auf ein Erfüllen eines vorbestimmten Bewegungskriteriums überwacht. Das vorbestimmte Bewegungskriterium kann Bewegungen beschreiben, welches ein Kollisionsereignis des Kraftfahrzeugs indiziert. Wird das Bewegungskriterium durch die Bewegungsdaten erfüllt, wird einem weiteren Schritt das Kollisionsereignis des Kraftfahrzeugs festgestellt. Mit anderen Worten werden die Bewegungsdaten durch die Überwachungsvorrichtung zum Erkennen des Kollisionsereignisses des Kraftfahrzeugs ausgewertet. Wird das vorbestimmte Bewegungskriterium durch die Bewegungsdaten erfüllt, wird durch die Überwachungsvorrichtung ein Vorliegen des Kollisionsereignisses des Kraftfahrzeugs festgestellt. Es kann beispielsweise vorgesehen sein, dass das Kollisionsereignis festgestellt wird, wenn vorbestimmte Beschleunigungswerte durch die Überwachungsvorrichtung in den Bewegungsdaten und/oder ein vorbestimmtes Bewegungsmuster durch die Überwachungsvorrichtung erfasst werden.A first aspect of the invention relates to a method for determining at least one health effect on at least one occupant of the motor vehicle in a collision of a motor vehicle. In other words, a movement of the motor vehicle is recorded in movement data by the monitoring device. The movement data can describe, for example, speed, acceleration and/or jerk values of the movement of the motor vehicle. The movement data are monitored by the monitoring device to ensure that a predetermined movement criterion is met. The predetermined movement criterion can describe movements which indicate a collision event of the motor vehicle. If the movement criterion is met by the movement data, the collision event of the motor vehicle is determined in a further step. In other words, the movement data are evaluated by the monitoring device to detect the collision event of the motor vehicle. If the predetermined movement criterion is met by the movement data, the presence of the collision event of the motor vehicle is determined by the monitoring device. It can be provided, for example, that the collision event is detected when predetermined acceleration values are detected by the monitoring device in the movement data and/or a predetermined movement pattern is detected by the monitoring device.
Durch die Überwachungsvorrichtung erfolgt ein Auswerten der zumindest in einem vorbestimmten Zeitraum ab der Feststellung des Kollisionsereignisses des Kraftfahrzeugs erfassten Bewegungsdaten nach einer vorbestimmten Prognosefunktion zur Ermittlung zumindest eines Auswirkungsparameters, betreffend die auf den zumindest einen Kraftfahrzeuginsassen des Kraftfahrzeugs erfolgten gesundheitlichen Auswirkung. Mit anderen Worten ist es vorgesehen, dass zumindest die Bewegungsdaten, welche innerhalb des vorbestimmten Zeitraums ab dem Kollisionsereignis aufgezeichnet werden, durch die Überwachungsvorrichtung nach der vorbestimmten Prognosefunktion ausgewertet werden. Mittels der Prognosefunktion wird durch die Überwachungsvorrichtung der zumindest eine Auswirkungsparameter ermittelt. Der zumindest eine Auswirkungsparameter beschreibt die zumindest eine gesundheitliche Auswirkung des Kollisionsereignisses auf den zumindest einen Kraftfahrzeuginsassen des Kraftfahrzeugs, welche aufgrund der in dem vorbestimmten Zeitraum erfolgten Bewegung hervorgerufen wird. Die Prognosefunktion kann beispielsweise dazu vorgesehen sein, ein vorbestimmtes Bewegungsmuster der in den Bewegungsdaten beschriebenen Bewegung des Kraftfahrzeugs zu erkennen, welche einer vorbestimmten Auswirkung auf einen Kraftfahrzeuginsassen zugewiesen ist. Der Auswirkungsparameter kann beispielsweise beschreiben, ob die vorbestimmte Auswirkung auf den zumindest einen Kraftfahrzeuginsassen gemäß der Prognosefunktion festgestellt wird und/oder mit welcher Wahrscheinlichkeit die vorbestimmte Auswirkung aufgetreten ist und/oder in welchem Ausmaß die Auswirkung auf den zumindest einen Kraftfahrzeuginsassen festgestellt wird.The monitoring device evaluates the movement data recorded at least in a predetermined period of time from the determination of the collision event of the motor vehicle according to a predetermined prognosis function for determining at least one effect parameter relating to the health effect on the at least one motor vehicle occupant of the motor vehicle. In other words, it is provided that at least the movement data that is recorded within the predetermined period of time from the collision event is evaluated by the monitoring device according to the predetermined prognosis function. The monitoring device uses the prognosis function to determine the at least one effect parameter. The at least one effect parameter describes the at least one health effect of the collision event on the at least one motor vehicle occupant of the motor vehicle, which is caused by the movement that took place in the predetermined period of time. The prognosis function can be provided, for example, to recognize a predetermined movement pattern of the movement of the motor vehicle described in the movement data, which is assigned a predetermined effect on a motor vehicle occupant. The effect parameter can describe, for example, whether the predetermined effect on the at least one motor vehicle occupant is determined according to the prognosis function and/or the probability of the predetermined effect occurring and/or the extent to which the effect on the at least one motor vehicle occupant is determined.
In einem folgenden Schritt erfolgt zumindest bei einer Erfüllung eines vorbestimmten Auswirkungskriteriums des Auswirkungsparameters ein Ausgeben des Auswirkungsparameters durch die Überwachungsvorrichtung. Mit anderen Worten ist es vorgesehen, dass der Auswirkungsparameter durch die Überwachungsvorrichtung ausgegeben wird, falls der Auswirkungsparameter das vorbestimmte Auswirkungskriterium erfüllt. Das Auswirkungskriterium kann beispielsweise einen erforderlichen Mindestschweregrad oder eine erforderliche Mindestwahrscheinlichkeit eines Auftretens der Auswirkung beschreiben. Es kann beispielsweise vorgesehen sein, dass der Auswirkungsparameter nur ausgegeben wird, wenn durch den Auswirkungsparameter ein vorbestimmter Schwellenwert überschritten wird.In a subsequent step, at least if a predetermined effect criterion of the effect parameter is met, the effect parameter is output by the monitoring device. In other words, it is provided that the impact parameter is output by the monitoring device if the impact parameter satisfies the predetermined impact criterion. The impact criterion can, for example, describe a required minimum degree of severity or a required minimum probability of the impact occurring. Provision can be made, for example, for the effect parameter to be output only if the effect parameter exceeds a predetermined threshold value.
Es ist vorgesehen, dass die Prognosefunktion verwendet wird, welche nach einem vorbestimmten maschinellen Lernverfahren an einem Trainingsdatensatz trainiert ist. Der Trainingsdatensatz umfasst simulierte Bewegungsdaten, wobei die simulierten Bewegungsdaten eine simulierte Bewegung eines simulierten Kraftfahrzeugs ab einem simulierten Kollisionsereignis beschreiben. Der Trainingsdatensatz umfasst simulierte Auswirkungsparameter, wobei die simulierten Auswirkungsparameter zumindest eine aufgrund der in den jeweiligen simulierten Zeiträumen erfolgten Bewegung, erfolgte gesundheitliche Auswirkung auf einen simulierten Kraftfahrzeuginsassen des simulierten Kraftfahrzeugs beschreiben.It is provided that the prognosis function is used, which is trained according to a predetermined machine learning method on a training data set. The training data record includes simulated movement data, the simulated movement data describing a simulated movement of a simulated motor vehicle from a simulated collision event. The training data set includes simulated effect parameters, wherein the simulated effect parameters describe at least one health effect on a simulated motor vehicle occupant of the simulated motor vehicle that occurred due to the movement that took place in the respective simulated time periods.
Der Trainingsdatensatz umfasst die für jeweilige simulierte Zeiträume simulierten Bewegungsdaten des simulierten Kraftfahrzeugs. Mit anderen Worten erfolgt das Training der Prognosefunktion an dem Trainingsdatensatz. Der Trainingsdatensatz umfasst Zeiträume, welche simulierte Bewegungsdaten innerhalb des Zeitraums umfassen. Eine weitere der Eingangsgrößen umfasst simulierte Auswirkungsparameter, welche den simulierten Bewegungsdaten der jeweiligen Zeiträume zugeordnet sind und eine simulierte gesundheitliche Auswirkung auf einen simulierten Kraftfahrzeuginsassen des simulierten Kraftfahrzeugs in den jeweiligen Zeiträumen beschreibt. Mit anderen Worten ist den jeweiligen Zeiträumen ein jeweiliger simulierter Auswirkungsparameter zugeordnet. Der simulierte Auswirkungsparameter beschreibt die gesundheitliche Auswirkung, welche aufgrund der simulierten Bewegungsdaten auf einen simulierten Kraftfahrzeuginsassen des simulierten Kraftfahrzeugs erfolgt ist. Es kann beispielsweise vorgesehen sein, dass der Trainingsdatensatz mittels Simulationen von Kraftfahrzeugunfällen generiert wurde. Die Simulationen können beispielsweise über die jeweiligen Zeiträume verlaufen und die simulierten Bewegungsdaten bereitstellen, welche die Bewegung des simulierten Kraftfahrzeugs während des Unfalls beschreiben. In den Simulationen kann die gesundheitliche Auswirkung auf den zumindest einen Kraftfahrzeuginsassen des simulierten Kraftfahrzeugs simuliert sein. Der simulierte Auswirkungsparameter kann beispielsweise ein Auftreten einer gesundheitlichen Auswirkung und/oder ein Ausmaß einer gesundheitlichen Auswirkung auf den simulierten Kraftfahrzeuginsassen während des simulierten Unfalls beschreiben.The training data record includes the movement data of the simulated motor vehicle simulated for the respective simulated time periods. In other words, the prognosis function is trained on the training data set. The training data set includes time periods that include simulated movement data within the time period. Another of the input variables includes simulated effect parameters, which are assigned to the simulated movement data of the respective time periods and describe a simulated health effect on a simulated motor vehicle occupant of the simulated motor vehicle in the respective time periods. In other words, a respective simulated impact parameter is assigned to the respective time periods. The simulated effect parameter describes the health effect that has occurred on a simulated motor vehicle occupant of the simulated motor vehicle on the basis of the simulated movement data. It can be provided, for example, that the training data record was generated using simulations of motor vehicle accidents. The simulations can, for example, run over the respective periods of time and provide the simulated movement data which describe the movement of the simulated motor vehicle during the accident. The health effects on the at least one motor vehicle occupant of the simulated motor vehicle can be simulated in the simulations. The simulated effect parameter can describe, for example, an occurrence of a health effect and/or an extent of a health effect on the simulated motor vehicle occupant during the simulated accident.
Durch die Erfindung ergibt sich der Vorteil, dass erfasste Bewegungsdaten eines Kraftfahrzeugs zur Erkennung einer vorbestimmten gesundheitlichen Auswirkung auf den zumindest einen Kraftfahrzeuginsassen verwendet werden.The advantage of the invention is that recorded movement data of a motor vehicle are used to identify a predetermined health effect on the at least one motor vehicle occupant.
Die Erfindung umfasst auch Weiterbildungen, durch die sich weitere Vorteile ergeben.The invention also includes developments that result in further advantages.
Eine Weiterbildung der Erfindung sieht vor, dass der Auswirkungsparameter eine Austrittswahrscheinlichkeit und/oder ein Ausmaß eines Schleudertraumas beschreibt. Mit anderen Worten ist es vorgesehen, dass der Auswirkungsparameter beschreibt, mit welcher Wahrscheinlichkeit ein Schleudertrauma bei dem zumindest einen Kraftfahrzeuginsassen durch die in dem Zeitraum erfolgten Bewegung des Kraftfahrzeugs aufgetreten ist. Dadurch ergibt sich der Vorteil, dass eine Feststellung eines Schleudertraumas anhand der erfassten Bewegungsdaten ermöglicht wird. A further development of the invention provides that the effect parameter describes a probability of an exit and/or an extent of a whiplash injury. In other words, it is provided that the effect parameter describes the probability with which whiplash has occurred in the at least one motor vehicle occupant as a result of the movement of the motor vehicle that took place during the period of time. This results in the advantage that it is possible to determine whiplash using the recorded movement data.
Eine Weiterbildung der Erfindung sieht vor, dass durch die Überwachungsvorrichtung zumindest die in einem vorbestimmten Zeitraum ab der Feststellung des Kollisionsereignisses des Kraftfahrzeugs erfassten Bewegungsdaten nach einem vorbestimmten Schwerermittlungsverfahren ausgewertet werden, um einen Schweregrad des Kollisionsereignisses zu ermitteln. Mit anderen Worten ist es vorgesehen, dass durch die Überwachungsvorrichtung eine Auswertung der in dem vorbestimmten Zeitraum erfassten Bewegungsdaten erfolgt, um zu ermitteln, welche Schwere das Kollisionsereignis des Kraftfahrzeugs aufweist. Der Schweregrad kann beispielsweise eine bei der Kollision umgesetzte Energie betreffen, welche aus einer erfassten Beschleunigung während der Kollision und einer in der Überwachungsvorrichtung gespeicherten Masse des Fahrzeugs ermittelt werden kann. Das Schwerermittlungsverfahren kann sich dabei beispielsweise nur auf das Kraftfahrzeug beziehen, unabhängig von der Auswirkung auf den zumindest einen Kraftfahrzeuginsassen. Durch die Weiterbildung ergibt sich der Vorteil, dass eine Größe zur Bewertung des Kollisionsereignisses ermittelt wird.A development of the invention provides that the monitoring device evaluates at least the movement data recorded in a predetermined period of time from the determination of the collision event of the motor vehicle according to a predetermined severity determination method in order to determine the severity of the collision event. In other words, it is provided that the monitoring device evaluates the movement data recorded in the predetermined period of time in order to determine the severity of the collision event of the motor vehicle. The degree of severity can, for example, relate to energy converted during the collision, which can be determined from an acceleration detected during the collision and a mass of the vehicle stored in the monitoring device. The aggravated investigation procedure can only relate to the motor vehicle, for example, regardless of the effect on the at least one motor vehicle occupant. The development results in the advantage that a variable for evaluating the collision event is determined.
Eine Weiterbildung der Erfindung sieht vor, dass durch die Überwachungsvorrichtung der Auswirkungsparameter betreffend die auf den zumindest einen Kraftfahrzeuginsassen des Kraftfahrzeugs erfolgten gesundheitlichen Auswirkung nur ermittelt wird, wenn durch den ermittelten Schweregrad des Kollisionsereignisses eine vorbestimmte Schwerebedingung erfüllt wird. Mit anderen Worten ist es vorgesehen, dass bei der Erfassung eines Kollisionsereignisses durch die Überwachungsvorrichtung der Schweregrad des Kollisionsereignisses ermittelt wird und die Ermittlung des Auswirkungsparameters nur erfolgt, wenn durch den Schweregrad des Kollisionsereignisses die vorbestimmte Schwerebedingung erfüllt wird. Durch die Weiterbildung ergibt sich der Vorteil, dass der Auswirkungsparameter nur ermittelt wird, wenn anhand des Schweregrads des Kollisionsereignisses von der gesundheitlichen Auswirkung auf den zumindest einen Kraftfahrzeuginsassen ausgegangen wird. Es kann beispielsweise vorgesehen sein, dass die Ermittlung des Auswirkungsparameters unterbleibt, wenn das Kollisionsereignis unterhalb einer vorbestimmten Geschwindigkeit des Kraftfahrzeugs erfolgt ist und/oder eine in dem Kollisionsereignis umgesetzte Mindestenergie unterschritten ist.A further development of the invention provides that the monitoring device determines the impact parameter relating to the health impact on the at least one motor vehicle occupant of the motor vehicle only if the determined severity of the collision event satisfies a predetermined severity condition. In other words, it is provided that when a collision event is detected by the monitoring device, the severity of the collision event is determined and the effect parameter is determined only if the predetermined severity condition is met by the severity of the collision event. The development results in the advantage that the effect parameter is only determined if the health effect on the at least one motor vehicle occupant is assumed based on the severity of the collision event. Provision can be made, for example, for the effect parameter not to be determined if the collision event occurred below a predetermined speed of the motor vehicle and/or the energy converted in the collision event fell below a minimum.
Eine Weiterbildung der Erfindung sieht vor, dass durch die Überwachungsvorrichtung der Auswirkungsparameter in einem vorbestimmten Plausibilisierungsverfahren auf eine Plausibilität mit dem Schweregrad des Kollisionsereignisses überprüft wird und der Auswirkungsparameter nur durch die Überwachungsvorrichtung ausgegeben wird, wenn der Auswirkungsparameter in dem vorbestimmten Plausibilisierungsverfahren als plausibel bewertet wird. Mit anderen Worten ist es vorgesehen, dass durch die Überwachungsvorrichtung überprüft wird, ob der ermittelte Auswirkungsparameter in Anbetracht des Schweregrads des Kollisionsereignisses plausibel ist. Der Auswirkungsparameter wird nur durch die Überwachungsvorrichtung ausgegeben, wenn der Auswirkungsparameter mittels des Plausibilisierungsverfahrens als plausibel bewertet wird. Durch die Weiterbildung ergibt sich der Vorteil, dass eventuell falsch erkannte Auswirkungsparameter anhand eines Plausibilisierungsverfahrens erkannt werden. Es kann beispielsweise vorgesehen sein, dass der Auswirkungsparameter eine vorbestimmte Relation zu dem Schweregrad erfüllen muss, um als plausibel bewertet zu werden.A further development of the invention provides that the monitoring device checks the impact parameter for plausibility with the severity of the collision event in a predetermined plausibility process and the impact parameter is only output by the monitoring device if the impact parameter is assessed as plausible in the predetermined plausibility process. In other words, it is provided that the monitoring device checks whether the impact parameter determined is plausible in view of the severity of the collision event. The impact parameter is only output by the monitoring device if the impact parameter is assessed as plausible using the plausibility check method. The advantage results from the further development that any incorrectly recognized effect parameters are recognized using a plausibility check method. Provision can be made, for example, for the impact parameter to have a predetermined relationship to the degree of severity in order to be assessed as plausible.
Eine Weiterbildung der Erfindung sieht vor, dass durch die Überwachungsvorrichtung der Auswirkungsparameter betreffend die auf den zumindest einen Kraftfahrzeuginsassen des Kraftfahrzeugs erfolgten gesundheitlichen Auswirkungen über eine Antenneneinrichtung an einen fahrzeugexternen Zentralrechner versandt wird. Mit anderen Worten ist es vorgesehen, dass der Auswirkungsparameter durch die Überwachungsvorrichtung an den fahrzeugexternen Zentralrechner übermittelt wird. Durch die Weiterbildung ergibt sich der Vorteil, dass beispielsweise Rettungskräfte bei einem erfassten Kollisionsereignis über vorbestimmte Auswirkungen auf den zumindest einen Kraftfahrzeuginsassen informiert werden können. Zudem kann dadurch ermöglicht werden, Versicherungen über ein Auftreten einer Auswirkung zu informieren. Es kann auch vorgesehen sein, den Auswirkungsparameter zusammen mit den während des Zeitraums erfassten Bewegungsdaten zu übertragen, um eine Auswertung durch den fahrzeugexternen Zentralrechner mit einer höheren Auswertegenauigkeit zu ermöglichen.A further development of the invention provides that the monitoring device sends the effect parameter relating to the health effects on the at least one motor vehicle occupant of the motor vehicle via an antenna device to a central computer external to the vehicle. In other words, it is provided that the impact parameter is transmitted by the monitoring device to the central computer external to the vehicle. The development results in the advantage that, for example, rescue workers are informed about predetermined effects on the at least one motor vehicle occupant when a collision event is detected can become. In addition, this can make it possible to inform insurance companies about the occurrence of an effect. Provision can also be made for the effect parameter to be transmitted together with the movement data recorded during the period in order to enable evaluation by the vehicle-external central computer with greater evaluation accuracy.
Eine Weiterbildung der Erfindung sieht vor, dass durch die Überwachungsvorrichtung Positionsdaten des zumindest einen Kraftfahrzeuginsassen erfasst werden, welche eine Körperhaltung und/oder eine Körperlage des zumindest einen Kraftfahrzeuginsassen in dem Kraftfahrzeug beschreiben. Es ist vorgesehen, dass der zumindest eine Auswirkungsparameter in der Prognosefunktion in Abhängigkeit von den Positionsdaten ermittelt wird. Mit anderen Worten ist es vorgesehen, dass die Ermittlung des Auswirkungsparameters nach der Prognosefunktion in Abhängigkeit der Bewegungsdaten und der Positionsdaten erfolgt. Die Positionsdaten beschreiben dabei die Körperhaltung und/oder die Körperlage des zumindest einen Kraftfahrzeuginsassen in dem Kraftfahrzeug. Es kann beispielsweise vorgesehen sein, dass die Körperhaltung eines Kopfes des zumindest einen Kraftfahrzeuginsassen und/oder eine Sitzposition des Kraftfahrzeuginsassen innerhalb des Kraftfahrzeugs erfasst wird. Es kann zudem vorgesehen sein, eine Kopfhaltung des zumindest einen Kraftfahrzeuginsassen in Bezug auf den Kraftfahrzeugsitz zu erfassen. Die Positionsdaten können beispielsweise bei der Feststellung des Kollisionsereignisses einmalig erfasst werden. Es kann auch eine mehrmalige Erfassung der Positionsdaten in dem vorbestimmten Zeitraum erfolgen. Dadurch kann beispielsweise eine Wahrscheinlichkeit eines Auftretens eines Schleudertraumas oder anderer Auswirkungen, welche von der Körperhaltung und/oder der Körperlage abhängen, genauer ermittelt werden.A development of the invention provides that the monitoring device detects position data of the at least one motor vehicle occupant, which describes a body posture and/or a body position of the at least one motor vehicle occupant in the motor vehicle. Provision is made for the at least one effect parameter to be determined in the prognosis function as a function of the position data. In other words, it is provided that the impact parameter is determined according to the prognosis function as a function of the movement data and the position data. The position data describe the body posture and/or the body position of the at least one motor vehicle occupant in the motor vehicle. It can be provided, for example, that the posture of a head of the at least one motor vehicle occupant and/or a seating position of the motor vehicle occupant inside the motor vehicle is recorded. Provision can also be made for detecting a head position of the at least one motor vehicle occupant in relation to the motor vehicle seat. The position data can be recorded once, for example, when the collision event is determined. The position data can also be recorded multiple times in the predetermined period of time. As a result, for example, a probability of a whiplash injury occurring or other effects which depend on the posture and/or the position of the body can be determined more precisely.
Ein weiterer Aspekt der Erfindung betrifft ein Verfahren zum Trainieren einer Prognosefunktion zur Ermittlung zumindest eines Auswirkungsparameters, betreffend eine auf zumindest einen Kraftfahrzeuginsassen eines Kraftfahrzeugs erfolgten, gesundheitlichen Auswirkung durch eine Trainingsvorrichtung. Es ist vorgesehen, dass die Prognosefunktion durch die Trainingsvorrichtung nach einem vorbestimmten maschinellen Lernverfahren an einem Trainingsdatensatz trainiert wird. Der Trainingsdatensatz kann für jeweilige Zeiträume simulierte Bewegungsdaten eines simulierten Kraftfahrzeugs und simulierte Auswirkungsparameter umfassen. Die simulierten Auswirkungsparameter sind den simulierten Bewegungsdaten der jeweiligen Zeiträume zugeordnet und geben eine simulierte gesundheitliche Auswirkung auf den simulierten Kraftfahrzeuginsassen des simulierten Kraftfahrzeugs an. Die simulierten Auswirkungsparameter können auf die in den jeweiligen Zeiträumen simulierten Bewegungen des Kraftfahrzeugs zurückzuführen sein. Mit anderen Worten ist es vorgesehen, die Prognosefunktion durch die Trainingsvorrichtung nach dem vorbestimmten maschinellen Lernverfahren zu trainieren und/oder zu modifizieren. Das vorbestimmte maschinelle Lernverfahren kann bekannte Verfahren zum überwachten Lernen und/oder zum unüberwachten Lernen umfassen. Als Grundlage für das Training und/oder die Modifikation der Prognosefunktion wird der Trainingsdatensatz durch die Trainingsvorrichtung verwendet. Durch die Trainingsvorrichtung können die simulierten Bewegungsdaten und die simulierten Auswirkungsparameter des Trainingsdatensatzes als Trainingsdaten für das vorbestimmte maschinelle Lernverfahren verwendet werden, um die Prognosefunktion zu trainieren. Der Trainingsdatensatz umfasst jeweilige Zeiträume mit jeweiligen simulierten Bewegungsdaten, welche eine simulierte Bewegung eines simulierten Kraftfahrzeugs beschreiben. Es kann sich bei den Bewegungen handeln, welche das Kraftfahrzeug in einer Simulation während eines simulierten Kollisionsereignisses durchführt. Den Zeiträumen, welche die jeweiligen simulierten Bewegungsdaten aufweisen, sind die jeweiligen simulierten Auswirkungsparameter zugewiesen. Mit anderen Worten sind die Zeiträume, welche die simulierten Bewegungsdaten umfassen, mit den jeweiligen Auswirkungsparametern verknüpft. Die jeweiligen Auswirkungsparameter können beispielsweise beschreiben, welche gesundheitliche Auswirkung für einen Kraftfahrzeuginsassen des simulierten Kraftfahrzeugs in einem Kollisionsereignis aufgrund der simulierten Bewegungsdaten ermittelt wurde. Es kann beispielsweise vorgesehen sein, dass die Bewegungsdaten nach einem Finite-Elemente-Simulationsverfahren, welches ein Kollisionsereignis des Kraftfahrzeugs simuliert, generiert werden. Die gesundheitlichen Auswirkungen können beispielsweise durch ein Finite-Element-Simulationsverfahren ermittelt sein, welches Auswirkungen auf den simulierten Kraftfahrzeuginsassen in dem simulierten Kraftfahrzeug ausgibt. Durch die Erfindung ergibt sich der Vorteil, dass die Prognosefunktion auf simulierten Trainingsdaten basiert, wodurch eine hohe Genauigkeit erreicht wird, ohne die zur Simulation erforderlichen Ressourcen in dem Kraftfahrzeug bereitstellen zu müssen.A further aspect of the invention relates to a method for training a prognosis function for determining at least one effect parameter relating to a health effect on at least one motor vehicle occupant of a motor vehicle using a training device. It is provided that the prognosis function is trained by the training device according to a predetermined machine learning method on a training data set. The training data set can include simulated movement data of a simulated motor vehicle and simulated effect parameters for respective time periods. The simulated effect parameters are assigned to the simulated movement data of the respective time periods and indicate a simulated health effect on the simulated motor vehicle occupant of the simulated motor vehicle. The simulated effect parameters can be traced back to the movements of the motor vehicle simulated in the respective time periods. In other words, provision is made for the training device to train and/or modify the prognosis function according to the predetermined machine learning method. The predetermined machine learning method may include known methods for supervised learning and/or unsupervised learning. The training data record is used by the training device as a basis for the training and/or the modification of the prognosis function. The training device can use the simulated movement data and the simulated impact parameters of the training data set as training data for the predetermined machine learning method in order to train the forecasting function. The training data record includes respective periods of time with respective simulated movement data which describe a simulated movement of a simulated motor vehicle. It may be the movements that the motor vehicle performs in a simulation during a simulated collision event. The respective simulated impact parameters are assigned to the periods of time which have the respective simulated movement data. In other words, the periods of time that comprise the simulated movement data are linked to the respective impact parameters. The respective effect parameters can describe, for example, which health effect was determined for a motor vehicle occupant of the simulated motor vehicle in a collision event on the basis of the simulated movement data. Provision can be made, for example, for the movement data to be generated using a finite element simulation method which simulates a collision event of the motor vehicle. The health effects can be determined, for example, using a finite element simulation method, which outputs effects on the simulated motor vehicle occupants in the simulated motor vehicle. The advantage resulting from the invention is that the prognosis function is based on simulated training data, as a result of which a high level of accuracy is achieved without having to provide the resources required for the simulation in the motor vehicle.
Eine Weiterbildung der Erfindung sieht vor, dass die Prognosefunktion ein trainiertes neuronales Netzwerk ist. Mit anderen Worten ist die Prognosefunktion als künstliches neuronales Netzwerk ausgebildet, welches in dem Trainingsdatensatz trainiert wird.A development of the invention provides that the prognosis function is a trained neural network. In other words, the prognosis function is designed as an artificial neural network, which is trained in the training data set.
Eine Weiterbildung der Erfindung sieht vor, dass die Prognosefunktion eine statistische Datenmodellierung ist. Mit anderen Worten ist es vorgesehen, dass die Prognosefunktion als statistische Datenmodellierung der Trainingsdaten ausgebildet ist.A development of the invention provides that the prognosis function is a statistical data model. In other words, it is intended hen that the prognosis function is designed as a statistical data modeling of the training data.
Eine Weiterbildung der Erfindung sieht vor, dass das vorbestimmte maschinelle Lernverfahren ein Regressionsverfahren umfasst. Mit anderen Worten umfasst das Trainingsverfahren eine Validierung der Prognosefunktion, wobei durch die Prognosefunktion ausgegebene Auswirkungsparameter, welche für die simulierten Bewegungsdaten ermittelt werden mit den jeweiligen simulierten Auswirkungsparametern verglichen werden, und die Prognosefunktion zur Verringerung einer Abweichung zwischen den simulierten Auswirkungsparametern und den ermittelten Auswirkungsparametern angepasst wird.A development of the invention provides that the predetermined machine learning method includes a regression method. In other words, the training method includes a validation of the prognosis function, with the impact parameters output by the prognosis function, which are determined for the simulated movement data, being compared with the respective simulated impact parameters, and the prognosis function being adapted to reduce a deviation between the simulated impact parameters and the impact parameters determined .
Eine Weiterbildung der Erfindung sieht vor, dass der Trainingsdatensatz nach einem Finite-Elemente-Verfahren generiert wird. Mit anderen Worten ist es vorgesehen, zur Generierung der simulierten Bewegungsdaten und/oder der simulierten Auswirkungsparameter das Finite-Elemente-Verfahren anzuwenden, welches beispielsweise das Kollisionsereignis des simulierten Kraftfahrzeugs und die simulierten Auswirkungen auf die Kraftfahrzeuginsassen während des Kollisionsfalls erzeugt.A development of the invention provides that the training data record is generated using a finite element method. In other words, it is provided to use the finite element method to generate the simulated movement data and/or the simulated effect parameters, which generates, for example, the collision event of the simulated motor vehicle and the simulated effects on the motor vehicle occupants during the collision.
Die Erfindung umfasst auch eine Überwachungsvorrichtung zur Durchführung eines Verfahrens zur Ermittlung einer bei einer Kollision eines Kraftfahrzeugs auf zumindest einen Kraftfahrzeuginsassen des Kraftfahrzeugs erfolgten, zumindest einen gesundheitlichen Auswirkung.The invention also includes a monitoring device for carrying out a method for determining at least one health effect on at least one occupant of the motor vehicle in the event of a collision of a motor vehicle.
Die Erfindung umfasst auch ein Kraftfahrzeug, welches eine Überwachungsvorrichtung aufweist. Das erfindungsgemäße Kraftfahrzeug ist bevorzugt als Kraftwagen, insbesondere als Personenkraftwagen oder Lastkraftwagen, oder als Personenbus oder Motorrad ausgestaltet.The invention also includes a motor vehicle which has a monitoring device. The motor vehicle according to the invention is preferably designed as a motor vehicle, in particular as a passenger car or truck, or as a passenger bus or motorcycle.
Die Erfindung betrifft auch eine Trainingsvorrichtung, welche zum Trainieren einer Prognosefunktion zur Ermittlung zumindest eines Auswirkungsparameters, betreffend eine auf den zumindest einen Kraftfahrzeuginsassen des Kraftfahrzeugs erfolgten gesundheitliche Auswirkung eingerichtet ist.The invention also relates to a training device which is set up for training a prognosis function for determining at least one effect parameter relating to a health effect on the at least one motor vehicle occupant of the motor vehicle.
Die Überwachungsvorrichtung und die Trainingsvorrichtung können jeweils eine Datenverarbeitungsvorrichtung oder eine Prozessoreinrichtung aufweisen, die dazu eingerichtet ist, eine Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen. Die Prozessoreinrichtung kann hierzu zumindest einen Mikroprozessor und/oder zumindest einen Mikrocontroller und/oder zumindest einen FPGA (Field Programmable Gate Array) und/oder zumindest einen DSP (Digital Signal Processor) aufweisen. Des Weiteren kann die Prozessoreinrichtung Programmcode aufweisen, der dazu eingerichtet ist, bei Ausführen durch die Prozessoreinrichtung die Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen. Der Programmcode kann in einem Datenspeicher der Prozessoreinrichtung gespeichert sein.The monitoring device and the training device can each have a data processing device or a processor device that is set up to carry out an embodiment of the method according to the invention. For this purpose, the processor device can have at least one microprocessor and/or at least one microcontroller and/or at least one FPGA (Field Programmable Gate Array) and/or at least one DSP (Digital Signal Processor). Furthermore, the processor device can have program code which is set up to carry out the embodiment of the method according to the invention when executed by the processor device. The program code can be stored in a data memory of the processor device.
Zu der Erfindung gehören auch Weiterbildungen des erfindungsgemäßen Verfahrens zum Trainieren einer Prognosefunktion, der erfindungsgemäßen Überwachungsvorrichtung, des erfindungsgemäßen Kraftfahrzeugs und der erfindungsgemäßen Trainingsvorrichtung, die Merkmale aufweisen, wie sie bereits im Zusammenhang mit den Weiterbildungen des erfindungsgemäßen Verfahrens zur Ermittlung einer bei einer Kollision eines Kraftfahrzeugs auf zumindest einen Kraftfahrzeuginsassen des Kraftfahrzeugs erfolgten zumindest einen gesundheitlichen Auswirkung beschrieben worden sind. Aus diesem Grund sind die entsprechenden Weiterbildungen des erfindungsgemäßen Verfahrens zum Trainieren einer Prognosefunktion, der erfindungsgemäßen Überwachungsvorrichtung, des erfindungsgemäßen Kraftfahrzeugs und der erfindungsgemäßen Trainingsvorrichtung hier nicht noch einmal beschrieben.The invention also includes developments of the method according to the invention for training a prognosis function, the monitoring device according to the invention, the motor vehicle according to the invention and the training device according to the invention, which have features as they already exist in connection with the developments of the method according to the invention for determining a collision of a motor vehicle at least one motor vehicle occupant of the motor vehicle took place at least one health effect has been described. For this reason, the corresponding developments of the method according to the invention for training a prognosis function, the monitoring device according to the invention, the motor vehicle according to the invention and the training device according to the invention are not described again here.
Die Erfindung umfasst auch die Kombinationen der Merkmale der beschriebenen Ausführungsformen. Die Erfindung umfasst also auch Realisierungen, die jeweils eine Kombination der Merkmale mehrerer der beschriebenen Ausführungsformen aufweisen, sofern die Ausführungsformen nicht als sich gegenseitig ausschließend beschrieben wurden.The invention also includes the combinations of features of the described embodiments. The invention also includes implementations that each have a combination of the features of several of the described embodiments, provided that the embodiments were not described as mutually exclusive.
Im Folgenden sind Ausführungsbeispiele der Erfindung beschrieben. Hierzu zeigt:
-
1 eine schematische Darstellung eines Kraftfahrzeugs; -
2 eine schematische Darstellung eines Ablaufs eines Verfahrens zur Ermittlung einer bei einer Kollision eines Kraftfahrzeugs erfolgten gesundheitlichen Auswirkung; -
3 eine schematische Darstellung eines Zusammenwirkens einer Überwachungsvorrichtung und einem fahrzeugexternen Zentralrechner; und -
4 eine schematische Darstellung eines Ablaufs eines Verfahrens zum Trainieren einer Prognosefunktion.
-
1 a schematic representation of a motor vehicle; -
2 a schematic representation of a sequence of a method for determining an effect on health that has occurred in the event of a collision of a motor vehicle; -
3 a schematic representation of an interaction of a monitoring device and a vehicle-external central computer; and -
4 a schematic representation of a sequence of a method for training a prognosis function.
Bei den im Folgenden erläuterten Ausführungsbeispielen handelt es sich um bevorzugte Ausführungsformen der Erfindung. Bei den Ausführungsbeispielen stellen die beschriebenen Komponenten der Ausführungsformen jeweils einzelne, unabhängig voneinander zu betrachtende Merkmale der Erfindung dar, welche die Erfindung jeweils auch unabhängig voneinander weiterbilden. Daher soll die Offenbarung auch andere als die dargestellten Kombinationen der Merkmale der Ausführungsformen umfassen. Des Weiteren sind die beschriebenen Ausführungsformen auch durch weitere der bereits beschriebenen Merkmale der Erfindung ergänzbar.The exemplary embodiments explained below are preferred embodiments of the invention. In the exemplary embodiments, the described components of the embodiments each represent individual, independent gig represent features of the invention to be considered from one another, which also further develop the invention independently of one another. Therefore, the disclosure is also intended to encompass combinations of the features of the embodiments other than those illustrated. Furthermore, the described embodiments can also be supplemented by further features of the invention that have already been described.
In den Figuren bezeichnen gleiche Bezugszeichen jeweils funktionsgleiche Elemente.In the figures, the same reference symbols designate elements with the same function.
Immer wieder geschehen im deutschen Straßenverkehr Unfälle. Viele davon sind Auffahrunfälle, beispielsweise an einer Ampel. Hieraus resultieren häufig nicht nur Sachschäden, sondern eventuell auch Verletzungen.Accidents happen again and again on German roads. Many of these are rear-end collisions, for example at traffic lights. This often results not only in property damage, but possibly also in injuries.
Eine der am häufigsten auftretenden Verletzung ist ein Schleudertrauma, auch HWS-Distorsion genannt. HWS steht in diesem Fall für „Halswirbelsäule“. Dieses Trauma entsteht durch den Aufprall. Die freigesetzte Kraft wird auf die Insassen übertragen, dadurch werden die Weichteile und Bindegewebe im Halsbereich verletzt.One of the most common injuries is whiplash, also known as a cervical sprain. In this case, HWS stands for “cervical spine”. This trauma is caused by the impact. The released force is transmitted to the occupants, injuring the soft tissue and connective tissue in the neck area.
In manchen Fällen bekommen Betroffene einer HWS-Distorsion ein Schmerzensgeld zugesprochen. Ein Nachweis von Whiplash-Verletzungen ist heute schwierig. Eine automatische Beurteilung der Verletzungschwere und gegebenenfalls eines Schleudertraumas ist durch die Fahrzeugsensorik und Verarbeitung ist nicht möglich.In some cases, those affected by a cervical spine distortion are awarded compensation for pain and suffering. Evidence of whiplash injuries is difficult today. An automatic assessment of the severity of the injury and possible whiplash is not possible due to the vehicle sensors and processing.
Ein Unfall wird heute durch Aktivierung der fahrzeuginhärenten Inertialsensorik erkannt. Ein Notrufsignal (eCall) wird frühestens nach dem Erkennen eines schweren Unfalls mit Airbagauslösung initiiert.An accident is recognized today by activating the vehicle's inherent inertial sensors. An emergency call signal (eCall) is not initiated until a serious accident with airbag deployment is detected at the earliest.
Eine Nutzung der aufgezeichneten Unfalldaten erfordert das manuelle Auslesen am Unfallfahrzeug und erfolgt daher nur in wenigen Ausnahmefällen durch Unfallforschungsinstitutionen wie AARU (Audi Accident Research Unit) oder GIDAS (German In-Depth Accident Study). Die Anzahl solcher Erhebungen deckt, aufgrund des damit Verbundenen Aufwands, dem Fehlen von Unfallforschern im Umkreis möglicher Unfallorte und des für eine Untersuchung zur Verfügung stehenden, oftmals sehr kurzen Zeitfensters, nur einen kleinen Teil der Menge tatsächlich stattgefundener Unfälle ab. Daten über den Unfallhergang, welche auf Schilderungen von Augenzeugen oder Rückrechnungen beruhend auf Bremsspuren etc. basieren, sind den, bei solchen Verfahren üblichen Unsicherheiten unterworfen. Eine automatisierte Übertragung von Daten der Pre-, In- und ggf. auch der Post-Crash-Phase existiert bisher nicht.Using the recorded accident data requires manual reading from the accident vehicle and is therefore only carried out in a few exceptional cases by accident research institutions such as AARU (Audi Accident Research Unit) or GIDAS (German In-Depth Accident Study). The number of such surveys only covers a small part of the number of accidents that actually occurred due to the effort involved, the lack of accident researchers in the vicinity of possible accident locations and the often very short time window available for an investigation. Data on the course of the accident, which is based on descriptions by eyewitnesses or recalculations based on skid marks, etc., are subject to the uncertainties that are usual in such procedures. An automated transmission of data from the pre-, in- and possibly also the post-crash phase does not yet exist.
Ein Live-Zugriff der Rettungsleitstelle auf rettungsrelevante Unfall- und/oder Fahrzeugdaten ist nicht gegeben.The rescue control center does not have live access to rescue-related accident and/or vehicle data.
Typisch für ein Schleudertrauma ist die vorhergegangene Bewegung des Kopfes. Durch den Aufprall wird die Halswirbelsäule erst überstreckt und dann stark gebeugt. Einfluss auf das Trauma hat dabei nicht nur die Schwere des Aufpralls, sondern auch die Sitzposition im Auto und die Kopfhaltung während des Unfalls.The previous movement of the head is typical for a whiplash injury. As a result of the impact, the cervical spine is first overstretched and then severely bent. Not only does the severity of the impact have an impact on the trauma, but also the seating position in the car and the position of the head during the accident.
Die Diagnose gestaltet sich allerdings schwierig, da bildgebende Untersuchungsmethoden zumeist keine Veränderungen und Verletzungen der Halswirbel aufweisen. Somit fehlen eindeutige Beweise. Der Arzt muss sich also voll auf die Beschreibung des Patienten verlassen und daraus die Diagnose und weitere Behandlungsmaßnahmen ableiten.The diagnosis is difficult, however, since imaging examination methods usually do not show any changes or injuries to the cervical vertebrae. Thus, clear evidence is lacking. The doctor must therefore fully rely on the patient's description and derive the diagnosis and further treatment measures from it.
Grundsätzlich muss das Schleudertrauma ärztlich begutachtet worden und schriftlich bestätigt sein. Zurückliegende Gerichtsverhandlungen zeigen, dass Versicherungen häufig argumentieren, dass eine Geschwindigkeitsänderung von 10 bis 15 Kilometer pro Stunde nicht genügt, um ein Schleudertrauma auszulösen. Gerade in solchen Fällen wird ein schriftliches ärztliches Gutachten unabdingbar.In principle, the whiplash injury must be medically examined and confirmed in writing. Past court hearings show that insurance companies often argue that a speed change of 10 to 15 kilometers per hour is not enough to trigger whiplash. In such cases, a written medical report is essential.
Diese Grenze, die die Versicherungen hier ziehen, nennt sich „Harmlosigkeitsgrenze“. Laut Bundesgerichtshof sollte trotz Harmlosigkeitsgrenze eine Diagnose erfolgen, denn ein Schmerzensgeld für ein Schleudertrauma wird trotz Grenze im Verkehrsrecht nicht ausgeschlossen und je nach Einzelfall entschieden.This limit, which the insurance companies draw here, is called the "harmlessness limit". According to the Federal Court of Justice, a diagnosis should be made despite the harmlessness limit, because compensation for whiplash is not excluded despite the limit in traffic law and is decided on a case-by-case basis.
Die Prognose eines Schleudertraumas. Das Verfahren kann eine Bewertbarkeit von Schleudertraumata auch bei Unfällen mit niedrigen Crashschweren in alle Kollisionsrichtungen ermöglichen. Es kann eine Nutzung der Sensorik zur Unfallerkennung und ein Senden der Prognose eines Schleudertraumas an ein Backend erfolgen. Es kann eine Nutzung des gesamten Crashverlaufs bis hin zu 300ms, nicht nur der ersten ms wie bei der Rückhaltesystem Auslösung üblich, erfolgen. Das Verfahren kann eine Verwendung einer Whiplash-Prognosefunktion vorsehen, die anhand eines Finite-Elemente-Menschmodell und Finite-Elemente Crash Simulationsdaten parametriert wird. Verwendung von neuen Nackenbelastungskennwerten aus Simulationen. Eine Validierung der Prognose kann durch einen analytischen Crashschwereschätzer erfolgen. Optional können Features aus der Bildverarbeitung einer Innenraumkamera zur Verbesserung der Prognosegüte verwendet werden. Eine Bildverarbeitung ermöglicht eine höhere Genauigkeit der Whiplash-Erkennung speziell für alle Insassenpositionen (z.B. neue Sitzpositionen im Rahmen Liegenposition). Die Insassenpositionen können in den Positionsdaten beschrieben sein.The prognosis of whiplash. The procedure can enable whiplash injuries to be evaluated in all collision directions, even in accidents with low crash severity. The sensor system can be used for accident detection and the prognosis of a whiplash injury can be sent to a backend. The entire course of the crash up to 300 ms can be used, not just the first ms as is usual with the deployment of the restraint system. The method may provide for using a whiplash prediction function that is parameterized using a finite element human model and finite element crash simulation data. Use of new neck load characteristics from simulations. The prognosis can be validated by an analytical crash severity estimator. Optionally, features from the image processing of an indoor camera can be used to improve the forecast quality. Image processing enables higher accuracy of the whiplash detection especially for all occupant positions (e.g. new seat positions in the frame bed position). The occupant positions may be described in the position data.
Das Verfahren ermöglicht eine Erkennung und Nachweisbarkeit eines Schleudertraumas in einem aufgetretenen Unfall für alle Fahrzeuginsassen und automatische Meldung an behandelnden Arzt und Versicherungsunternehmen.The method enables whiplash injury to be recognized and verified in an accident that has occurred for all vehicle occupants, and automatic reporting to the treating doctor and insurance company.
Mittels klassischer Crashsensorik (Beschleunigungssensoren, Druckschlauch, etc.) kann durch die Überwachungsvorrichtung ein Unfall erkannt und die mechanische Unfallschwere beurteilt werden. Für den Fall, dass ein Unfall mit hoher Sicherheit und ausreichend hoher Schwere vorliegt, kann das Risiko einer Whiplash-Verletzung prädiziert werden. Passen die mechanische Crashschwere und die Wahrscheinlichkeit einer Whiplash-Verletzung überein wird anschließend die Whiplash-Verletzung an den fahrzeugexternen Zentralrechner abgesetzt.Using classic crash sensors (acceleration sensors, pressure hose, etc.), the monitoring device can detect an accident and assess the mechanical severity of the accident. If an accident occurs with a high degree of certainty and is sufficiently serious, the risk of a whiplash injury can be predicted. If the mechanical crash severity and the probability of a whiplash injury match, the whiplash injury is then sent to the central computer external to the vehicle.
Es wird vorgeschlagen, eine Whiplash-Verletzung zu prognostizieren, indem eine durch Maschinenlernen trainierte Prognosefunktion genutzt wird. Die Prognose kann hierbei die Kollision klassifizieren, insbesondere bezüglich einer zu erwartenden Wahrscheinlichkeit der Whiplash-Verletzung.It is proposed to predict whiplash injury using a machine-learning trained prediction function. In this case, the prognosis can classify the collision, in particular with regard to an expected probability of whiplash injury.
Die Prognosefunktion kann durch mehrere Verarbeitungsparameter parametrisiert werden, die ermittelt werden, indem die Prognosefunktion durch mehrere Trainingsdatensätze im Rahmen eines Maschinenlernens trainiert wird. Ergänzend oder alternativ können auch Parameterwerte und/oder Verläufe der Nackenbelastung verwendet werden, z. B. auftretende Beschleunigungen oder Beschleunigungsverläufe. Es wird vorgeschlagen, ein datenbasiertes Modell als Prognosefunktion zu nutzen, welches durch Trainingsdatensätze trainiert wird. Bei diesem Modell kann es sich beispielsweise um entsprechend trainierte künstliche neuronale Netzwerke oder statistische Datenmodellierungen handeln. Beispielsweise kann ein künstliches neuronales Netzwerk auf Basis von radialen Basisfunktionen genutzt werden. Es können auch mehrere, insbesondere nicht korrelierte, Entscheidungsbäume vorgesehen werden, deren Ergebnisse kombiniert werden. Insbesondere dann, wenn wenigstens ein numerisches Prognoseergebnis ermittelt wird, kann die Prognosefunktion auch durch ein Regressionsverfahren parametrisiert werden.The prognosis function can be parameterized by a number of processing parameters, which are determined by the prognosis function being trained by a number of training data sets as part of machine learning. In addition or as an alternative, parameter values and/or curves of the neck load can also be used, e.g. B. occurring accelerations or acceleration curves. It is proposed to use a data-based model as a forecasting function, which is trained using training data sets. This model can be, for example, appropriately trained artificial neural networks or statistical data models. For example, an artificial neural network based on radial basis functions can be used. It is also possible to provide several, in particular non-correlated, decision trees, the results of which are combined. In particular when at least one numerical prognosis result is determined, the prognosis function can also be parameterized by a regression method.
Die Trainingsdatensätze können hierbei jeweils Eingangsdaten und Ausgangsdaten umfassen, wobei die Prognosefunktion beispielsweise durch eine Fehlerrückführung, auch Backpropagation of Error genannt, derart trainiert wird, dass durch Anwenden der Prognosefunktion auf die Eingangsdaten Ausgangsdaten generiert werden, die den Ausgangsdaten der jeweiligen Trainingsdatensätze möglichst ähnlich sind.The training data records can each include input data and output data, with the prognosis function being trained, for example, by error feedback, also known as backpropagation of error, in such a way that output data are generated by applying the prognosis function to the input data, which output data are as similar as possible to the output data of the respective training data records.
Die Trainingsdatensätze können durch FEM Crash Simulationen generiert werden. Hierbei können abgeleitete Features aus Crashpulsen von Gesamtfahrzeugcrashs und einem Finite-Elemente-Menschmodell zur Ermittlung der Nackenbelastung verwendet werden.The training data sets can be generated by FEM crash simulations. Here, derived features from crash pulses from full-vehicle crashes and a finite element human model can be used to determine the neck load.
Input Features des Trainingssatzes können umfassen:
- • Crash Pulse Features (t0-300ms)
- • Beschleunigungszeitreihen und Ableitungen
- • Druckmessungszeitreihen und Ableitungen
- • OLC
- • dV
- • Nackenbelastung (t0-300ms)
- • Kopf Bewegung in Kamera Bilder: Kopfverlagerungen über Zeit und Ableitungen
- • Crash Pulse Features (t0-300ms)
- • Acceleration time series and derivatives
- • Pressure measurement time series and derivatives
- • OLC
- • dV
- • Neck strain (t0-300ms)
- • Head Movement in Camera Images: Head displacements over time and derivatives
Output Features des Trainingssatzes:
- • Erkennung Whiplash (Schleudertrauma)
- • Nacken Belastungskennwerte
- • Whiplash detection (whiplash)
- • Neck Stress Characteristics
Insgesamt zeigen die Beispiele, wie eine Lösung zur Erkennung eines Schleudertraumas bereitgestellt werden kann.Taken together, the examples show how a whiplash detection solution can be provided.
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN DESCRIPTION
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.This list of documents cited by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent Literature Cited
- WO 2019/204949 A1 [0004]WO 2019/204949 A1 [0004]
- WO 2020/136658 A1 [0005]WO 2020/136658 A1 [0005]
- DE 102008000861 B4 [0007]DE 102008000861 B4 [0007]
Claims (15)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022104129.8A DE102022104129A1 (en) | 2022-02-22 | 2022-02-22 | Method for determining a health effect, method for training a prognostic function, monitoring device, vehicle and training device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022104129.8A DE102022104129A1 (en) | 2022-02-22 | 2022-02-22 | Method for determining a health effect, method for training a prognostic function, monitoring device, vehicle and training device |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102022104129A1 true DE102022104129A1 (en) | 2023-08-24 |
Family
ID=87518502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102022104129.8A Pending DE102022104129A1 (en) | 2022-02-22 | 2022-02-22 | Method for determining a health effect, method for training a prognostic function, monitoring device, vehicle and training device |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102022104129A1 (en) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014010200A1 (en) | 2014-07-09 | 2014-12-24 | Daimler Ag | Method and device for operating a vehicle |
DE102016218549B3 (en) | 2016-09-27 | 2017-12-28 | Audi Ag | Method for determining a collision-related forecast result |
DE102008000861B4 (en) | 2008-03-27 | 2018-06-28 | Robert Bosch Gmbh | Method and control device for controlling personal protective equipment for a vehicle |
WO2019204949A1 (en) | 2018-04-27 | 2019-10-31 | ROTHENBÜHLER, Rudolf | System for capturing person-related accident data in a vehicle |
DE102018118129A1 (en) | 2018-07-26 | 2020-01-30 | Automotive Safety Technologies Gmbh | Occupant protection system, motor vehicle and method for operating an occupant protection system |
WO2020136658A1 (en) | 2018-12-28 | 2020-07-02 | Guardian Optical Technologies Ltd | Systems, devices and methods for vehicle post-crash support |
-
2022
- 2022-02-22 DE DE102022104129.8A patent/DE102022104129A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008000861B4 (en) | 2008-03-27 | 2018-06-28 | Robert Bosch Gmbh | Method and control device for controlling personal protective equipment for a vehicle |
DE102014010200A1 (en) | 2014-07-09 | 2014-12-24 | Daimler Ag | Method and device for operating a vehicle |
DE102016218549B3 (en) | 2016-09-27 | 2017-12-28 | Audi Ag | Method for determining a collision-related forecast result |
WO2019204949A1 (en) | 2018-04-27 | 2019-10-31 | ROTHENBÜHLER, Rudolf | System for capturing person-related accident data in a vehicle |
DE102018118129A1 (en) | 2018-07-26 | 2020-01-30 | Automotive Safety Technologies Gmbh | Occupant protection system, motor vehicle and method for operating an occupant protection system |
WO2020136658A1 (en) | 2018-12-28 | 2020-07-02 | Guardian Optical Technologies Ltd | Systems, devices and methods for vehicle post-crash support |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102008001409A1 (en) | Method for determining free areas in the environment of a motor vehicle, which is particularly relevant for vehicle guidance | |
DE102021003489A1 (en) | Method for the detection of a gradually decreasing driving ability of a vehicle driver | |
DE102016206694B4 (en) | Assistance system and method of a highly automated vehicle to improve interaction with other road users | |
DE102014003783B4 (en) | Safety device for a motor vehicle and associated operating method | |
DE102012018521A1 (en) | Method for damage detection in motor vehicle by damage detection device, particularly for hire vehicle, involves evaluating occurrence of damage event in or on vehicle body depending on sensor data and generating declaration | |
DE102015209969A1 (en) | Method for evaluating a driver assistance function of a motor vehicle | |
DE102019204892A1 (en) | Method and control device for detecting drowsiness of a driver for a driver assistance system for a vehicle | |
EP3824445B1 (en) | Computer-supported method for analyzing of personal accident data | |
DE102017103391A1 (en) | Method for improving the user-friendliness of a vehicle | |
DE102013225064A1 (en) | Method and device for operating a motor vehicle | |
DE102017216328B3 (en) | A method for monitoring a state of attention of a person, processing device, storage medium, and motor vehicle | |
DE102018004479A1 (en) | Method for operating an assistance system of a vehicle | |
DE102008007152B4 (en) | Method for the parameterization of the eye opening degree of a driver of a motor vehicle | |
DE102020206972A1 (en) | System for recognizing and influencing a stroke of a vehicle occupant | |
DE102017213714A1 (en) | Method for determining a disease prognosis of a motor vehicle occupant and prognosis device | |
DE102022104129A1 (en) | Method for determining a health effect, method for training a prognostic function, monitoring device, vehicle and training device | |
DE102018210450A1 (en) | Method for outputting control signals for controlling an automated vehicle | |
DE102021003597A1 (en) | Method for influencing the behavior of at least one occupant in a vehicle | |
DE102017004114A1 (en) | Method and device for operating a fully autonomously or at least partially autonomously driving vehicle | |
DE102021128908A1 (en) | AUTOMATED TRIA SISTER SYSTEM IN ONE VEHICLE | |
Weber et al. | Learning from accidents: using technical and subjective information to identify accident mechanisms and to develop driver assistance systems | |
DE102023000709A1 (en) | Method for improving driving safety in a motor vehicle | |
DE102018205658A1 (en) | Use of video surveillance cameras to support driver assistance systems in vehicles | |
DE102021200581B4 (en) | Method and evaluation device for evaluating interventions by at least one driver assistance system of a vehicle | |
DE102021104917A1 (en) | DRIVER MONITORING SYSTEM FOR MOTOR VEHICLES |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified |