DE102022121051A1

DE102022121051A1 - Aktives fahrzeugsicherheitssystem für zweiradfahrer und fussgänger

Info

Publication number: DE102022121051A1
Application number: DE102022121051.0A
Authority: DE
Inventors: Fabian Oboril; Cornelius Buerkle; Frederik Pasch; Ophir Shabtay
Original assignee: Intel Corp
Current assignee: Intel Corp
Priority date: 2021-09-23
Filing date: 2022-08-19
Publication date: 2023-03-23
Also published as: US20220012995A1

Abstract

Hierin offenbart ist ein aktives Zweiradfahrer- und/oder Fußgängersicherheitssystem zum Identifizieren von, Warnen über und Reagieren auf gefährliche Situationen, die Zweiradfahrer und/oder Fußgänger erfahren können. Das Sicherheitssystem kann erste Informationen empfangen, die eine Kopfposition eines Zweiradfahrers angeben, und basierend auf den ersten Informationen ein Sichtfeld des Zweiradfahrers bestimmen. Das Sicherheitssystem kann zweite Informationen empfangen, die eine Umgebung des Zweiradfahrers angeben, und basierend auf dem Sichtfeld und der Umgebung eine erwartete Trajektorie des Zweiradfahrers in einem nächsten Straßensegment bestimmen. Das Sicherheitssystem kann basierend auf dem Sichtfeld und der Umgebung auch eine Risikowahrscheinlichkeit für die erwartete Trajektorie des Zweiradfahrers im nächsten Straßensegment bestimmen. Das Sicherheitssystem kann auch eine Anweisung zum Übertragen einer Warnung zu dem Zweiradfahrer erzeugen, falls die Risikowahrscheinlichkeit einen Schwellenwert überschreitet.

Description

Die Offenbarung bezieht sich allgemein auf Zweiradfahrer- und Fußgängersicherheit und insbesondere Systeme, Vorrichtungen und Verfahren zum Identifizieren von, Warnen über und Reagieren auf gefährliche Situationen, die Zweiradfahrer und Fußgänger erfahren können.
Obwohl viele der heutigen Fahrzeuge wie etwa Kraftfahrzeuge, Lastkraftwagen, Busse und Züge automatisierte Sicherheitssysteme beinhalten, waren solche Systeme für Zweiradfahrer und Fußgänger nicht geeignet. Zweiradfahrer und Fußgänger, oft als ungeschützte Verkehrsteilnehmer bezeichnet, fahren im Vergleich zu typischen Kraftfahrzeugen, Lastwagen, Bussen und Zügen auf verschiedene Weisen, und das Bestimmen einer unsicheren oder gefährlichen Situation für Kraftfahrzeuge, Lastkraftwagen, Busse und Züge kann sich für einen Zweiradfahrer und/oder Fußgänger unterscheiden.
In den Zeichnungen beziehen sich gleiche Bezugszeichen im Allgemeinen über die verschiedenen Ansichten hinweg auf die gleichen Teile. Die Zeichnungen sind nicht notwendigerweise maßstabsgetreu, vielmehr wird allgemein auf die Veranschaulichung der beispielhaften Prinzipien der Offenbarung Wert gelegt. In der folgenden Beschreibung werden verschiedene beispielhafte Aspekte der Offenbarung Bezug nehmend auf die folgenden Zeichnungen beschrieben, in denen gilt:

1 zeigt beispielhafte Diagramme eines Fahrzeugs, das auf Straßensegmenten fährt;
2 zeigt ein Blockdiagramm eines aktiven Sicherheitssystems, das in ein Zweirad integriert und/oder von einem Fußgänger verwendet werden kann;
3 stellt einen Zweiradfahrer, der sich einer Kreuzung nähert, und drei potenzielle Pfade, denen der Zweiradfahrer durch die Kreuzung folgen kann, dar;
4 stellt ein beispielhaftes Pfadvorhersagesystem zum Bestimmen der erwarteten Trajektorie eines Zweiradfahrers dar;
5A bis 5C zeigen Beispiele für unterschiedliche Arten von Orten/Umgebungen, in denen ein Zweiradfahrer fahren oder ein Fußgänger laufen kann;
6A und 6B stellen Beispiele für ein Sicherheitsalarmsystem dar, das je nach Situation unterschiedlich eingreift;
7 stellt einen beispielhaften Risikovergleich dar, der durch ein Steuersystem durchgeführt werden kann, um eine Abschwächungsmaßnahme auszulösen;
8 veranschaulicht eine schematische Zeichnung einer Einrichtung, die die Sicherheit der Situation eines Zweiradfahrers und/oder Fußgängers aktiv überwacht und auf diese reagiert; und
9 stellt ein schematisches Flussdiagramm eines Verfahrens 900 für ein Sicherheitssystem dar

Die folgende ausführliche Beschreibung bezieht sich auf die beiliegenden Zeichnungen, die veranschaulichend beispielhafte Einzelheiten und Merkmale zeigen.
Das Wort „beispielhaft“ wird hierin mit der Bedeutung „als Beispiel, Fall oder Veranschaulichung dienend“ verwendet. Jeder Aspekt oder jede Gestaltung, der/die hierin als „beispielhaft“ beschrieben ist, ist nicht notwendigerweise als gegenüber anderen Aspekten oder Gestaltungen bevorzugt oder vorteilhaft auszulegen.
In allen Zeichnungen ist anzumerken, dass gleiche Bezugsziffern verwendet werden, um die gleichen oder ähnliche Elemente, Merkmale und Strukturen darzustellen, sofern nichts anderes angegeben ist.
Die Ausdrücke „mindestens ein/e“ und „ein/e oder mehrere“ können so verstanden werden, dass sie eine numerische Menge größer oder gleich eins (z. B. eins, zwei, drei, vier, [...] usw.) beinhalten. Der Ausdruck „mindestens eine/r/s von“ bezüglich einer Gruppe von Elementen kann hierin verwendet werden, um mindestens ein Element aus der Gruppe, die aus den Elementen besteht, zu bezeichnen. Zum Beispiel kann der Ausdruck „mindestens eine/r/s von“ mit Bezug auf eine Gruppe von Elementen hierin verwendet werden, um eine Auswahl von Folgendem zu bedeuten: einem der aufgelisteten Elemente, mehreren von einem der aufgelisteten Elemente, mehreren von einzelnen aufgelisteten Elementen oder mehreren eines Vielfachen einzelner aufgelisteter Elemente.
Die Wörter „Mehrzahl“ und „mehrere“ in der Beschreibung und in den Ansprüchen beziehen sich ausdrücklich auf eine Menge von mehr als eins. Dementsprechend beziehen sich jegliche Ausdrücke, die explizit die oben erwähnten Wörter (z. B. „Mehrzahl von [Elementen]“, „mehrere [Elemente]“), die sich auf eine Menge von Elementen beziehen, ausdrücklich auf mehr als eines der Elemente. Beispielsweise kann der Ausdruck „mehrere“ so verstanden werden, dass er eine numerische Menge größer oder gleich zwei (z. B. zwei, drei, vier, fünf, [...] usw.) beinhaltet.
Die Formulierungen „Gruppe (von)“, „Satz (von)“, „Sammlung (von)“, „Reihe (von)“, „Sequenz (von)“, „Gruppierung (von)“ usw. beziehen sich in der Beschreibung und in den Ansprüchen, falls vorhanden, auf eine Quantität gleich oder größer als eins, d. h. eines oder mehrere. Die Begriffe „echte Teilmenge“, „reduzierte Teilmenge“ und „kleinere Teilmenge“ beziehen sich auf eine Teilmenge einer Menge, die ungleich der Menge ist, veranschaulichend auf eine Teilmenge einer Menge, die weniger Elemente als die Menge enthält.
Der Begriff „Daten“, wie hierin verwendet, kann so verstanden werden, dass er Informationen in einer beliebigen geeigneten analogen oder digitalen Form beinhaltet, z. B. als eine Datei, ein Abschnitt einer Datei, ein Satz von Dateien, ein Signal oder Strom, ein Abschnitt eines Signals oder Stroms, ein Satz von Signalen oder Strömen und dergleichen bereitgestellt. Ferner kann der Begriff „Daten“ auch verwendet werden, um einen Bezug auf Informationen anzudeuten, z. B. in Form eines Zeigers. Der Begriff „Daten“ ist jedoch nicht auf die vorgenannten Beispiele beschränkt und kann verschiedene Formen annehmen und beliebige Informationen repräsentieren, wie in der Technik verstanden.
Die Begriffe „Prozessor“ oder „Steuerung“, wie sie zum Beispiel hierin verwendet werden, können als eine beliebige Art von technologischer Entität verstanden werden, die eine Bearbeitung von Daten ermöglicht. Die Daten können gemäß einer oder mehreren spezifischen Funktionen bearbeitet werden, die durch den Prozessor oder die Steuerung ausgeführt werden. Ferner kann ein Prozessor oder eine Steuerung, wie hierin verwendet, als eine beliebige Art von Schaltung, z. B. eine beliebige Art von analoger oder digitaler Schaltung verstanden werden. Ein Prozessor oder eine Steuerung kann somit eine analoge Schaltung, eine digitale Schaltung, eine Mischsignalschaltung, eine Logikschaltung, ein Prozessor, ein Mikroprozessor, eine Zentralverarbeitungseinheit (CPU), eine Grafikverarbeitungseinheit (GPU), ein Digitalsignalprozessor (DSP), ein feldprogrammierbares Gate-Array (FPGA), eine integrierte Schaltung, eine anwendungsspezifische integrierte Schaltung (ASIC) usw. oder eine beliebige Kombination davon sein oder diese beinhalten. Jede andere Art von Implementierung der jeweiligen Funktionen, die im Folgenden ausführlicher beschrieben wird, kann auch als ein Prozessor, eine Steuerung oder eine Logikschaltung aufgefasst werden. Es versteht sich, dass zwei beliebige (oder mehr) der hierin ausführlich beschriebenen Prozessoren, Steuerungen oder Logikschaltungen als eine einzelne Entität mit äquivalenter Funktionalität oder dergleichen realisiert werden können und umgekehrt jeder einzelne Prozessor, jede einzelne Steuerung oder jede einzelne Logikschaltung, der/die hierin aufgeführt wird, als zwei (oder mehr) getrennte Entitäten mit äquivalenter Funktionalität oder dergleichen realisiert werden kann.
Wie hierin verwendet, wird „Speicher“ als ein computerlesbares Medium (z. B. ein nichttransitorisches computerlesbares Medium) verstanden, in dem Daten oder Informationen zum Abrufen gespeichert werden können. Hierin enthaltene Verweise auf „Speicher“ können somit als sich auf flüchtigen oder nichtflüchtigen Speicher beziehend aufgefasst werden, einschließlich unter anderem Direktzugriffsspeicher (RAM), Nurlesespeicher (ROM), Flash-Speicher, Solid-State-Speicher, ein Magnetband, ein Festplattenlaufwerk, ein optisches Laufwerk, 3D XPoint™ oder eine beliebige Kombination davon. Unter anderem sind Register, Schieberegister, Prozessorregister, Datenpuffer usw. hierin ebenfalls im Begriff Speicher eingeschlossen. Der Begriff „Software“ bezieht sich auf eine beliebige Art von ausführbarer Anweisung, einschließlich Firmware.
Sofern nicht explizit angegeben, schließt der Begriff „Übertragen“ sowohl eine direkte (Punkt-zu-Punkt) als auch eine indirekte Übertragung (über einen oder mehrere Zwischenpunkte) ein. Gleichermaßen schließt der Begriff „Empfangen“ sowohl direkten als auch indirekten Empfang ein. Des Weiteren schließen die Begriffe „Übertragen“, „Empfangen“, „Kommunizieren“ und andere ähnliche Begriffe sowohl physische Übertragung (z. B. die Übertragung von Funksignalen) als auch logische Übertragung (z. B. die Übertragung digitaler Daten über eine logische Verbindung auf Software-Ebene) ein. Ein Prozessor oder eine Steuerung kann zum Beispiel Daten mit einem anderen Prozessor oder einer anderen Steuerung in der Form von Funksignalen über eine Verbindung auf Software-Ebene übertragen oder empfangen, wobei die physische Übertragung und der physische Empfang von Funkschicht-Komponenten wie etwa HF-Sendeempfängern und Antennen gehandhabt wird, und die logische Übertragung und der logische Empfang über die Verbindung auf Software-Ebene von den Prozessoren oder Steuerungen durchgeführt wird. Der Begriff „Kommunizieren“ schließt Übertragen und/oder Empfangen ein, d. h. eine unidirektionale oder bidirektionale Kommunikation in einer oder beiden der eingehenden und der ausgehenden Richtung. Der Begriff „Berechnen“ schließt sowohl „direkte” Berechnungen über einen mathematischen Ausdruck/eine mathematische Formel/eine mathematische Beziehung als auch „indirekte” Berechnungen über Nachschlage- oder Hash-Tabellen und andere Array-Indizierungs- oder -Suchoperationen ein.
Ein „Fahrzeug“ kann so verstanden werden, dass es eine beliebige Art von gefahrenem Objekt beinhaltet. Beispielsweise kann ein Fahrzeug ein gefahrenes Objekt mit einem Verbrennungsmotor, ein Strahltriebwerk, ein elektrisch angetriebenes Objekt, ein hybrid angetriebenes Objekt oder eine Kombination davon sein. Ein Fahrzeug kann unter anderem ein Kraftfahrzeug, ein Bus, ein Kleinbus, ein Kleintransporter, ein Lastkraftwagen, ein Wohnmobil, ein Fahrzeuganhänger, ein Motorrad, ein Fahrrad, ein Dreirad, eine Zuglokomotive, ein Eisenbahnwaggon, ein sich bewegender Roboter, ein Personal-Transporter, ein Boot, ein Schiff, ein Unterwasserfahrzeug, ein U-Boot, eine Drohne, ein Luftfahrzeug, oder eine Rakete sein oder diese beinhalten. Wie hierin verwendet, ist ein „Zweirad“ eine Unterkategorie von Fahrzeugen und beinhaltet Einräder, Fahrräder, Elektrofahrräder, Dreiräder, Motorräder, Segways, Scooter usw. (z. B. Mobilitätsplattformen, die pedalangetrieben, gasangetrieben und/oder batterieangetrieben sein können). Ein „Zweiradfahrer“ kann der Fahrer eines beliebigen derartigen Zweirads sein, was Fußgänger beinhaltet, und weitgehend als fahrende ungeschützte Verkehrsteilnehmer angesehen werden sollte.
Die hierin beschriebenen Einrichtungen und Verfahren können unter Verwendung einer hierarchischen Architektur implementiert werden, z. B. durch Einführen einer hierarchischen Priorisierung der Verwendung für verschieden Arten von Benutzern (z. B. niedrige/mittlere/hohe Priorität usw.), basierend auf dem priorisierten Zugang zu dem Spektrum (z. B. mit höchster Priorität für Stufe-1-Benutzer, gefolgt von Stufe-2, dann Stufe-3 usw.).
Obwohl viele Fahrzeuge heutzutage mit Sicherheitsüberwachungssystemen ausgestattet sind, die einen Fahrer warnen oder einen Fahrer beim Reagieren auf Objekte unterstützen können, die in der Nähe des Fahrzeugs auftreten können, wurden solche Sicherheits- und Warnsysteme noch nicht auf Zweiräder und Fußgänger angewendet. Zweiräder und Fußgänger fahren bzw. laufen im Vergleich zu typischen Kraftfahrzeugen, Lastwagen, Bussen und Zügen auf unterschiedliche Weisen, und daher kann sich das Bestimmen einer unsicheren oder gefährlichen Situation für Kraftfahrzeuge, Lastwagen, Busse und Züge von dem für ein Zweirad und/oder einen Fußgänger unterscheiden. Infolgedessen können gegenwärtige Kraftfahrzeugsicherheitssysteme unangemessen oder weniger effektiv zum Detektieren gefährlicher Situationen für Zweiradfahrer und Fußgänger sein. Darüber hinaus sind bestehende Systeme möglicherweise nicht in der Lage oder würden weniger effektiv sein, Warnungen bereitzustellen oder Sicherheitsmaßnahmen für ein Zweirad oder einen Fußgänger durchzusetzen, das/der eine Gefahrensituation erfährt. Bestehende Lösungen für Zweiradfahrer und Fußgänger sind daher häufig auf manuelle Schutzmaßnahmen, wie etwa Helme und Spiegel, beschränkt.
Wie aus der folgenden ausführlichen Offenbarung ersichtlich wird, ist das vorgeschlagene System in der Lage, gefährliche Situationen für Zweiräder und Fußgänger beispielsweise basierend auf dem Sichtfeld des Zweiradfahrers/Fußgängers, der Umgebung, in der das Zweirad betrieben wird oder sich der Fußgänger bewegt, einem vorhergesagten Pfad und/oder der Umgebung der vorausliegenden Straße/des vorausliegenden Fußwegs zu detektieren. Das unten beschriebene Zweirad- und Fußgänger-basierte Sicherheitssystem ist in der Lage, gefährliche Situationen für Zweiradfahrer/Fußgänger zu detektieren und gegebenenfalls geeignete Sicherheitswarnungen bereitzustellen oder Bewegungen sicher zu steuern (z. B. Verlangsamen/Bremsen des Zweirads, Anpassen der Trajektorie des Zweirads usw.). Ein solches System kann verbesserte Zweiradfahrer- und Fußgängersicherheit bereitstellen, indem beispielsweise Sensoren (z. B. Kamera, Lichtdetektion und -entfernungsmessung (LiDAR), Tiefenkameras, Beschleunigungsmesser, Gyroskope, Inertialmesseinheiten usw.) verwendet werden, die in den Lenker, den Rahmen, den Sitz/Sattel, die Helme, die Rucksäcke usw. integriert sein können. Solche Systeme können auch Niederleistungs-Verarbeitungseinheiten (z. B. einen Prozessor) verwenden, um die erwartete Trajektorie des Zweirads/Fußgängers vorherzusagen, eine Objektdetektion/-verfolgung durchzuführen und potenziell gefährliche Situationen in dem nächsten Straßensegment (z. B. entlang des Pfades/der Trajektorie des Zweirads oder Fußgängers) zu identifizieren. Derartige Systeme können auch ein mehrstufiges Warnsystem für den Zweiradfahrer/Fußgänger beinhalten, das als eine erste Stufe eine haptische Rückmeldung an dem Sitz/Sattel und/oder dem Lenker verwenden kann oder eine visuelle/auditive Rückmeldung auf einem Fahrradcomputer, einem Bildschirm, einem Smartphone, einer Smartwatch oder einem Lautsprecher bereitstellen kann. Als eine zweite Stufe kann das Warnsystem auch ein passives (z. B. durch Deaktivieren der Antriebskraft (z. B. des elektrischen Motors eines Elektrofahrrads) und/oder aktives Bremssystem (z. B. durch Aktivieren der Bremsen) oder andere Steuerungen zum sicheren Anpassen der Trajektorie des Zweirads für sicherere Bewegungen beinhalten.
1 zeigt einen Zweiradfahrer 100 auf einem Fahrrad 105, das ein integriertes aktives Sicherheitssystem aufweist. Beispielsweise beinhaltet das Fahrrad 105 Sensoren 110, 120, 130, 140 (z. B. Kamera, Lichtdetektion und -entfernungsmessung (LiDAR), Tiefenkameras, Beschleunigungsmesser, Gyroskope, Inertialmesseinheiten usw.), die in den Rahmen des Fahrrads integriert sein können und zum Beispiel auch im Lenker 160 und/oder Sattel 150 integriert oder sich darin befinden können. Das Fahrrad 105 beinhaltet auch eine Verarbeitungseinheit 170, die Verarbeitungssysteme (z. B. einen oder mehrere Prozessoren) zum Vorhersagen der erwarteten Trajektorie des Zweirads/Fußgängers, Durchführen einer Objektdetektion/-verfolgung und Identifizieren potenziell gefährlicher Situationen in dem nächsten Straßensegment bereitstellen kann. Die Verarbeitungseinheit 170 kann auch Kommunikationsfähigkeiten (z. B. unter Verwendung von Fahrzeug-zu-Allem(V2X)-Protokollen, Bluetooth-Protokollen, 802.11 (WiFi)-Protokollen, zellulären Protokollen, Ultraniedrigleistung(ANT/ANT+)-Protokollen usw.) beinhalten, um mit anderen Verkehrsobjekten und/oder Cloud-basierten Servern zu kommunizieren. Die Verarbeitungseinheit 170 kann auch ein mehrstufiges Warnsystem zum Bereitstellen von Alarmen an den Zweiradfahrer über ein integriertes Audio-/Videosystem, über Nachrichten an eine Smartwatch, ein Smartphone, Helmlautsprecher usw., über eine haptische Rückmeldung zum Sattel 150 und/oder zum Lenker 160 usw. beinhalten.
Als die zweite Stufe des Warnsystems kann die Verarbeitungseinheit 170 auch ein passives Bremssystem beinhalten, das zum Beispiel die Antriebskraft (z. B. den elektrischen Motor eines Elektrofahrrads) des Fahrrads 105 deaktivieren kann, die Bremsen des Fahrrads 105 aktiv betätigen kann und/oder den Lenker drehen kann, um das Fahrrad 105 entlang eines sichereren Pfades umzuleiten. Obwohl 1 ein Zweirad (Fahrrad 105) und einen Zweiradfahrer (Fahrradfahrer 100) zeigt, versteht es sich, dass ähnliche Sensoren, Verarbeitungssysteme und Warnsysteme auch in einem Fußgänger integriert sein können, indem solche Systeme beispielsweise in einem Rucksack, einem Helm oder innerhalb/angebracht an einer Bekleidung eines Fußgängers eingeschlossen sind. Wie oben angemerkt, kann ein Zweirad (einschließlich des Fahrrads 105) eine beliebige Anzahl von Mobilitätsplattformen sein, die pedalangetrieben, gasangetrieben und/oder batterieangetrieben sein können, einschließlich Einrädern, Fahrrädern, Elektrofahrrädern, Dreirädern, Motorrädern, Segways, Scooter usw. Ferner sollte der Fußgänger weitgehend als ein ungeschützter Verkehrsteilnehmer verstanden werden, und wenn er ein Zweirad fährt, sollte er weitgehend als ein fahrender ungeschützter Verkehrsteilnehmer verstanden werden.
2 zeigt ein Blockdiagramm eines aktiven Sicherheitssystems 200, das in ein Zweirad integriert und/oder von einem Fußgänger verwendet werden kann. Das aktive Sicherheitssystem 200 kann ein Erfassungsuntersystem beinhalten, das zum Beispiel die Umgebungssensoren 210 und/oder Zweiradfahrersensoren 220 beinhaltet. Diese Sensoren können zum Beispiel Kameras, LiDAR-Sensoren, Tiefenkameras, Beschleunigungsmesser, Gyroskope, Inertialmesseinheiten (IMUs), Sensoren eines globalen Positionierungssystems (GPS) usw. sein. Durch einen Sensor gesammelte Informationen können über drahtgebundene oder drahtlose Verbindungen zu anderen Verarbeitungseinheiten übertragen oder von diesen empfangen werden. Zum Beispiel können Sensorinformationen unter Verwendung von Standardkommunikationsprotokollen (z. B. WiFi, Bluetooth, zellulär, V2X oder ANT+) zu einem Prozessor/Computer am Zweirad und/oder in der Cloud übertragen werden, wo eine weitere Verarbeitung stattfinden kann.
Wie oben angemerkt, können die Sensoren an dem Rahmen des Zweirads (oder an einem Zubehörteil oder einer Bekleidung eines Fußgängers) angebracht sein, während andere Sensoren teilweise oder vollständig innerhalb des Rahmens des Zweirads integriert sein können. Beispielsweise kann eine nach hinten gerichtete Kamera innerhalb der Sattelstütze des Zweirads installiert sein, was den Schutz des Sensors vor schlechten Wetterbedingungen erhöhen kann. Außerdem können externe Sensoren verwendet werden, einschließlich zum Beispiel einer Kamera, die an dem Helm des Zweiradfahrers montiert ist, oder eines Sensors/einer Kamera am Smartphone des Zweiradfahrers. Ein anderes Beispiel kann eine Helmkamera und/oder eine IMU sein, die an dem Helm des Zweiradfahrers angebracht ist und in die gleiche Richtung zeigen kann, in die der Kopf des Zweiradfahrers zeigt. Idealerweise, aber nicht erforderlich, kann der kombinierte Bereich aller Sensoren ein 360-Grad-Sichtfeld der Umgebung und des Zweiradfahrers erreichen.
Die Umgebungssensoren 210 können beispielsweise Informationen über die Umgebung sammeln, in der der Zweiradfahrer fährt und/oder in Kürze fahren wird. Solche Umgebungsinformationen können beispielsweise die Straßen-/Fußweg-/Pfadbedingungen (z. B. Nässe, Lichtbedingungen usw.), die Straßen-/Fußweg-/Pfadabmessungen (z. B. Breite, Stellung, Kurvigkeit usw.), Position (z. B. geografischer Standort), nahegelegene Objekte (z. B. Fahrzeuge, Verkehrsschilder, Fußgänger usw.) und die Bewegung des Zweirads (Geschwindigkeit, Neigung, Beschleunigung usw.) usw. beinhalten. Zusätzlich dazu können Umgebungssensorinformationen (z. B. unter Verwendung eines Kommunikationssystems) von anderen Zweirädern, anderen Fahrzeugen, anderen Verkehrsobjekten, Cloud-basierten Servern usw. empfangen werden, die Karteninformationen, Verkehrsinformationen, Prioritätsinformationen, zusätzliche Umgebungsinformationen aus anderen Perspektiven usw. bereitstellen. Der Zweck des Sammelns solcher Umgebungsinformationen besteht darin, zu verstehen, welche Objekte sich in der Nähe des Zweirads in Bezug auf die aktuelle Bewegung des Zweirads befinden können.
Die Zweiradfahrersensoren 210 können beispielsweise Informationen über die Aufmerksamkeit des Zweiradfahrers auf die Umgebung sammeln. Solche Zweiradfahrerinformationen können beispielsweise die Kopfposition/-verfolgung des Zweiradfahrers, die Augenposition/-verfolgung des Zweiradfahrers, die Gewichtsverteilung des Zweiradfahrers, die Körperpositionen des Zweiradfahrers auf dem Zweirad (z. B. ob sich beide Füße auf den Pedalen befinden, ob sich beide Hände am Lenker befinden usw.), die Gesichtsausdrücke des Zweiradfahrers, die Bewegung des Zweirads (Geschwindigkeit, Neigung, Beschleunigung usw.) usw. beinhalten. Zusätzlich dazu können Zweiradfahrersensorinformationen (z. B. unter Verwendung eines Kommunikationssystems) von anderen Zweirädern, anderen Fahrzeugen, anderen Verkehrsobjekten, Cloud-basierten Servern usw. empfangen werden, die zusätzliche Zweiradfahrerinformationen aus anderen Perspektiven bereitstellen. Der Zweck des Sammelns derartiger Zweiradfahrerinformationen besteht darin, das Sichtfeld des Zweiradfahrers in Bezug auf die aktuelle Bewegung des Zweirads (z. B. die Aufmerksamkeit des Zweiradfahrers auf die Umgebung des Zweiradfahrers) zu verstehen. Obwohl die Umgebungssensoren 210 und die Zweiradfahrersensoren 220 in 2 als separate Kästchen dargestellt wurden, um den Zweck des Erhaltens der Sensorinformationen zu repräsentieren, versteht es sich, dass die gleichen Sensoren verwendet werden können, um eine, beide oder eine Kombination der zwei Arten von Informationen zu liefern. Zusätzlich können die als Umgebungsinformationen gesammelten Informationen vollständig oder teilweise die gleichen sein wie die als Zweiradfahrerinformationen gesammelten Informationen.
Das aktive Sicherheitssystem 200 kann ein Pfadvorhersage- und Umgebungsanalysemodul 230 beinhalten, in das die Informationen von den Umgebungssensoren 210 und den Zweiradfahrersensoren 220 bereitgestellt werden können. Das Pfadvorhersage- und Umgebungsanalysemodul 230 kann diese Informationen verwenden, um die Umgebung auf gefährliche Situationen zu analysieren und eine erwartete Trajektorie des Zweiradfahrers zu bestimmen. Zum Beispiel kann das Pfadvorhersage- und Umgebungsanalysemodul 230 beispielsweise Sensorinformationen empfangen, die eine Kopfposition eines Zweiradfahrers angeben, und dann diese Informationen verwenden, um ein Sichtfeld des Zweiradfahrers zu bestimmen. Das Pfadvorhersage- und Umgebungsanalysemodul 230 kann beispielsweise auch Sensorinformationen empfangen, die die Umgebung angeben, und dann diese Informationen zusammen mit dem bestimmten Sichtfeld des Zweiradfahrers verwenden, um eine erwartete Trajektorie des Zweiradfahrers zu bestimmen. Das Pfadvorhersage- und Umgebungsanalysemodul 230 kann die Sensorinformationen, die die Umgebung des Zweiradfahrers angeben und das bestimmte Sichtfeld des Zweiradfahrers verwenden, um eine Risikowahrscheinlichkeit (z. B. eine Risikobewertung) für die erwartete Trajektorie des Zweiradfahrers in dem nächsten Straßensegment zu bestimmen.
Zusätzlich kann das Pfadvorhersage- und Umgebungsanalysemodul 230 eine erwartete Trajektorie (z. B. aus mehreren möglichen Trajektorien) für jedes Straßensegment schätzen, in dem das Zweirad gegenwärtig fährt oder voraussichtlich fahren wird. Ein „Straßensegment“, wie hierin verwendet, sollte als ein beliebiger Teil (auf eine beliebige Weise aufgeteilt) einer Straße, eines Pfades, eines geografischen Bereichs usw. verstanden werden, auf dem das Zweirad gegenwärtig fährt oder voraussichtlich fahren wird. Basierend auf der erwarteten Trajektorie des Zweiradfahrers und der Umgebungsanalyse der potenziell gefährlichen Situation(en) entlang der erwarteten Trajektorie kann das Pfadvorhersage- und Umgebungsanalysemodul 230 eine Risikowahrscheinlichkeit (z. B. eine Risikobewertung) bestimmen, die mit der Umgebung und der Trajektorie assoziiert ist, und insbesondere eine Wahrscheinlichkeit, dass eine gefährliche Situation vorliegt und die dem Zweiradfahrer möglicherweise nicht bewusst ist. Dann kann das aktive Sicherheitssystem 200 bei 240 bestimmen, ob die Risikowahrscheinlichkeit einen vorbestimmten Schwellenwert überschreitet, und falls ja, eine Abhilfemaßnahme unter Verwendung eines Warnsystems vornehmen, indem ein Alarmsystem 250, ein Verlangsamungssystem 260 und/oder ein Steuersystem 270 aktiviert wird, um den Zweiradfahrer über die potenzielle Gefahr zu informieren und/oder die Wahrscheinlichkeit eines Unfalls zu reduzieren.
Ein Aspekt des Warnsystems kann ein Alarmsystem 250 beinhalten. Das Alarmsystem 250 kann eine beliebige Anzahl von Verfahren verwenden, um die Zweiradfahrer über die gefährliche Situation zu informieren. Zum Beispiel kann das Alarmsystem 250 eine haptische Rückmeldung (z. B. Vibration) in dem Sattel und/oder Lenker bewirken, um die gefährliche Situation anzugeben. Als ein weiteres Beispiel kann das Alarmsystem 250 bewirken, dass visuelle oder auditive Informationen für einen Zweiradfahrer (z. B. Platzieren eines Bildes auf einem Bildschirm, Aufleuchten eines Warnlichts, Ausgeben von Ton über einen Lautsprecher) auf einer Vorrichtung am Zweirad oder außerhalb des Zweirads (z. B. in/auf dem Helm des Radfahrers, auf einem Smartphone oder einer Smartwatch des Zweiradfahrers, auf einem Computer des Zweirads, auf dem Lenker, im Sitz usw.) wiedergegeben werden.
Ein Aspekt des Warnsystems kann ein Verlangsamungssystem 260 beinhalten. Das Verlangsamungssystem 260 kann eine beliebige Anzahl passiver Verfahren verwenden, um die Geschwindigkeit der Zweiradfahrer zu verlangsamen, um die gefährliche Situation zu minimieren oder zu vermeiden. Zum Beispiel kann das Verlangsamungssystem 260 bewirken, dass sich die Antriebskraft des Zweirads (z. B. ein elektrischer Motor eines Elektrofahrrads, ein Gasmotor usw.) aus dem Antriebsstrang löst oder abschaltet, um die Geschwindigkeit des Zweirads zu verlangsamen.
Ein Aspekt des Warnsystems kann ein Verlangsamungssystem 270 beinhalten. Das Verlangsamungssystem 270 kann eine beliebige Anzahl aktiver Verfahren verwenden, um die Geschwindigkeit der Zweiradfahrer zu verlangsamen, um die gefährliche Situation zu minimieren oder zu vermeiden. Beispielsweise kann das Verlangsamungssystem 260 bewirken, dass das Zweirad bremst, abbiegt oder in einen anderen Gang schaltet, um die Geschwindigkeit des Zweirads zu verlangsamen und/oder aus der gefährlichen Situation wegzulenken.
Ob das aktive Sicherheitssystem 200 das Alarmsystem 250, das Verlangsamungssystem 260 und/oder das Steuersystem 270 aktiviert, kann von einer unterschiedlichen Schwelle für jedes Untersystem abhängen, kann ferner von Informationen abhängen, die von den Umgebungssensoren 210 und/oder den Zweiradfahrersensoren 220 empfangen werden können, und kann von dem Erfolg irgendeines der anderen Versuche abhängen, den Zweiradfahrer zu informieren und/oder die gefährliche Situation zu vermeiden.
Die Bestimmung der erwarteten Trajektorie des Zweiradfahrers kann schwierig sein, da Zweiradfahrer oft nicht einer geplanten oder markierten Route folgen, selbst wenn der Zielort bekannt ist. Somit ist das Bestimmen der Absicht des Zweiradfahrers hinsichtlich des zukünftigen Pfades des Zweiradfahrers nicht trivial. Diese Herausforderung ist in 3 veranschaulicht, die drei potenzielle Pfade (Pfad 342 nach oben, Pfad 344 geradeaus, Pfad 346 nach unten) zeigt, denen ein Zweiradfahrer 310 an einer Kreuzung folgen kann. In Abhängigkeit davon, welcher potenzielle Pfad tatsächlich von dem Zweiradfahrer 310 gewählt wird, kann sich das Risiko für eine gefährliche Situation für jeden Pfad unterscheiden. Falls beispielsweise die erwartete Trajektorie des Zweiradfahrers 310 entlang des Pfads 342 nach oben liegt, kann der Zweiradfahrer 310 auf drei Spuren mit Querverkehr treffen, und es gibt einen Baum 330, der in der Nähe der erwarteten Trajektorie vorhanden ist, der sich auf die Sichtbarkeit auswirken kann. Falls die erwartete Trajektorie des Zweiradfahrers 310 entlang des Pfades 344 geradeaus liegt, kann der Zweiradfahrer 310 auf zwei Spuren mit Querverkehr treffen, und ein Fahrzeug 330 befindet sich direkt vor dem Zweiradfahrer 310 entlang der erwarteten Trajektorie. Falls die erwartete Trajektorie des Zweiradfahrers 310 entlang des Pfads 346 nach unten liegt, wird der Zweiradfahrer 310 keinen Querverkehr antreffen, aber es gibt einen Fußgänger 320, der möglicherweise die Straße an einem Punkt überquert, der entlang der erwarteten Trajektorie des Zweiradfahrers 310 liegt. Wie aus diesem Beispiel ersichtlich ist, kann jeder der unterschiedlichen Umgebungsfaktoren, die mit jeder Trajektorie assoziiert sind, berücksichtigt werden, um die Risikowahrscheinlichkeit für jeden Pfad zu bestimmen. Somit ist es kritisch, die erwartete Trajektorie des Zweiradfahrers zu bestimmen, damit die Risikowahrscheinlichkeit die Situation genau widerspiegelt.
4 zeigt ein beispielhaftes Pfadvorhersagesystem 400 zum Bestimmen der erwarteten Trajektorie eines Zweiradfahrers. Das Pfadvorhersagesystem 400 kann beispielsweise Teil des Pfadvorhersage- und Umgebungsanalysesystems 230 sein und Informationen von den Umgebungssensoren 210 und/oder den Zweiradfahrersensoren 220 verwenden, die oben mit Bezug auf 2 besprochen sind. Wie in 4 gezeigt, kann das Pfadvorhersagesystem 400 Sensor-/Bilddaten 410 und externe Daten 420 von einer beliebigen Anzahl von Sensoren und Quellen verwenden, um in Modul 430 ein Fokusgebiet des Zweiradfahrers zu schätzen. Zum Beispiel können eine Helmkamera (z. B. eine drahtlos verbundene, nach vorne gerichtete Kamera, die an einem Helm angebracht ist, der durch den Zweiradfahrer getragen wird) und/oder eine IMU, die an dem Helm angebracht ist, verwendet werden, um zu schätzen, in welche Richtung der Kopf und/oder die Augen des Zweiradfahrers, wie häufig und für welche Dauer im Laufe der Zeit zeigen.
Das Erhalten dieser Informationen von einer Helmkamera und anderen an einem Helm angebrachten Sensoren kann eine besonders robuste Detektion der Richtung bereitstellen, in die der Zweiradfahrer schaut. Dies liegt daran, dass das Sichtfeld der Kamera, wenn sie an dem Helm angebracht ist, mit dem Fokusgebiet des Zweiradfahrers korrelieren kann und die durch die IMU bereitgestellte Position die Drehung oder Bewegung des Kopfes des Zweiradfahrers in Richtung des Fokusgebiets angeben kann. Es versteht sich, dass das Modul 430 Daten von anderen Kameras und Sensoren verwenden kann, einschließlich j ener, die an dem Zweirad angebracht oder in diesen integriert sind, wie etwa eine zu dem Zweiradfahrer gerichtete Kamera, eine nach vorne gerichtete Kamera, eine nach hinten gerichtete Kamera, eine zur Seite gerichtete Kamera, Berührungssensoren usw., um das Fokusgebiet zu schätzen (z. B. durch Korrelieren der Sensordaten mit einer Kopfrichtung und/oder dem Fokusgebiet des Zweiradfahrers) und die Zuverlässigkeit des geschätzten Fokusgebiets zu verbessern. Beispielsweise kann eine zu dem Zweiradfahrer gerichtete Kamera (die sich z. B. an dem Lenker befindet) anstelle von oder zusammen mit einer Helmkamera verwendet werden, um die Kopfbahn und Augenbahn des Zweiradfahrers unter Verwendung von Bildern des Kopfes und der Augen des Zweiradfahrers zu schätzen.
Zusätzlich kann das Modul 430 externe Daten 420 von einer beliebigen Anzahl von Sensoren und Quellen verwenden, um das Fokusgebiet zu schätzen. Kartendaten können beispielsweise von externen Quellen gesammelt werden, wie etwa einem Cloud-basierten Server, einem Computer am Zweirad und/oder von einem Smartphone/einer Smartwatch des Zweiradfahrers. Die Kartendaten können die Straßengeometrie, bekannte Objekte entlang der Straße oder andere Informationen angeben, die mit anderen Sensordaten korreliert werden können, um das Fokusgebiet des Zweiradfahrers zu bestimmen. Beispielsweise können von den Kameras detektierte Objekte in der Umgebung des Zweiradfahrers gegen bekannte Landmarken geprüft werden, die in den erhaltenen Kartendaten angegeben sind, um zu erkennen, ob es ein überlappendes Fokusgebiet gibt. Als ein weiteres Beispiel können die Sensoren detektieren, ob beide Hände des Zweiradfahrers den Lenker berühren, oder können andere Haltungen des Zweiradfahrers detektieren, um die Identifizierung eines Fokusgebiets des Zweiradfahrers zu unterstützen.
Das Pfadvorhersagesystem 400 kann in Modul 440 einen oder mehrere mögliche Pfade, assoziierte Wahrscheinlichkeiten schätzen und ein Lernmodell unter Verwendung des bestimmten geschätzten Fokusgebiets, der Sensor-/Bilddaten 410 und/oder der externen Daten 420 aktualisieren. Das geschätzte Fokusgebiet kann sich mit der Zeit ändern, und jedes geschätzte Fokusgebiet kann eine andere mögliche Trajektorie für den Zweiradfahrer angeben. Dementsprechend kann das Pfadvorhersagesystem 400 in Modul 440 auch eine Bewertung und/oder Wahrscheinlichkeit, die mit jeder möglichen Trajektorie assoziiert ist, basierend auf einer beliebigen Anzahl von Faktoren bestimmen, einschließlich zum Beispiel der Zeitmenge, während der ein gegebenes Fokusgebiet das Fokusgebiet war. Je länger beispielsweise ein Zweiradfahrer auf ein bestimmtes Gebiet fokussiert, desto wahrscheinlicher kann es sein, dass die Trajektorie des Zweiradfahrers in diese Richtung sein wird.
Es versteht sich jedoch, dass zahlreiche andere Sensor-/Bilddaten 410 und externe Daten 420 verwendet werden können, um die möglichen Pfade und assoziierten Wahrscheinlichkeiten zu bestimmen. Beispielsweise können Kartendaten angeben, dass sich einer Kreuzung genähert wird, was zu drei möglichen Pfaden führen würde, und die Zeitdauer (oder Anzahl von Malen/Frequenz), während der der Zweiradfahrer seinen Kopf so dreht oder seine Augen so fokussiert, dass sich das Fokusgebiet des Zweiradfahrers auf einem bestimmten Pfad befindet, kann ein Hinweis darauf sein, dass der Zweiradfahrer wahrscheinlich einem Pfad folgen wird, der das häufig fokussierte Gebiet enthält. Als ein weiteres Beispiel können Sensordaten von einer Seitenkamera, einem Bewegungssensor und/oder einem Berührungssensor angeben, dass der Zweiradfahrer seine Hand von einer Seite des Lenkers weg angehoben hat, um eine Abbiegung in einer bestimmten Richtung zu signalisieren, wodurch die Wahrscheinlichkeit erhöht wird, dass diese bestimmte Richtung die beabsichtigte Trajektorie ist. Als ein weiteres Beispiel können Daten von einem Beschleunigungsmesser oder einer IMU angeben, dass der Zweiradfahrer sich verlangsamt und/oder zu einer Seite lehnt, um eine Abbiegung in eine bestimmte Richtung vorzunehmen, wodurch die Wahrscheinlichkeit erhöht wird, dass die bestimmte Richtung die beabsichtigte Trajektorie ist. Als ein anderes Beispiel können Kartendaten verwendet werden, um Objekte von Interesse zu identifizieren, wie etwa eine Werbetafel oder ein attraktive Gebäude, das die Aufmerksamkeit eines vorbeifahrenden Zweiradfahrers aus anderen Gründen als der Planung einer Trajektorie auf sich ziehen kann, sodass ein häufiges Fokussieren in die Richtung des Objekts von Interesse hinsichtlich seiner Wahrscheinlichkeit, dass diese Richtung wahrscheinlich die beabsichtigte Trajektorie ist, außer Acht gelassen werden kann.
Das Modul 440 kann die Likelihood (z. B. eine Pfadwahrscheinlichkeit und/oder eine Pfadbewertung), dass ein beliebiger gegebener Pfad der erwartete Pfad sein kann, unter Verwendung gewichteter Parameter (z. B. Wahrscheinlichkeiten, dass das geschätzte Fokusgebiet, die Sensor-/Bilddaten 410 und/oder die externen Daten 420 einen bestimmten Pfad angeben) schätzen. Beispielsweise kann unter Verwendung der Dauer des geschätzten Fokusgebiets und von Daten, die mit Sensordaten assoziiert sind, die angeben, dass der Zweiradfahrer seinen Arm verwendet hat, um eine Abbiegung anzugeben, die Pfadbewertung für einen gegebenen Pfad durch Folgendes berechnet werden: $S_{p a t h} = W 1 * P (p a t h i n F o V) * D u r a t i o n + W 2 * P (a r m i n d i c a t e t u r n)$
In der obigen Gleichung S_path ist die Pfadbewertung, die das Ausmaß angibt, mit dem ein gegebener möglicher path die beabsichtigte Trajektorie des Zweiradfahrers ist. Wie es sich versteht, kann die Pfadbewertung auch als eine Pfadwahrscheinlichkeit berechnet und ausgedrückt werden (z. B. P_path, ein Wert von 0 bis 1 oder ein Prozentsatz von 0 % bis 100 %). P(pathinFoV) * Duration ist die Wahrscheinlichkeit, dass sich der path innerhalb des Sichtfelds befindet, multipliziert mit der Zeitdauer, für die path als das Sichtfeld geschätzt wird. P(armindicatesturn) ist die Wahrscheinlichkeit, dass der Sensor/die externen Daten angeben, dass der Zweiradfahrer seinen Arm verwendet hat, um anzugeben, dass path die beabsichtigte Trajektorie ist. W1 und W2 können Lemmodellgewichtungen sein, die auf die bestimmten Parameter angewendet werden, und die Summe der Gewichtungen (z. B. W1 + W2) kann zum Beispiel auf 1 normiert werden. In diesem Beispiel kann W1 die Gewichtung sein, die mit dem Dauer- und Sichtfeldparameter assoziiert ist, während W2 die Gewichtung sein kann, die mit dem Armanzeigeparameter assoziiert ist. W1 und W2, und beliebige andere Parametergewichtungen, die mit anderen Parametern assoziiert sind, können durch ein Lernmodell bestimmt und aktualisiert werden, wie unten ausführlicher besprochen wird.
Durch das Verwenden dieser beispielhaften Berechnung an der in 3 veranschaulichten Kreuzung (in Kästchen 460 von 4 reproduziert) können die Bewertung und/oder Wahrscheinlichkeit für jeden der drei möglichen Pfade (des Pfads nach oben, des Pfads geradeaus und des Pfads nach unten) berechnet werden. Falls der Zweiradfahrer häufig seinen Kopf nach links gedreht hat, können die Helmkamera-Bilddaten den Baum beinhalten, die IMU-Daten können angeben, dass der Zweiradfahrer schnell und häufig entlang des Pfades nach links geschaut hat, und ein anderer Sensor/externe Daten (z. B. eine Seitenkamera und/oder Lenkerberührungssensoren) können eine hohe Wahrscheinlichkeit angeben, dass der Zweiradfahrer seinen linken Arm angehoben hat, um eine Linksabbiegung anzugeben. Darüber hinaus können der Sensor/die externen Daten angeben, dass der Zweiradfahrer seinen Kopf niemals zu dem Pfad nach rechts gedreht hat. Darüber hinaus können der Sensor/die externen Daten angeben, dass der Kopf des Zweiradfahrers hauptsächlich nach vorne gerichtet ist (in die gegenwärtige Fahrtrichtung), aber dass die Geschwindigkeit des Zweiradfahrers abnimmt, obwohl der Abstand zu dem vorausfahrenden Auto zunimmt. Als ein Ergebnis kann die Bewertung und/oder Wahrscheinlichkeit des Pfades nach links, z. B. (P_left), nahe 1 liegen (z. B. 70 %), während die Bewertung und/oder Wahrscheinlichkeit des Pfades nach rechts, z. B. (P_right), nahe 0 liegen kann (z. B. 5 %), und die Bewertung und/oder Wahrscheinlichkeit des Pfads geradeaus, z. B. (P_straight), kann im niedrigen bis mittleren Bereich (z. B. 25 %) liegen.
Wie aus diesem Beispiel ersichtlich sein sollte, kann eine beliebige Anzahl von Faktoren, die mit jeder Trajektorie assoziiert sind, (z. B. basierend auf dem bestimmten Fokuspunkt/Sichtfeld und/oder dem Sensor/den externen Daten) berücksichtigt werden, um die Pfadbewertung und/oder Pfadwahrscheinlichkeit zu bestimmen, dass eine potenzielle Trajektorie die erwartete Trajektorie ist. Das Pfadvorhersagesystem 400 kann dann die Pfadbewertungen und/oder Pfadwahrscheinlichkeiten jedes Pfads verwenden, um in Modul 450 die erwartete Trajektorie des Zweiradfahrers zu bestimmen.
Das Bestimmen der erwarteten Trajektorie kann beispielsweise auf einem Verhaltensmuster des Zweiradfahrers/Fußgängers basieren (z. B. mit diesem gewichtet werden). Es versteht sich, dass sich das Verhaltensmuster eines Zweiradfahrers von anderen Zweiradfahrern unterscheiden kann, und wenn andere Umgebungsfaktoren gleich sind, sich die erwartete Trajektorie eines Zweiradfahrers daher unter denselben Umgebungsbedingungen von einem anderen Zweiradfahrer unterscheiden kann. Um das Verhalten eines Zweiradfahrers zu berücksichtigen, kann ein Lernmodell verwendet werden, um die Schätzleistung im Laufe der Zeit zu verbessern. Das Lernmodell kann beispielsweise einen Satz üblicher Routen (tatsächliche Bewegungen/Trajektorien) speichern, die zu einer gegebenen Zeit mit einem Zweiradfahrer assoziiert wurden, sodass eine zeitbasierte Eingabe mit einer höheren Bewertung und/oder Wahrscheinlichkeit korreliert werden kann, dass eine der üblichen Routen des Zweiradfahrers die erwartete Trajektorie ist (z. B. kann ein Zweiradfahrer eine Pendelroute haben, die zu Beginn und am Ende des Arbeitstages verwendet wird). In ähnlicher Weise kann das Lernmodell Daten speichern, die die tatsächliche durch den Zweiradfahrer gewählte Trajektorie mit den zu dieser Zeit erfassten Umgebungs- und Zweiradfahrerdaten (z. B. Kopfposition, Augenposition, Armbewegung, Sichtfeld, Aufmerksamkeit usw.) assoziieren. Im Laufe der Zeit können diese Lernmodelldaten verwendet werden, um die Vorhersage der erwarteten Trajektorie des Zweiradfahrers zu verbessern. Beispielsweise kann das Lernmodell bestimmen, dass ein bestimmter Zweiradfahrer tief Luft holt, sein Gewicht in den Sattel nach vorne verschiebt, und seinen Kopf zweimal in rascher Folge in die Richtung einer Abbiegung dreht, bevor er eine Abbiegung in eine bestimmte Richtung vornimmt. Somit kann das Lernmodell durch Erkennen dieser Handlungen aus den Umgebungs- und Zweiradfahrerdaten die Likelihood des Schätzens der erwarteten Trajektorie des Zweiradfahrers verbessern. Solche Lernmodelldaten können lokal gespeichert/verarbeitet und/oder von/zu einem Cloud-basierten Server empfangen/übertragen werden.
Das Lernmodell kann eine beliebige Anzahl von Parametern und Gewichtungen beinhalten, die mit jedem der Parameter assoziiert sind (z. B. die relative statistische Wichtigkeit eines beliebigen bestimmten Parameters zu dem Bestimmen der Pfadbewertung, wie oben mit Bezug auf W1 und W2 besprochen). Die Handsignalisierung kann zum Beispiel ein besonders starker Prädiktor einer erwarteten Trajektorie sein, sodass das Lernmodell Daten, die mit der Handsignalisierung assoziiert sind, mehr Gewichtung geben kann. Es versteht sich, dass beliebige der oben besprochenen Umgebungs- und Zweiradfahrerdaten mit dem Lernmodell verwendet werden können. Eine Maschinenlernimplementierung kann verwendet werden, um das Lernmodell zu erstellen und anzupassen.
Das Lernmodell kann unter Verwendung von Vergleichen der erwarteten Trajektorie im Vergleich zu der tatsächlichen Trajektorie trainiert werden (z. B. der Fehler), und das Training des Modells kann davon abhängen, wie das Lernmodell implementiert wird. Mit anderen Worten kann das Pfadvorhersagesystem 400 das Lernmodul in Modul 450 verwenden, um die erwartete Trajektorie des Zweiradfahrers zu bestimmen. Das Pfadvorhersagesystem 400 kann auch beliebige Fehler bei der Bestimmung (z. B. die bestimmte erwartete Trajektorie im Vergleich zu der tatsächlichen Trajektorie) verwenden, um das Lernmodell neu zu trainieren. Das Trainieren des Lernmodells kann auf Verfahren mit geringer Berechnung basieren, wie etwa durch adaptive Filterung oder ein modellbasiertes Verfahren. Das Trainieren des Lernmodells kann auch auf Verfahren mit hoher Berechnung basieren, wie etwa maschinelle Lernverfahren. Ein modellbasiertes Verfahren (und/oder ein Netzwerk mit leichter künstlicher Intelligenz) kann in Echtzeit erfolgen. Dies bedeutet, dass die Parametergewichtungen des Lernmodells unter Verwendung herkömmlicher Verfahren angepasst werden können, einschließlich unter anderem LMS (Least Mean Squares), MMSE (Minimum Mean Square Error), Gearshifting einer adaptiven Rate, Entscheidungsrückmeldungsverfahren, maximale Likelihood usw.
Mit einem maschinellen Lernverfahren kann es vorteilhaft sein, das Training auf einem Cloud-basierten Server durchzuführen, und dann kann das erneut trainierte Modell von der Cloud erhalten werden. Zum Beispiel kann das Pfadvorhersagesystem (z. B. das Pfadvorhersagesystem 400) eine Ende-zu-Ende-Over-the-Air(OTA)-Aktualisierung verwenden, um ein aktualisiertes Lernmodell von dem Cloud-basierten Server zu empfangen, um die Daten zu komprimieren, damit Verkehr reduziert wird, die Daten zu verschlüsseln und zu authentifizieren, damit die Sicherheit beibehalten wird, den Datenschutz der Daten zu schützen und die Client-Server-Transaktion zu sichern. Um den Bedarf an lokaler Verarbeitung (z. B. am Zweirad oder Fußgänger) zu reduzieren, kann ein Cloud-basierter Server die Verarbeitung für das Neutraining durchführen.
Erneut mit Bezug auf 2 kann das Pfadvorhersage- und Umgebungsanalysemodul 230 eine Risikowahrscheinlichkeit (z. B. eine Risikobewertung oder Sicherheitsbewertung) bestimmen, das mit der bestimmten erwarteten Trajektorie des Zweiradfahrers assoziiert ist, und insbesondere eine Wahrscheinlichkeit, dass eine gefährliche Situation vorliegt und die dem Zweiradfahrer möglicherweise nicht bewusst ist. Die Sicherheitsbewertung kann unter Verwendung von Risikomodellen berechnet werden, die das Risiko schätzen, das mit einem Kontrollverlust des Zweirads assoziiert ist oder mit einer potenziellen Kollision assoziiert ist. Es ist wichtig, dass das Risikomodell von der Perspektive des Zweiradfahrers aus sein muss, und herkömmliche fahrzeugbasierte Risiko-/Sicherheitsmodelle sind möglicherweise nicht geeignet. Beispielsweise können herkömmliche fahrzeugbasierte Modelle einen Zweiradfahrer wie einen ungeschützten Verkehrsteilnehmer (VRU: Vulnerable Road User) behandeln und ein unstrukturiertes Sicherheitsmodell unter Verwendung eines Ansatzes mit erreichbarem Satz anwenden, um zu bestimmen, ob die Konstellation von Verkehrsobjekten sicher oder unsicher ist. Von der Perspektive eines Zweiradfahrers aus kann das Sicherheitsmodell jedoch von dem Typ von Ort abhängen, in dem das Zweirad gegenwärtig fährt oder voraussichtlich fahren wird (z. B. auf einer Straße, die mit Fahrzeugverkehr geteilt wird, auf einer Fahrradspur, die sich neben dem Fahrzeugverkehr befindet, auf einer Fahrradspur, die von Fahrzeugverkehr getrennt ist), oder in einer Fußgängerzone. Wenn beispielsweise der Zweiradfahrer in einer Straße agiert, die mit Fahrzeugverkehr geteilt wird (z. B. mit oder ohne definierte Fahrradspuren), könnte ein strukturiertes Risiko-/Sicherheitsmodell verwendet werden, bei dem die Risikowahrscheinlichkeit/Sicherheitsbewertung von longitudinalen und lateralen Abstandsprüfungen zu anderen Verkehrsobjekten abhängen kann. Wenn der Zweiradfahrer auf einem gemeinsamen Rad- und Fußweg fährt, könnte jedoch ein Risiko-/Sicherheitsmodell eines erreichbaren Satzes verwendet werden.
Beispiele für unterschiedliche Typen von Orten sind in den 5A-5C dargestellt. 5A zeigt, dass ein Zweiradfahrer 510 in ein Kreuzungsstraßensegment fährt, das mit einigen wenigen anderen Fahrzeugen geteilt wird. In 5b fährt der Zweiradfahrer 510 auf einem stark befahrenen Straßensegment, das mit vielen anderen Fahrzeugen geteilt wird. 5c zeigt den Zweiradfahrer 510, der auf einem Straßensegment (z. B. in einer Fußgängerzone oder auf einem Fußweg) fährt, das mit vielen Fußgängern geteilt wird. Um den Umgebungstyp zu detektieren und von einem Risiko-/Sicherheitsmodell zu einem anderen umzuschalten, können die Sensoren/externen Daten verwendet werden (z. B. eine Helmkamera, eine nach vorne gerichtete Kamera, eine Seitenkamera, eine Rückkamera, LiDAR, GPS-Sensoren, Karteninformationen, V2X-Nachrichten usw.), um zu bestimmen, welche Art von Ort das Zweirad gegenwärtig beführt. Falls beispielsweise die Anzahl von Fußgängern, die durch die Sensoren/externen Daten detektiert werden, eine gewisse Schwelle überschreitet, kann ein unstrukturiertes Modell verwendet werden, andernfalls kann ein strukturiertes Modell verwendet werden.
Zusätzlich zu einem anderen Risiko-/Sicherheitsmodell, das in Abhängigkeit von der Art des Orts angewendet werden kann, kann auch das Warnsystem (z. B. das Alarmsystem 250, das Verlangsamungssystem 260 und/oder das Steuersystem 270, die oben mit Bezug auf 2 beschrieben sind) von der Art des Orts abhängen, an dem das Zweirad fährt oder der Fußgänger läuft. Zum Beispiel unter Verwendung des Beispiels von 5b, bei dem der Zweiradfahrer 510 auf einem stark befahrenen Straßensegment fährt, das mit vielen Fahrzeugen geteilt wird, kann sich der Zweiradfahrer wahrscheinlich über den Verkehr bewusst sein, und falls ja, kann es störend und zweckwidrig sein, eine Warnung für jedes nahegelegene oder vorbeifahrende Fahrzeug bereitzustellen. Somit kann das Warnsystem die Warnungen auf einen schmalen Satz von Situationen beschränken, bei der zum Beispiel das Verkehrsobjekt (z. B. das Fahrzeug) unmittelbar vor dem Radfahrer plötzlich bremst.
Die Situation kann jedoch für die in 5A dargestellte Situation unterschiedlich sein, bei der der Zweiradfahrer 510 auf einer leeren Straße fährt, auf der wenige andere Fahrzeuge erwartet werden. An einem solchen Ort kann das Warnsystem häufigere Warnungen liefern, um den Zweiradfahrer zu warnen, wenn neue Verkehrsobjekte in der Nähe erscheinen. Das Warnsystem kann sich auch für die in 5c dargestellte Situation unterscheiden, bei der der Zweiradfahrer 510 in einem geschäftigen Fußgängerbereich fährt. An einem solchen Ort kann der Zweiradfahrer sich bereits über in der Nähe befindliche Fußgänger bewusst sein und möglicherweise nur Warnungen benötigen, wenn sich zum Beispiel detektierte Verkehrsobjekte (z. B. Fußgänger, andere Radfahrer usw.) schneller als der Zweiradfahrer bewegen, oder wenn Verkehrsobjekte eine erwartete/vorhergesagte Trajektorie in Richtung des Zweiradfahrers aufweisen. Darüber hinaus kann es für das Warnsystem auch angemessen sein, eine Warnung bereitzustellen, falls die Geschwindigkeit des Zweiradfahrers einen Schwellenwert überschreitet, der für die gegebene Dichte von Verkehrsobjekten geeignet ist. Beispielsweise kann ein sehr überfüllter Fußgängerbereich mit einem konservativeren Warnsystem assoziiert sein (z. B. eine Warnung bei einer niedrigeren Geschwindigkeitsschwelle bereitstellen), wohingegen ein leerer Fußgängerbereich mit einem großzügigeren Warnsystem assoziiert sein kann (z. B. eine Warnung bei einer höheren Geschwindigkeitsschwelle bereitstellen).
Als weiteres Beispiel kann das Warnsystem abstandsbasiert sein, sodass, falls irgendein Verkehrsobjekt innerhalb eines Schwellensicherheitsabstands (z. B. innerhalb von 1,5 - 2 Metern des Zweiradfahrers) kommt, das Warnsystem eine Näherungswarnung bereitstellen kann. Wie oben mit dem Geschwindigkeitsbeispiel angemerkt, kann die abstandsbasierte Schwelle von der Umgebung abhängen, wobei ein relativ leerer Ort eine höhere Abstandsschwelle aufweisen kann und ein relativ überfüllter Ort eine niedrigere Abstandsschwelle aufweisen kann. In diesem Sinne kann das Warnsystem ein parametrisiertes Modell verwenden, das eine beliebige Anzahl von Parametern und assoziierte Schwellen verwendet, wobei jeder Satz auf der Art von Ort basieren kann, um zu bestimmen, ob eine Warnung bereitgestellt werden soll. Darüber hinaus kann das parametrisierte Modell basierend auf der Bewegung des Zweiradfahrers/Fußgängers nicht nur bei Bewegung von einer Art von Ort (z. B. einer leeren Straße) zu einer anderen Art von Ort (z. B. einer überfüllten Fußgängerzone) modifiziert werden, sondern auch darauf, wie sich tatsächliche Bewegungen des Zweiradfahrers von denen unterscheiden können, die das parametrisierte Modell erwartet. In einem solchen Fall kann das Modell auf einen konservativeren Parametersatz umschalten und dem Zweiradfahrer/Fußgänger einen Alarm bereitstellen, dass sich das Modell geändert hat. Wie zuvor mit Bezug auf das Risiko-/Sicherheitsmodell angemerkt wurde, können beliebige der Sensoren/externen Daten verwendet werden, um die Arten von Ereignissen auszuwählen, die das Warnsystem aktivieren, und die Auswahl kann zum Beispiel auf Karteninformationen, Verkehrsinformationen (z. B. Dichte), Kamerainformationen, IMU-Informationen usw. basieren.
Das Warnsystem kann die Konstellationen zwischen dem Zweiradfahrer und den anderen Verkehrsteilnehmern (z. B. Fahrzeugen, Fußgängern, anderen Zweiradfahrern usw.) und statischen Objekten (z. B. Straßenlampen, Verkehrsschwellen usw.) mehrmals prüfen, und jedes Mal kann das Warnsystem einen anderen Parametersatz verwenden, um zu bestimmen, ob eine Warnung und welcher Typ davon ausgegeben werden sollte (z. B. einen Alarm, passive Verlangsamung oder aktive Steuerung). Beispielsweise kann, falls eine Verkehrsschwelle in dem nächsten Straßensegment des Zweiradfahrers auftritt, der Abstand zwischen dem Zweirad und dem sich annähernden Hindernis überwacht werden, um zu bestimmen, ob er eine gewisse Schwelle überschreitet. Zum Beispiel kann der Mindestabstand d_min durch die folgende beispielhafte Gleichung bestimmt werden: $d_{m i n} = v ρ + α ρ^{2} + \frac{{(v + 2 ρ α)}^{2}}{2 β}$
In der obigen Gleichung ist ρ die Reaktionszeit des Zweiradfahrers, die basierend auf der Bewusstheit des Zweiradfahrers über die Situation angepasst werden kann, v ist die aktuelle Geschwindigkeit des Zweiradfahrers, α ist die maximale Beschleunigung des Zweiradfahrers (für diesen Wert kann eine Schätzung verwendet werden, die eine Schlimmstfall-Schätzung sein kann) und β ist die Abbremsung des Zweiradfahrers.
Wie oben mit Bezug auf 2 angemerkt, kann das System ein mehrstufiges Warnsystem verwenden, das ein Alarmsystem (z. B. Alarmsystem 250), ein Verlangsamungssystem (z. B. Verlangsamungssystem 260) und/oder ein Steuersystem (z. B. Steuersystem 270) beinhalten kann, und der Eingriff jeder Stufe kann auf unterschiedlichen Schwellen basieren. Beispielsweise kann das Warnsystem bei einer frühen Schwelle zuerst dem Zweiradfahrer einen Alarm liefern und dann bei einer späteren Schwelle der zweiten Stufe (falls die gefährliche Situation immer noch besteht) die Antriebskraft des Zweiradfahrers ausschalten (z. B. den Elektromotor im Fall eines Elektrofahrrads deaktivieren), und dann bei einer späteren Schwelle der dritten Stufe (falls die gefährliche Situation immer noch besteht) das Zweirad steuern/anweisen, die Bremsen anzuwenden. Die unterschiedlichen Schwellen können unter Bezugnahme auf die obige beispielhafte Gleichung von unterschiedlichen Werten von β abhängen. Zum Beispiel kann das Alarmsystem einen Alarm senden, wenn der Abstand zu einem Objekt d_min überschreitet, festgelegt mit $β = 1 \frac{m}{s^{2}} .$
Das Verlangsamungssystem kann die Antriebskraft des Zweirads deaktivieren, wenn der Abstand zu einem Objekt d_min überschreitet, festgelegt mit $β = 3 \frac{m}{s^{2}} .$
Das Steuersystem kann die Antriebskraft des Zweirads deaktivieren, wenn der Abstand zu einem Objekt d_min überschreitet, festgelegt mit $β = 4 \frac{m}{s^{2}} .$
Die Verwendung von erhöhten Schwellen für das Verlangsamungs- und/oder Steuersystem im Vergleich zu dem Alarmsystem stellt sicher, dass der Zweiradfahrer zuerst einen Alarm empfängt, bevor eine Gegenmaßnahme angewendet wird (z. B. passives Deaktivieren des Motors, aktives Betätigen der Bremsen usw.).
Wie oben mit Bezug auf die beispielhafte Gleichung für d_min angemerkt, kann die Reaktionszeit, p, von der Bewusstheit des Zweiradfahrers über die Situation abhängen. Allgemeiner kann, ob das System einen Aspekt des Warnsystems (z. B. Alarmsystem 250, Verlangsamungssystem 260 und/oder Steuersystem 270) aktiviert, auf der Bewusstheit des Zweiradfahrers über die Situation basieren. Das System kann die Bewusstheit des Zweiradfahrers über die Situation unter Verwendung eines beliebigen des oben besprochenen Sensors/der oben besprochenen externen Daten bestimmen. Beispielsweise kann eine zu dem Zweiradfahrer gerichtete Kamera verwendet werden, um die Kopfrichtung, die Augenrichtung, die Kopfverfolgung, die Augenverfolgung usw. des Zweiradfahrers zu überwachen, und kann diese mit anderen Informationen korrelieren, um den Aufmerksamkeitsbereich des Zweiradfahrers zu bestimmen, und somit, ob sich der Zweiradfahrer über den kritischen Bereich der Umgebung (z. B. der Bereich des gefährliche Ereignisses/Objekts) bewusst ist oder ob der Zweiradfahrer abgelenkt ist. Als ein anderes Beispiel können eine Helmkamera und/oder eine IMU am Helm verwendet werden, um einen Aufmerksamkeitsbereich des Zweiradfahrers zu schätzen. In Abhängigkeit von der prozentualen Überlappung des Aufmerksamkeitsbereichs des Zweiradfahrers mit dem kritischen Bereich in Bezug auf das gefährliche Ereignis/Objekt kann eine Bewusstheitsbewertung berechnet werden und verwendet werden, um die Reaktionszeit zu skalieren. Beispiele für solche Reaktionszeitskalierungsfaktoren sind in der folgenden Tabelle bereitgestellt, obwohl andere Skalierungsfaktoren, und für eine beliebige Anzahl von Prozentsätzen, verwendet werden können:

Prozentuale Überlappung Skalierungsfaktor

100 % 1,0

50% 2,0

0% 4,0
Unter Verwendung der Beispiele in der obigen Tabelle kann, falls die Überlappung des Aufmerksamkeitsbereichs des Zweiradfahrers mit dem kritischen Bereich 100 % beträgt, dies darauf hinweisen, dass es sehr wahrscheinlich ist, dass sich der Zweiradfahrer vollständig über das mit dem kritischen Bereich assoziierte gefährliche Ereignis/Objekt bewusst ist. Daher kann der Skalierungsfaktor auf 1,0 gesetzt werden, und die Basislinienreaktionszeit kann ohne Skalierung verwendet werden. Falls somit die Basislinienreaktionszeit 1 Sekunde beträgt, kann dann 1 Sekunde als die erwartete Reaktionszeit verwendet werden und um zu bestimmen, ob das Warnsystem aktiviert werden soll. Andererseits kann, falls die Überlappung des Aufmerksamkeitsbereichs des Zweiradfahrers mit dem kritischen Bereich nur 50 % beträgt, dies darauf hinweisen, dass nur ein Teil des gefährlichen Ereignisses innerhalb des Aufmerksamkeitsbereichs des Zweiradfahrers liegt. Daher kann der Skalierungsfaktor auf 2,0 gesetzt werden. Falls somit die Basislinienreaktionszeit 1 Sekunde beträgt, können dann 2 Sekunden als die erwartete Reaktionszeit verwendet werden und um zu bestimmen, ob das Warnsystem aktiviert werden soll. Zusätzlich zu der prozentualen Überlappung versteht es sich, dass eine beliebige Anzahl anderer Parameter berücksichtigt werden kann, die sich auf den Skalierungsfaktor und schlussendlich, ob das Warnsystem aktiviert werden soll, auswirken. Es versteht sich auch, dass das Warnsystem verwendet werden kann, um eine beliebige Art von gefährlichem Ereignis/Objekt zu detektieren, und dass solche Ereignisse nicht auf Objektdetektion beschränkt sind. Beispielsweise kann das gefährliche Ereignis ein Schlagloch, nasse Straßenbedingungen usw. sein, und die gefährlichen Ereignisse können unter Verwendung von Daten von beliebigen der oben beschriebenen Umgebungssensoren, Zweiradfahrersensoren und/oder externen Quellen detektiert werden.
Das mehrstufige Warnsystem (z. B. das Alarmsystem 250, das Verlangsamungssystem 260 und/oder das Steuersystem 270, die oben mit Bezug auf 2 besprochen wurden) kann das Alarmsystem (z. B. Alarmsystem 250) auf eine beliebige Anzahl von Weisen implementieren, um den Zweiradfahrer/Fußgänger vor dem bestimmten gefährlichen Ereignis/Objekt zu warnen. Zum Beispiel kann das Zweirad haptische Vorrichtungen innerhalb des Lenkers/der Griffe und/oder des Sattels/Sitzes aufweisen, die beginnen, als ein Alarm zu vibrieren. Der Alarm kann in dem Sinne direktional sein, dass zum Beispiel nur eine Seite oder ein Teil des Lenkers oder Sattels vibriert, damit die Richtung der gefährlichen Situation angegeben wird. Zusätzlich dazu kann die Frequenz, Intensität und/oder Amplitude der Vibration angepasst werden, um die Schwere, Nähe und/oder Art der gefährlichen Situation widerzuspiegeln.
Beispielsweise zeigen 6A und 6B Beispiele dafür, wie unterschiedliche Alarmsysteme unterschiedlich eingreifen können, in Abhängigkeit von beispielsweise der Schwere/Art des Ereignisses und der Bewusstheit des Zweiradfahrers. 6A zeigt eine Szene 600, in der sich das Sichtfeld 610 des Zweiradfahrers (z. B. Aufmerksamkeitsbereich) geringfügig auf der rechten Seite befindet. Während sich das Sichtfeld 610 des Zweiradfahrers auf der rechten Seite befindet, hat das System ein sehr gefährliches Ereignis 620 auf der linken Seite detektiert. Da das Sichtfeld 610 des Zweiradfahrers auf der rechten Seite ist, ist sich der Zweiradfahrer möglicherweise dem Ereignis nicht bewusst. Somit kann das Alarmsystem bewirken, dass ein Alarm an dem linken Lenker unter Verwendung intensiver und häufiger Vibrationen 630 ausgelöst wird, um den Zweiradfahrer vor dem hochgefährlichen Ereignis 620 zu warnen. 6b zeigt eine Szene 605, in der das Sichtfeld 615 des Zweiradfahrers (z. B. Aufmerksamkeitsbereich) entlang der Fahrtrichtung liegt, und der Zweiradfahrer erscheint unabgelenkt. Ein Fahrzeug 625 nähert sich von der Rückseite und scheint eine normale und sichere Trajektorie aufzuweisen, um den Zweiradfahrer zu überholen. Um den Zweiradfahrer über das vorbeifahrende Fahrzeug zu warnen, kann das Alarmsystem unter Verwendung von Vibrationen 635 bewirken, dass ein Alarm an dem linken Lenker und/oder in der Rückseite des Sattels (nicht gezeigt) ausgelöst wird. Da es erscheint, dass der Zweiradfahrer auf die Situation achtet und das Fahrzeug 625 keine besonders starke Gefahr darstellt, können die Vibrationen 635 weniger intensiv und/oder weniger häufig sein als beispielsweise die, die mit Bezug auf 6A besprochen werden.
Zusätzlich dazu kann das Alarmsystem Alarme zu anderen Systemen oder Vorrichtungen (z. B. einem Smartphone/einer Smartwatch des Zweiradfahrers/Fußgängers, einem Computer am Zweirad, einem Heads-Up-Display an einem Helm, am Zweirad oder in einer Brille) bereitstellen, um Informationen über die gefährliche Situation (z. B. ein Bild eines Objekts, das mit der gefährlichen Situation assoziiert ist) anzuzeigen. Um die angezeigten Informationen zu erzeugen, kann das Alarmsystem beliebige der Daten von beliebigen der Sensoren, intern oder extern, verwenden und/oder kombinieren. Beispielsweise kann ein durch eine Kamera am Zweirad aufgenommenes Bild hervorgehoben werden, um das kritische Objekt zu identifizieren oder eine Trajektorie eines sich nähernden Objekts anzuzeigen. Zusätzlich dazu kann das Alarmsystem bewirken, dass ein hörbarer Alarm am Zweirad oder anderen Systemen/Vorrichtungen (z. B. Lautsprecher am Zweirad, Kopfhörer, einem Smartphone/einer Smartwatch, Helm) abgespielt wird. Alarme können unter Verwendung von drahtgebundenen oder drahtlosen Verbindungen unter Verwendung von Protokollen wie etwa WiFi, Bluetooth, zellulär usw. geliefert werden.
Es versteht sich, dass das Alarmsystem zusätzlich zum Bereitstellen eines Alarms auch eine Abschwächungsstrategie bereitstellen kann. Zum Beispiel könnte eine Alarmnachricht Informationen über eine geeignete Aktion beinhalten, die das Risiko abschwächen kann. Zum Beispiel kann die Alarmnachricht Text beinhalten, wie etwa „Bremsen!", oder eine Augmentation beinhalten, wie etwa eine Hervorhebung, um einen empfohlenen sicheren Pfad auf einem angezeigten Bild zu zeigen. Zusätzlich kann der Alarm auch Informationen über andere Sicherheitsaspekte beinhalten, wie etwa den Zweiradfahrer daran erinnern, beide Hände auf den Lenker zu platzieren, abzubremsen oder Acht zu geben, wenn sich der Zweiradfahrer einer bestimmten Situation nähert, wie etwa beispielsweise einer Straßenabbiegung (z. B. einer gefährlichen Kurve), einer Verkehrsschwelle oder einer Schulzone.
Außerdem kann das Alarmsystem auch Alarme für andere Verkehrsobjekte liefern. Beispielsweise können Licher des Zweirads/Fußgängers verwendet werden, um andere Verkehrsobjekte zu informieren, dass sie möglicherweise eine gefährliche Situation verursachen. Beispielsweise sei angenommen, dass ein Fahrzeug sehr nahe an einem Zweiradfahrer fährt. Das Umgebungsanalysesystem kann angeben, dass dieses Fahrzeug eine gefährliche Situation für den Zweiradfahrer erzeugt hat, somit kann das Alarmsystem dann bewirken, dass die Lichter beginnen, zu blinken, um den Fahrzeugführer (und potenziell andere Fahrzeuge) zu informieren, dass es den Zweiradfahrer mit einem unsicheren Abstand genähert hat.
Zusätzlich kann das Alarmsystem auch einen Notruf/eine Notfallnachricht an ein Notfalleinsatzzentrum, wie etwa einen Notfall-Dispatcher, eine Feuerwache, eine Polizeistelle und/oder ein Krankenhaus ausgeben, falls das System detektiert, dass der Zweiradfahrer/Fußgänger an einem tatsächlichen Unfall beteiligt war. Es versteht sich, dass das System den Notruf/die Notfallnachricht unter Verwendung einer beliebigen Art von Verbindung übertragen kann, die über ein Smartphone/eine Smartwatch, einen Zweiradcomputer, eine V2X-Schnittstelle usw. verfügbar sein kann.
Zusätzlich zum Alarmsystem (z. B. das oben mit Bezug auf 2 besprochene Alarmsystem 250) kann das mehrstufige Warnsystem auch passive Handlungen (z. B. das oben mit Bezug auf 2 besprochene Verlangsamungssystem 260) und/oder aktive Handlungen (z. B. das oben mit Bezug auf 2 besprochene Steuersystem 270) auslösen, um das Risiko des gefährlichen Ereignisses mit einer beliebigen Anzahl von Gegenmaßnahmen zu mindern. Wie oben besprochen, können diese Handlungen (passiv oder aktiv) in Abhängigkeit davon ausgelöst werden, ob das potenzielle Risiko eine Schwellenbedingung erfüllt oder überschreitet.
Falls das System aktive Handlungen auslöst (z. B. aktives Bremsen oder aktives Lenken), kann es wichtig sein, sicherzustellen, dass die Gegenmaßnahme selbst keine unsichere Situation erzeugt. Beispielsweise muss eine Bremshandlung möglicherweise stark genug sein, um die Geschwindigkeit zu verringern, aber nicht zu stark, um zu bewirken, dass die Reifen blockieren und eine Kontrollverlustsituation für den Zweiradfahrer erzeugen. Um sicherzustellen, dass die aktiven Handlungen selbst sicher sind, können Sensoren und externe Daten verwendet werden, um die Umgebung und die Bewegung des Zweiradfahrers zu überwachen, um ein Risiko zu bestimmen, dass die Abhilfemaßnahme einen Kontrollverlust verursachen wird. Zum Beispiel kann ein IMU-Sensor (z. B. in das Zweirad integriert, als Teil eines Zweiradcomputers, als Teil eines Smartphones, an dem Helm angebracht usw.) verwendet werden, um Beschleunigungen des Zweiradfahrers in eine beliebige Richtung zu detektieren. Falls das System einen Schwellenbeschleunigungsgrad oder einen speziellen Schräglaufwinkel detektiert, löst das Steuersystem möglicherweise nicht die aktive Handlung aus.
Zusätzlich dazu können andere Daten verwendet werden, um zu bestimmen, ob es sicher ist, die aktive Handlung auszulösen. Falls beispielsweise ein Berührungssensor im Lenker angibt, dass der Zweiradfahrer nur eine Hand (oder keine Hände) an dem Lenker hat, kann das Steuersystem ablehnen, eine aktive Bremshandlung auszulösen, um zu vermeiden, einen Kontrollverlust zu verursachen. Als weitere Beispiele können andere Sensoren/externe Daten Informationen über die Straßengeometrie (z. B. Steigung der Straße, die durch eine IMU detektiert wird), die Straßenqualität/-reibung (z. B. ob die Straße nass/trocken ist oder ob es Straßenbeschädigungen oder ein Schlagloch gibt, die durch eine Kamera detektiert werden), die Bewegung des Zweiradfahrers (z. B. Geschwindigkeit oder Beschleunigung, die durch eine IMU und/oder ein GPS detektiert werden), die Haltung des Zweiradfahrers (z. B. die Sitzposition des Zweiradfahrers, die durch Drucksensoren detektiert wird) und die Art des Zweirads (z. B. die Art der Bremsen, die aus einer Zweiraddatenbank bereitgestellt werden) bereitstellen, um zu bestimmen, ob die Handlung ausgelöst werden soll. Schlussendlich kann das Steuersystem das Risiko des gefährlichen Ereignisses (z. B. seine Schwere und Likelihood) mit dem Risiko eines Kontrollverlusts vergleichen, das durch die Abschwächungsmaßnahme (z. B. das aktive Bremsen) verursacht werden kann, und nur falls es eine Schwellendifferenz zwischen den beiden gibt (z. B. ist das Risiko des gefährlichen Ereignisses signifikant größer als das Risiko eines Kontrollverlusts), wird das Steuersystem die aktive Handlung auslösen. Außerdem kann das Steuersystem eine Optimierungsschleife verwenden, die das Risiko des gefährlichen Ereignisses mit dem Risiko eines Kontrollverlusts vergleicht, um einen sicheren Wert für die Abschwächungsmaßnahme zu finden (z. B. um eine sichere Bremskraft zu bestimmen).
Ein Beispiel für diesen Risikovergleich ist in 7 gezeigt, die einen beispielhaften Risikovergleich 700 zeigt, der durch ein Steuersystem (z. B. das oben mit Bezug auf 2 besprochene Steuersystem 270) durchgeführt werden kann, das eine abschwächende Bremshandlung auslösen kann. Der Risikovergleich 700 kann bei 710 die Umgebung, in der sich das Zweirad fährt, überwachen, um Informationen über die Straßenbedingungen (z. B. Schlaglöcher, Nässe usw.), und bei 720 die Bewegung/Stellung des Zweirads und des Zweiradfahrers (z. B. Lenkersteuerung, Sitzposition, Rollen/Nicken/Gieren, Geschwindigkeit, Beschleunigung usw.) zu erhalten, um Daten zu erhalten, die für das Bestimmen, bei 730, des Risikos (z. B. der Schwere und Likelihood) eines Kontrollverlusts des Zweirads relevant sein können, falls eine bestimmte Abschwächungsmaßnahme (z. B. Bremsen) implementiert wird. Wie zuvor erläutert, können Sensoren und externe Quellen (z. B. Kameras, LiDAR, IMUs, V2X-Nachrichten, Kartendaten usw.) verwendet werden, um die Umgebung und den Zweiradfahrer zu überwachen, um relevante Daten zu erhalten.
Der Risikovergleich 700 kann bei 740 auch Informationen über ein gefährliches Hindernis empfangen, das durch ein Umgebungsanalysemodul detektiert wurde (z. B. durch das oben mit Bezug auf 2 beschriebene Pfadvorhersage- und Umgebungsanalysemodul 230). Als Nächstes kann der Risikovergleich 700 bei 750 das mit dem gefährlichen Hindernis assoziierte Risiko (z. B. die Schwere und Likelihood) empfangen oder berechnen. Als Nächstes wird bei 760 das mit dem gefährlichen Hindernis assoziierte Risiko mit dem Risiko eines Kontrollverlusts aufgrund der Abschwächungsmaßnahme verglichen. In einem Beispiel kann die Abschwächungsmaßnahme eine Bremshandlung sein, der Risikovergleich 700 bestimmt bei 760, ob es sicher ist, eine Bremshandlung zu implementieren, und falls ja, mit welcher Bremskraft. Idealerweise bestimmt der Risikovergleich 700 die Bremskraft bei einem Schwellenniveau, bei dem das Risiko eines Kontrollverlusts aufgrund von Bremsen geringer ist als das mit dem gefährlichen Hindernis assoziierte Risiko.
Es versteht sich, dass 7 nur ein Beispiel ist, und das System Risiken für eine beliebige Art von Abschwächungsmaßnahme vergleichen und sichere Werte zum Implementieren anderer Abschwächungsmaßnahmen bestimmen kann. Beispielsweise kann aktives Lenken auch eine Abschwächungsmaßnahme sein, bei der ein kleiner Motor im Lenkpfosten des Zweirads ausgelöst werden kann, um das Rad zu drehen, um zum Beispiel von einem sich nähernden Objekt wegzulenken. Außerdem können Abschwächungsmaßnahmen kombiniert werden, um das Risiko einer gefährlichen Situation zu minimieren. Falls das System beispielsweise eine gefährliche Situation in der Form einer rutschigen Schotterstraße detektiert, bei der der Zweiradfahrer bereits begonnen hat, die Kontrolle zu verlieren. Das System kann eine Reihe von Lenk- und Bremshandlungen auslösen, um das Zweirad zu stabilisieren. Es versteht sich auch, dass anstelle des Bestimmens und Vergleichens von Risiken in Echtzeit sich Risiken und Vergleiche in einer Nachschlagetabelle befinden können, die Bremskräfte und Werte zum Implementieren anderer Abschwächungsmaßnahmen bereitstellen wird, die für die gegebene Risikokonstellation geeignet sind. Ein Nachschlageverfahren kann besonders hilfreich sein, wenn die Echtzeitverarbeitungsfähigkeit des Zweirads beschränkt ist.
8 ist eine schematische Zeichnung, die eine Einrichtung 800 zum aktiven Überwachen und Reagieren auf die Sicherheit der Situation eines Zweiradfahrers und/oder Fußgängers veranschaulicht. Die Einrichtung 800 kann beliebige der Sicherheitssystemmerkmale beinhalten, die oben mit Bezug auf, als Beispiele, das aktive Sicherheitssystem von 1, das aktive Sicherheitssystem 200 von 2, das Pfadvorhersagesystem 400 von 4 und/oder den Risikovergleich 700 von 7 beschrieben sind. 8 kann als eine Einrichtung, ein Verfahren und/oder ein computerlesbares Medium implementiert sein, das bei seiner Ausführung die Merkmale der oben beschriebenen Sicherheitssysteme durchführt. Es versteht sich, dass die Einrichtung 800 nur ein Beispiel ist und andere Konfigurationen möglich sein können, die beispielsweise andere Komponenten oder zusätzliche Komponenten beinhalten.
Die Einrichtung 800 beinhaltet einen Prozessor 810. Zusätzlich oder in Kombination mit beliebigen der in den folgenden Absätzen beschriebenen Merkmale ist der Prozessor 810 der Einrichtung 800 dazu ausgelegt, erste Informationen zu empfangen, die eine Kopfposition eines Zweiradfahrers angeben. Der Prozessor 810 ist auch dazu ausgelegt, basierend auf den ersten Informationen ein Sichtfeld des Zweiradfahrers zu bestimmen. Der Prozessor 810 ist auch dazu ausgelegt, zweite Informationen zu empfangen, die eine Umgebung des Zweiradfahrers angeben. Der Prozessor 810 ist auch dazu ausgelegt, basierend auf dem Sichtfeld und der Umgebung eine erwartete Trajektorie des Zweiradfahrers in einem nächsten Straßensegment zu bestimmen. Der Prozessor 810 ist auch dazu ausgelegt, basierend auf dem Sichtfeld und der Umgebung eine Risikowahrscheinlichkeit für die erwartete Trajektorie des Zweiradfahrers im nächsten Straßensegment zu bestimmen. Der Prozessor 810 ist auch dazu ausgelegt, eine Anweisung zum Übertragen einer Warnung an den Zweiradfahrer zu erzeugen, falls die Risikowahrscheinlichkeit einen Schwellenwert überschreitet.
Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder des vorhergehenden Absatzes mit Bezug auf die Einrichtung 800, der Prozessor 810 ferner dazu ausgelegt sein, die erwartete Trajektorie des Zweiradfahrers basierend auf einer Zeitdauer zu bestimmen, während der das Sichtfeld entlang einer möglichen Trajektorie des Zweiradfahrers liegt. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder des vorhergehenden Absatzes mit Bezug auf die Einrichtung 800, der Prozessor 810 ferner dazu ausgelegt sein, die erwartete Trajektorie des Zweiradfahrers basierend auf einer Haltung des Zweiradfahrers, die eine mögliche Trajektorie des Zweiradfahrers angibt, zu bestimmen. Ferner kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder des vorhergehenden Absatzes mit Bezug auf die Einrichtung 800, die Haltung eine Kopfdrehung des Zweiradfahrers in Richtung einer möglichen Trajektorie des Zweiradfahrers beinhalten. Ferner kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder des vorhergehenden Absatzes mit Bezug auf die Einrichtung 800, die Haltung ein Armsignal des Zweiradfahrers beinhalten, das eine mögliche Trajektorie des Zweiradfahrers angibt. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder des vorhergehenden Absatzes mit Bezug auf die Einrichtung 800, der Prozessor 810 ferner dazu ausgelegt sein, die erwartete Trajektorie des Zweiradfahrers basierend auf empfangenen Karteninformationen, die mit einem geografischen Standort des Zweiradfahrers und/oder einer möglichen Trajektorie des Zweiradfahrers assoziiert sind, zu bestimmen.
Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden zwei Absätze mit Bezug auf die Einrichtung 800, der Prozessor 810 ferner dazu ausgelegt sein, die Karteninformationen mit den ersten Informationen zu korrelieren, um eine Fokuswahrscheinlichkeit zu schätzen, dass der Zweiradfahrer auf die erwartete Trajektorie fokussiert ist. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden zwei Absätze mit Bezug auf die Einrichtung 800, der Prozessor 810 ferner dazu ausgelegt sein, die erwartete Trajektorie des Zweiradfahrers basierend auf Informationen zu bestimmen, die eine Fahrtrichtung des Zweiradfahrers und/oder eine Geschwindigkeit des Zweiradfahrers und/oder eine Beschleunigung des Zweiradfahrers angeben. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden zwei Absätze, die Einrichtung 800 ferner einen Empfänger beinhalten, der dazu ausgelegt ist, die ersten Informationen und/oder die zweiten Informationen drahtlos zu empfangen. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden zwei Absätze mit Bezug auf die Einrichtung 800, der Empfänger dazu ausgelegt sein, die ersten Informationen und/oder die zweiten Informationen unter Verwendung mindestens eines aus einem V2X-Protokoll, einem WiFi-Protokoll und/oder einem Bluetooth-Protokoll drahtlos zu empfangen.
Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden drei Absätze, die Einrichtung 800 ferner einen Sender beinhalten, der dazu ausgelegt ist, die Warnung drahtlos zu übertragen. Darüber hinaus kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieser und/oder der vorhergehenden drei Absätze bezüglich der Einrichtung 800, der Prozessor 810 ferner dazu ausgelegt sein, mehrere mögliche Trajektorien für den Zweiradfahrer zu bestimmen, und für jede mögliche Trajektorie der mehreren möglichen Trajektorien, eine Pfadbewertung und/oder -wahrscheinlichkeit zu bestimmen, die mit der möglichen Trajektorie assoziiert sind, und das nächste Straßensegment und die erwartete Trajektorie basierend auf den Pfadbewertungen und/oder -wahrscheinlichkeiten zu bestimmen. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieser und/oder der vorhergehenden drei Absätze bezüglich der Einrichtung 800, der Prozessor 810 ferner dazu ausgelegt sein, für jede mögliche Trajektorie der mehreren möglichen Trajektorien, eine mit der möglichen Trajektorie assoziierte Risikobewertung zu bestimmen, wobei die Risikobewertung auf dem Sichtfeld des Zweiradfahrers basieren kann. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieser und/oder der vorhergehenden drei Absätze mit Bezug auf die Einrichtung 800, die Risikobewertung auf einem mit der Umgebung assoziierten Sicherheitsmodell basieren, wobei das Sicherheitsmodell ein unstrukturiertes Sicherheitsmodell oder ein strukturiertes Sicherheitsmodell beinhalten kann. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieser und/oder der vorhergehenden drei Absätze mit Bezug auf die Einrichtung 800, die Risikobewertung auf mindestens einem aus einer Anzahl von Objekten in der Umgebung, einem Abstand des Zweiradfahrers von den Objekten, einer Geschwindigkeit der Objekte, einer Trajektorie der Objekte, einer Beschleunigung der Objekte, der erwarteten Trajektorie des Zweiradfahrers, einer Geschwindigkeit des Zweiradfahrers, einer Beschleunigung des Zweiradfahrers und/oder einer Straßengeometrie des nächsten Straßensegments basieren.
Darüber hinaus kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale von diesem und/oder den vorhergehenden vier Absätzen mit Bezug auf die Einrichtung 800, die Risikowahrscheinlichkeit ferner auf einem mit dem Zweiradfahrer assoziierten Lernmodell basieren, wobei das Lernmodell auf Vergleichen der erwarteten Trajektorie mit einer tatsächlichen Bewegung des Zweiradfahrers über mehrere Straßensegmente basieren kann. Darüber hinaus kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden vier Absätze bezüglich der Einrichtung 800, das Lernmodell ein datenbasiertes Lernmodell und/oder ein formelbasiertes Lernmodell beinhalten. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden vier Absätze mit Bezug auf die Einrichtung 800, der Prozessor 810 ferner dazu ausgelegt sein, das Lernmodell von einem Cloud-basierten Server zu empfangen oder die Vergleiche zu dem Cloud-basierten Server zu übertragen. Darüber hinaus kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden vier Absätze mit Bezug auf die Einrichtung 800, der Prozessor 810 ferner dazu ausgelegt sein, eine Bewusstheitsbewertung des Zweiradfahrers basierend auf einem Fokuspunkt des Zweiradfahrers zu bestimmen, wobei der Blickpunkt auf mindestens einem aus dem Sichtfeld des Zweiradfahrers, einer Kopfposition des Zweiradfahrers und/oder einer Augenposition des Zweiradfahrers basieren kann.
Ferner kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale von diesem und/oder den vorhergehenden fünf Absätzen mit Bezug auf die Einrichtung 800, die Bewusstheitsbewertung eine erwartete Reaktionszeit des Zweiradfahrers beinhalten, wobei die erwartete Reaktionszeit auf einer Korrelation des Fokuspunkts mit der erwarteten Trajektorie basieren kann. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden fünf Absätze mit Bezug auf die Einrichtung 800, die Risikowahrscheinlichkeit mit einem detektierten Objekt innerhalb der erwarteten Trajektorie assoziiert sein. Darüber hinaus können, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden fünf Absätze bezüglich der Einrichtung 800, die ersten Informationen ein Kamerabild beinhalten, das mit einer Kopfposition des Zweiradfahrers assoziiert ist. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden fünf Absätze mit Bezug auf die Einrichtung 800, der Prozessor 810 ferner dazu ausgelegt sein, das Kamerabild von einer nach vorne gerichteten Kamera zu empfangen, die mit der Kopfposition des Zweiradfahrers ausgerichtet ist. Darüber hinaus kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden fünf Absätze mit Bezug auf die Einrichtung 800, der Prozessor 810 ferner dazu ausgelegt sein, das Kamerabild von einer zu dem Fahrer gerichteten Kamera zu empfangen, die dem Zweiradfahrer zugewandt ist.
Darüber hinaus können, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden sechs Absätze mit Bezug auf die Einrichtung 800, die zweiten Informationen von einem Sensor des Zweiradfahrers empfangene Sensorinformationen beinhalten, wobei der Sensor mindestens einen aus einem nach hinten gerichteten Sensor, der dazu ausgelegt ist, einen Bereich hinter dem Zweiradfahrer zu erfassen, einem nach vorne gerichteten Sensor, der dazu ausgelegt ist, einen Bereich vor dem Zweiradfahrer zu erfassen, einem Körpersensor, der dazu ausgelegt ist, eine Haltung, eine Position und/oder einen Berührungsort des Zweiradfahrers zu erfassen, und/oder einem zur Seite gerichteten Sensor, der dazu ausgelegt ist, einen Bereich neben dem Zweiradfahrer zu erfassen, beinhalten kann. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden sechs Absätze mit Bezug auf die Einrichtung 800, der Sensor eine Kamera und/oder einen Lichtdetektions- und -entfernungsmessungssensor und/oder einen Radar-Sensor und/oder einen Positionierungssensor und/oder einen Berührungssensor und/oder einen Beschleunigungsmesser und/oder ein Magnetometer und/oder ein Gyroskop beinhalten. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieser und/oder der vorhergehenden sechs Absätze mit Bezug auf die Einrichtung 800, die Warnung eine visuelle Anzeige und/oder eine akustische Anzeige und/oder eine haptische Rückmeldung beinhalten, die dazu ausgelegt ist, den Zweiradfahrer über die Risikowahrscheinlichkeit zu warnen. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden sechs Absätze mit Bezug auf die Einrichtung 800, die Warnung eine Bewegungsanweisung beinhalten, die dazu ausgelegt ist, auf die Risikowahrscheinlichkeit zu reagieren.
Darüber hinaus kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieser und/oder der vorhergehenden sieben Absätze mit Bezug auf die Einrichtung 800, die Bewegungsanweisung eine Anweisung zum Verringern einer Geschwindigkeit des Zweiradfahrers im nächsten Straßensegment beinhalten. Darüber hinaus kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden sieben Absätze mit Bezug auf die Einrichtung 800, die Anweisung dazu ausgelegt sein, eine mit dem Zweiradfahrer assoziierte Antriebskraft zu deaktivieren. Darüber hinaus kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieser und/oder der vorhergehenden sieben Absätze mit Bezug auf die Einrichtung 800, die Anweisung dazu ausgelegt sein, eine mit dem Zweiradfahrer assoziierte Bremse zu betätigen. Darüber hinaus kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden sieben Absätze mit Bezug auf die Einrichtung 800, die Bewegungsanweisung eine Anweisung zum Drehen eines mit dem Zweiradfahrer assoziierten Lenkmechanismus beinhalten.
Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieser und/oder der vorhergehenden acht Absätze mit Bezug auf die Einrichtung 800, die Bewegungsanweisung von der Risikowahrscheinlichkeit und einem Kontrollverlustfaktor, der mit der Umgebung assoziiert ist, abhängen. Darüber hinaus kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden acht Absätze mit Bezug auf die Einrichtung 800, der Kontrollverlustfaktor von einer gemessenen Abbremsung des Zweiradfahrers als Reaktion auf die Bewegungsanweisung abhängen. Ferner kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden acht Absätze mit Bezug auf die Einrichtung 800, der Kontrollverlustfaktor von einer Haltung des Zweiradfahrers abhängen. Darüber hinaus kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden acht Absätze mit Bezug auf die Einrichtung 800, der Kontrollverlustfaktor von einer Straßenbedingung des nächsten Straßensegments abhängen. Darüber hinaus kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden acht Absätze mit Bezug auf die Einrichtung 800, die Straßenbedingung mindestens eines aus einer Straßenbeschädigung an dem nächsten Straßensegment, einem Nässegrad des nächsten Straßensegments und/oder einer Geometrie des nächsten Straßensegments beinhalten. Ferner kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden acht Absätze mit Bezug auf die Einrichtung 800, der Zweiradfahrer einen Fußgänger beinhalten, der ein Fahrrad fährt. Des Weiteren kann, zusätzlich zu oder in Kombination mit einem beliebigen der Merkmale dieses und/oder der vorhergehenden acht Absätze mit Bezug auf die Einrichtung 800, das Fahrrad ein elektrisches Fahrrad oder ein motorisiertes Fahrrad sein.
9 stellt ein schematisches Flussdiagramm eines Verfahrens 900 für ein Sicherheitssystem für ein Zweirad oder einen Fußgänger dar. Das Verfahren 900 kann beliebige der Merkmale implementieren, die oben mit Bezug auf, als Beispiele, das aktive Sicherheitssystem von 1, das aktive Sicherheitssystem 200 von 2, das Pfadvorhersagesystem 400 von 4 und/oder den Risikovergleich 700 von 7 beschrieben sind.
Das Verfahren 900 beinhaltet, bei 910, Empfangen erster Informationen, die eine Kopfposition eines Zweiradfahrers angeben. Das Verfahren 900 beinhaltet auch, bei 920, Bestimmen eines Sichtfeldes des Zweiradfahrers basierend auf den ersten Informationen. Das Verfahren 900 beinhaltet auch, bei 930, Empfangen zweiter Informationen, die eine Umgebung des Zweiradfahrers angeben. Das Verfahren 900 beinhaltet auch, bei 940, Bestimmen einer erwarteten Trajektorie des Zweiradfahrers in einem nächsten Straßensegment basierend auf dem Sichtfeld und der Umgebung. Das Verfahren 900 beinhaltet auch, bei 950, Bestimmen einer Risikowahrscheinlichkeit für die erwartete Trajektorie des Zweiradfahrers im nächsten Straßensegment basierend auf dem Sichtfeld und der Umgebung. Das Verfahren 900 beinhaltet auch, bei 960, Erzeugen einer Anweisung zum Übertragen einer Warnung zu dem Zweiradfahrer, falls die Risikowahrscheinlichkeit einen Schwellenwert überschreitet.
Beispiel 1 ist eine Einrichtung, die einen Prozessor beinhaltet, der dazu ausgelegt ist, erste Informationen zu empfangen, die eine Kopfposition eines Zweiradfahrers angeben. Der Prozessor ist auch dazu ausgelegt, basierend auf den ersten Informationen ein Sichtfeld des Zweiradfahrers zu bestimmen. Der Prozessor ist auch dazu ausgelegt, zweite Informationen zu empfangen, die eine Umgebung des Zweiradfahrers angeben. Der Prozessor ist auch dazu ausgelegt, basierend auf dem Sichtfeld und der Umgebung eine erwartete Trajektorie des Zweiradfahrers in einem nächsten Straßensegment zu bestimmen. Der Prozessor ist auch dazu ausgelegt, basierend auf dem Sichtfeld und der Umgebung eine Risikowahrscheinlichkeit für die erwartete Trajektorie des Zweiradfahrers im nächsten Straßensegment zu bestimmen. Der Prozessor ist auch dazu ausgelegt, eine Anweisung zum Übertragen einer Warnung zu dem Zweiradfahrer zu erzeugen, falls die Risikowahrscheinlichkeit einen Schwellenwert überschreitet.
Beispiel 2 ist die Einrichtung des Beispiels 1, wobei der Prozessor ferner dazu ausgelegt ist, die erwartete Trajektorie des Zweiradfahrers basierend auf einer Zeitdauer zu bestimmen, während der das Sichtfeld entlang einer möglichen Trajektorie des Zweiradfahrers liegt.
Beispiel 3 ist die Einrichtung eines der Beispiele 1 oder 2, wobei der Prozessor ferner dazu ausgelegt ist, die erwartete Trajektorie des Zweiradfahrers basierend auf einer Haltung des Zweiradfahrers, die eine mögliche Trajektorie des Zweiradfahrers angibt, zu bestimmen.
Beispiel 4 ist die Einrichtung des Beispiels 3, wobei die Haltung eine Kopfdrehung des Zweiradfahrers in Richtung einer möglichen Trajektorie des Zweiradfahrers beinhaltet.
Beispiel 5 ist die Einrichtung des Beispiels 3, wobei die Haltung ein Armsignal des Zweiradfahrers beinhaltet, das eine mögliche Trajektorie des Zweiradfahrers angibt.
Beispiel 6 ist die Einrichtung eines der Beispiele 1 bis 5, wobei der Prozessor ferner dazu ausgelegt ist, die erwartete Trajektorie des Zweiradfahrers basierend auf empfangenen Karteninformationen, die mit einem geografischen Standort des Zweiradfahrers und/oder einer möglichen Trajektorie des Zweiradfahrers assoziiert sind, zu bestimmen.
Beispiel 7 ist die Einrichtung des Beispiels 6, wobei der Prozessor ferner dazu ausgelegt ist, die Karteninformationen mit den ersten Informationen zu korrelieren, um eine Fokuswahrscheinlichkeit zu schätzen, dass der Zweiradfahrer auf die erwartete Trajektorie fokussiert ist.
Beispiel 8 ist die Einrichtung eines der Beispiele 1 bis 7, wobei der Prozessor ferner dazu ausgelegt ist, die erwartete Trajektorie des Zweiradfahrers basierend auf Informationen zu bestimmen, die eine Fahrtrichtung des Zweiradfahrers und/oder eine Geschwindigkeit des Zweiradfahrers und/oder eine Beschleunigung des Zweiradfahrers angeben.
Beispiel 9 ist die Einrichtung eines der Beispiele 1 bis 8, die ferner einen Empfänger beinhaltet, der dazu ausgelegt ist, die ersten Informationen und/oder die zweiten Informationen drahtlos zu empfangen.
Beispiel 10 ist die Einrichtung eines der Beispiele 1 bis 9, wobei der Empfänger dazu ausgelegt ist, die ersten Informationen und/oder die zweiten Informationen unter Verwendung eines V2X-Protokolls und/oder eines WiFi-Protokolls und/oder eines Bluetooth-Protokolls drahtlos zu empfangen.
Beispiel 11 ist die Einrichtung eines der Beispiele 1 bis 10, die ferner einen Sender beinhaltet, der dazu ausgelegt ist, die Warnung drahtlos zu übertragen.
Beispiel 12 ist die Einrichtung eines der Beispiele 1 bis 11, wobei der Prozessor ferner dazu ausgelegt ist, mehrere mögliche Trajektorien für den Zweiradfahrer zu bestimmen, und für jede mögliche Trajektorie der mehreren möglichen Trajektorien eine Pfadbewertung und/oder -wahrscheinlichkeit zu bestimmen, die mit der möglichen Trajektorie assoziiert ist, und das nächste Straßensegments und die erwartete Trajektorie basierend auf den Pfadbewertungen und/oder -wahrscheinlichkeiten zu bestimmen.
Beispiel 13 ist die Einrichtung des Beispiels 12, wobei der Prozessor ferner dazu ausgelegt ist, für jede mögliche Trajektorie der mehreren möglichen Trajektorien eine mit der möglichen Trajektorie assoziierte Risikobewertung zu bestimmen, wobei die Risikobewertung auf dem Sichtfeld des Zweiradfahrers basiert.
Beispiel 14 ist die Einrichtung des Beispiels 13, wobei die Risikobewertung auf einem mit der Umgebung assoziierten Sicherheitsmodell basiert, wobei das Sicherheitsmodell ein unstrukturiertes Sicherheitsmodell oder ein strukturiertes Sicherheitsmodell beinhaltet.
Beispiel 15 ist die Einrichtung des Beispiels 14, wobei die Risikobewertung auf einer Anzahl von Objekten in der Umgebung und/oder einem Abstand des Zweiradfahrers von den Objekten und/oder einer Geschwindigkeit der Objekte und/oder einer Trajektorie der Objekte und/oder einer Beschleunigung der Objekte und/oder der erwarteten Trajektorie des Zweiradfahrers und/oder einer Geschwindigkeit des Zweiradfahrers und/oder einer Beschleunigung des Zweiradfahrers und/oder einer Straßengeometrie des nächsten Straßensegments basiert.
Beispiel 16 ist die Einrichtung eines der Beispiele 1 bis 15, wobei die Risikowahrscheinlichkeit ferner auf einem mit dem Zweiradfahrer assoziierten Lernmodell basiert, wobei das Lernmodell auf Vergleichen der erwarteten Trajektorie mit einer tatsächlichen Bewegung des Zweiradfahrers über mehrere Straßensegmente basiert.
Beispiel 17 ist die Einrichtung des Beispiels 16, wobei das Lernmodell ein datenbasiertes Lernmodell und/oder ein formelbasiertes Lernmodell beinhaltet.
Beispiel 18 ist die Einrichtung der Beispiele 16 oder 17, wobei der Prozessor dazu ausgelegt ist, das Lernmodellvon einem Cloud-basierten Server zu empfangen oder die Vergleiche zu dem Cloud-basierten Server zu übertragen.
Beispiel 19 ist die Einrichtung eines der Beispiele 1 bis 18, wobei der Prozessor ferner dazu ausgelegt ist, eine Bewusstheitsbewertung des Zweiradfahrers basierend auf einem Fokuspunkt des Zweiradfahrers zu bestimmen, wobei der Fokuspunkt auf dem Sichtfeld des Zweiradfahrers und/oder einer Kopfposition des Zweiradfahrers und/oder einer Augenposition des Zweiradfahrers basiert.
Beispiel 20 ist die Einrichtung des Beispiels 19, wobei die Bewusstheitsbewertung eine erwartete Reaktionszeit des Zweiradfahrers beinhaltet, wobei die erwartete Reaktionszeit auf einer Korrelation des Fokuspunkts mit der erwarteten Trajektorie basiert.
Beispiel 21 ist die Einrichtung eines der Beispiele 1 bis 20, wobei die Risikowahrscheinlichkeit mit einem detektierten Objekt innerhalb der erwarteten Trajektorie assoziiert ist.
Beispiel 22 ist die Einrichtung eines der Beispiele 1 bis 21, wobei die ersten Informationen ein Kamerabild beinhalten, das mit einer Kopfposition des Zweiradfahrers assoziiert ist.
Beispiel 23 ist die Einrichtung des Beispiels 22, wobei der Prozessor dazu ausgelegt ist, das Kamerabild von einer nach vorne gerichteten Kamera zu empfangen, die mit der Kopfposition des Zweiradfahrers ausgerichtet ist.
Beispiel 24 ist die Einrichtung entweder des Beispiels 22 oder 23, wobei der Prozessor dazu ausgelegt ist, das Kamerabild von einer zu dem Zweiradfahrer gerichteten Kamera zu empfangen, die dem Zweiradfahrer zugewandt ist.
Beispiel 25 ist die Einrichtung eines der Beispiele 1 bis 24, wobei die zweiten Informationen Sensorinformationen beinhalten, die von einem Sensor des Zweiradfahrers empfangen werden, wobei der Sensor mindestens einen aus einem nach hinten gerichteten Sensor, der dazu ausgelegt ist, einen Bereich hinter dem Zweiradfahrer zu erfassen, einem nach vorne gerichteten Sensor, der dazu ausgelegt ist, einen Bereich vor dem Zweiradfahrer zu erfassen, einem Körpersensor, der dazu ausgelegt ist, eine Haltung, eine Position und/oder einen Berührungsort des Zweiradfahrers zu erfassen, und/oder einem zur Seite gerichteten Sensor, der dazu ausgelegt ist, einen Bereich neben dem Zweiradfahrer zu erfassen, beinhaltet.
Beispiel 26 ist die Einrichtung des Beispiels 25, wobei der Sensor eine Kamera und/oder einen Lichtdetektions- und -entfernungsmessungssensor und/oder einen Radar-Sensor und/oder einen Positionierungssensor und/oder einen Berührungssensor und/oder einen Beschleunigungsmesser und/oder ein Magnetometer und/oder ein Gyroskop beinhaltet.
Beispiel 27 ist die Einrichtung eines der Beispiele 1 bis 26, wobei die Warnung eine visuelle Anzeige und/oder eine akustische Anzeige und/oder eine haptische Rückmeldung beinhaltet, die dazu ausgelegt ist, den Zweiradfahrer über die Risikowahrscheinlichkeit zu warnen.
Beispiel 28 ist die Einrichtung eines der Beispiele 1 bis 27, wobei die Warnung eine Bewegungsanweisung beinhaltet, die dazu ausgelegt ist, auf die Risikowahrscheinlichkeit zu reagieren.
Beispiel 29 ist die Einrichtung des Beispiels 28, wobei die Bewegungsanweisung eine Anweisung zum Verringern einer Geschwindigkeit des Zweiradfahrers im nächsten Straßensegment beinhaltet.
Beispiel 30 ist die Einrichtung des Beispiels 29, wobei die Anweisung dazu ausgelegt ist, eine mit dem Zweiradfahrer assoziierte Antriebskraft zu deaktivieren.
Beispiel 31 ist die Einrichtung entweder des Beispiels 29 oder 30, wobei die Anweisung dazu ausgelegt ist, eine mit dem Zweiradfahrer assoziierte Bremse zu betätigen.
Beispiel 32 ist die Einrichtung eines der Beispiele 28 bis 31, wobei die Bewegungsanweisung eine Anweisung zum Drehen eines mit dem Zweiradfahrer assoziierten Lenkmechanismus beinhaltet.
Beispiel 33 ist die Einrichtung eines der Beispiele 28 bis 32, wobei die Bewegungsanweisung von der Risikowahrscheinlichkeit und einem mit der Umgebung assoziierten Kontrollverlustfaktor abhängt.
Beispiel 34 ist die Einrichtung des Beispiels 33, wobei der Kontrollverlustfaktor von einer gemessenen Abbremsung des Zweiradfahrers als Reaktion auf die Bewegungsanweisung abhängt.
Beispiel 35 ist die Einrichtung entweder des Beispiels 33 oder 34, wobei der Kontrollverlustfaktor von einer Haltung des Zweiradfahrers abhängt.
Beispiel 36 ist die Einrichtung eines der Beispiele 33 oder 35, wobei der Kontrollverlustfaktor von einer Straßenbedingung des nächsten Straßensegments abhängt.
Beispiel 37 ist die Einrichtung des Beispiels 36, wobei die Straßenbedingung mindestens eines aus einer Straßenbeschädigung an dem nächsten Straßensegment, einem Nässegrad des nächsten Straßensegments und/oder einer Geometrie des nächsten Straßensegments beinhaltet.
Beispiel 38 ist die Einrichtung eines der Beispiele 1 bis 37, wobei der Zweiradfahrer einen Fußgänger beinhaltet, der ein Fahrrad fährt.
Beispiel 39 ist die Einrichtung eines des Beispiels 38, wobei das Fahrrad ein elektrisches Fahrrad oder ein motorisiertes Fahrrad ist.
Beispiel 40 ist eine Einrichtung, die einen Prozessor beinhaltet, der dazu ausgelegt ist, erste Informationen zu empfangen, die eine Kopfposition eines Fußgängers angeben. Der Prozessor ist auch dazu ausgelegt, zweite Informationen zu empfangen, die eine Umgebung des Fußgängers angeben. Der Prozessor ist auch dazu ausgelegt, basierend auf den ersten Informationen ein Sichtfeld des Fußgängers zu bestimmen. Der Prozessor ist auch dazu ausgelegt, basierend auf dem Sichtfeld und der Umgebung eine erwartete Trajektorie des Fußgängers in einem nächsten Straßensegment zu bestimmen. Der Prozessor ist auch dazu ausgelegt, basierend auf dem Sichtfeld und der Umgebung eine Risikowahrscheinlichkeit für die erwartete Trajektorie des Fußgängers im nächsten Straßensegment zu bestimmen. Der Prozessor ist auch dazu ausgelegt, eine Anweisung zum Übertragen einer Warnung zu dem Fußgänger zu erzeugen, falls die Risikowahrscheinlichkeit einen Schwellenwert überschreitet.
Beispiel 41 ist die Einrichtung des Beispiels 40, wobei der Prozessor ferner dazu ausgelegt ist, die erwartete Trajektorie des Fußgängers basierend auf einer Zeitdauer zu bestimmen, während der das Sichtfeld entlang einer möglichen Trajektorie des Fußgängers liegt.
Beispiel 42 ist die Einrichtung eines der Beispiele 40 oder 41, wobei der Prozessor ferner dazu ausgelegt ist, die erwartete Trajektorie des Fußgängers basierend auf einer Haltung des Fußgängers, die eine mögliche Trajektorie des Fußgängers angibt, zu bestimmen.
Beispiel 43 ist die Einrichtung des Beispiels 42, wobei die Haltung eine Kopfdrehung des Fußgängers in Richtung einer möglichen Trajektorie des Fußgängers beinhaltet.
Beispiel 44 ist die Einrichtung des Beispiels 42, wobei die Haltung ein Armsignal des Fußgängers beinhaltet, das eine mögliche Trajektorie des Fußgängers angibt.
Beispiel 45 ist die Einrichtung eines der Beispiele 40 bis 44, wobei der Prozessor ferner dazu ausgelegt ist, die erwartete Trajektorie des Fußgängers basierend auf empfangenen Karteninformationen, die mit einem geografischen Standort des Fußgängers und/oder einer möglichen Trajektorie des Fußgängers assoziiert sind, zu bestimmen.
Beispiel 46 ist die Einrichtung des Beispiels 45, wobei der Prozessor ferner dazu ausgelegt ist, die Karteninformationen mit den ersten Informationen zu korrelieren, um eine Fokuswahrscheinlichkeit zu schätzen, dass der Fußgänger auf die erwartete Trajektorie fokussiert ist.
Beispiel 47 ist die Einrichtung eines der Beispiele 40 bis 46, wobei der Prozessor ferner dazu ausgelegt ist, die erwartete Trajektorie des Fußgängers basierend auf Informationen zu bestimmen, die eine Laufrichtung des Fußgängers und/oder eine Geschwindigkeit des Fußgängers und/oder eine Beschleunigung des Fußgängers angeben.
Beispiel 48 ist die Einrichtung eines der Beispiele 40 bis 47, die ferner einen Empfänger beinhaltet, der dazu ausgelegt ist, die ersten Informationen und/oder die zweiten Informationen drahtlos zu empfangen.
Beispiel 49 ist die Einrichtung eines der Beispiele 40 bis 48, wobei der Empfänger dazu ausgelegt ist, die ersten Informationen und/oder die zweiten Informationen unter Verwendung eines V2X-Protokolls und/oder eines WiFi-Protokolls und/oder eines Bluetooth-Protokolls drahtlos zu empfangen.
Beispiel 50 ist die Einrichtung eines der Beispiele 40 bis 49, die ferner einen Sender beinhaltet, der dazu ausgelegt ist, die Warnung drahtlos zu übertragen.
Beispiel 51 ist die Einrichtung eines der Beispiele 40 bis 50, wobei der Prozessor ferner dazu ausgelegt ist, mehrere mögliche Trajektorien für den Fußgänger zu bestimmen, und für jede mögliche Trajektorie der mehreren möglichen Trajektorien eine Pfadbewertung und/oder -wahrscheinlichkeit zu bestimmen, die mit der möglichen Trajektorie assoziiert ist, und das nächste Straßensegments und die erwartete Trajektorie basierend auf den Pfadbewertungen und/oder -wahrscheinlichkeiten zu bestimmen.
Beispiel 52 ist die Einrichtung des Beispiels 51, wobei der Prozessor ferner dazu ausgelegt ist, für jede mögliche Trajektorie der mehreren möglichen Trajektorien eine mit der möglichen Trajektorie assoziierte Risikobewertung zu bestimmen, wobei die Risikobewertung auf dem Sichtfeld des Fußgängers basiert.
Beispiel 53 ist die Einrichtung des Beispiels 52, wobei die Risikobewertung auf einem mit der Umgebung assoziierten Sicherheitsmodell basiert, wobei das Sicherheitsmodell ein unstrukturiertes Sicherheitsmodell oder ein strukturiertes Sicherheitsmodell beinhaltet.
Beispiel 54 ist die Einrichtung des Beispiels 53, wobei die Risikobewertung auf einer Anzahl von Objekten in der Umgebung und/oder einem Abstand des Fußgängers von den Objekten und/oder einer Geschwindigkeit der Objekte und/oder einer Trajektorie der Objekte und/oder einer Beschleunigung der Objekte und/oder der erwarteten Trajektorie des Fußgängers und/oder einer Geschwindigkeit des Fußgängers und/oder einer Beschleunigung des Fußgängers und/oder einer Straßengeometrie des nächsten Straßensegments basiert.
Beispiel 55 ist die Einrichtung eines der Beispiele 40 bis 54, wobei die Risikowahrscheinlichkeit ferner auf einem Lernmodell basiert, das mit dem Fußgänger assoziiert ist, wobei das Lernmodell auf Vergleichen der erwarteten Trajektorie mit einer tatsächlichen Bewegung des Fußgängers über mehrere Straßensegmente basiert.
Beispiel 56 ist die Einrichtung des Beispiels 55, wobei das Lernmodell ein datenbasiertes Lernmodell und/oder ein formelbasiertes Lernmodell beinhaltet.
Beispiel 57 ist die Einrichtung der Beispiele 55 oder 56, wobei der Prozessor dazu ausgelegt ist, das Lernmodellvon einem Cloud-basierten Server zu empfangen oder die Vergleiche zu dem Cloud-basierten Server zu übertragen.
Beispiel 58 ist die Einrichtung eines der Beispiele 40 bis 57, wobei der Prozessor ferner dazu ausgelegt ist, eine Bewusstheitsbewertung des Fußgängers basierend auf einem Fokuspunkt des Fußgängers zu bestimmen, wobei der Fokuspunkt auf dem Sichtfeld des Fußgängers und/oder einer Kopfposition des Fußgängers und/oder einer Augenposition des Fußgängers basiert.
Beispiel 59 ist die Einrichtung des Beispiels 58, wobei die Bewusstheitsbewertung eine erwartete Reaktionszeit des Fußgängers beinhaltet, wobei die erwartete Reaktionszeit auf einer Korrelation des Fokuspunkts mit der erwarteten Trajektorie basiert.
Beispiel 60 ist die Einrichtung eines der Beispiele 40 bis 59, wobei die Risikowahrscheinlichkeit mit einem detektierten Objekt innerhalb der erwarteten Trajektorie assoziiert ist.
Beispiel 61 ist die Einrichtung eines der Beispiele 40 bis 60, wobei die ersten Informationen ein Kamerabild aufweisen, das mit einer Kopfposition des Fußgängers assoziiert ist.
Beispiel 62 ist die Einrichtung des Beispiels 61, wobei der Prozessor dazu ausgelegt ist, das Kamerabild von einer nach vorne gerichteten Kamera zu empfangen, die mit der Kopfposition des Fußgängers ausgerichtet ist.
Beispiel 63 ist die Einrichtung entweder des Beispiels 61 oder 62, wobei der Prozessor dazu ausgelegt ist, das Kamerabild von einer zu einem Fußgänger gerichteten Kamera zu empfangen, die dem Fußgänger zugewandt ist.
Beispiel 64 ist die Einrichtung eines der Beispiele 40 bis 63, wobei die zweiten Informationen Sensorinformationen beinhalten, die von einem Sensor des Fußgängers empfangen werden, wobei der Sensor mindestens einen aus einem nach hinten gerichteten Sensor, der dazu ausgelegt ist, einen Bereich hinter dem Fußgänger zu erfassen, einem nach vorne gerichteten Sensor, der dazu ausgelegt ist, einen Bereich vor dem Fußgänger zu erfassen, einem Körpersensor, der dazu ausgelegt ist, eine Haltung, eine Position und/oder einen Berührungsort des Fußgängers zu erfassen, und/oder einem zur Seite gerichteten Sensor, der dazu ausgelegt ist, einen Bereich neben dem Fußgänger zu erfassen, beinhaltet.
Beispiel 65 ist die Einrichtung des Beispiels 64, wobei der Sensor eine Kamera und/oder einen Lichtdetektions- und -entfernungsmessungssensor und/oder einen Radar-Sensor und/oder einen Positionierungssensor und/oder einen Berührungssensor und/oder einen Beschleunigungsmesser und/oder ein Magnetometer und/oder ein Gyroskop beinhaltet.
Beispiel 66 ist die Einrichtung eines der Beispiele 40 bis 65, wobei die Warnung eine visuelle Anzeige und/oder eine akustische Anzeige und/oder eine haptische Rückmeldung beinhaltet, die dazu ausgelegt ist, den Fußgänger über die Risikowahrscheinlichkeit zu warnen.
Beispiel 67 ist eine Vorrichtung zum Überwachen und Reagieren auf die Sicherheit eines Zweiradfahrers. Die Vorrichtung beinhaltet ein Empfangsmittel zum Empfangen erster Informationen, die eine Kopfposition eines Zweiradfahrers angeben. Die Vorrichtung beinhaltet auch ein Bestimmungsmittel zum Bestimmen eines Sichtfeldes des Zweiradfahrers basierend auf den ersten Informationen. Die Vorrichtung beinhaltet auch ein Empfangsmittel zum Empfangen zweiter Informationen, die eine Umgebung des Zweiradfahrers angeben. Die Vorrichtung beinhaltet auch ein Bestimmungsmittel zum Bestimmen einer erwarteten Trajektorie des Zweiradfahrers in einem nächsten Straßensegment basierend auf dem Sichtfeld und der Umgebung. Die Vorrichtung beinhaltet auch ein Bestimmungsmittel zum Bestimmen einer Risikowahrscheinlichkeit für die erwartete Trajektorie des Zweiradfahrers im nächsten Straßensegment basierend auf dem Sichtfeld und der Umgebung. Die Vorrichtung beinhaltet auch ein Erzeugungsmittel zum Erzeugen einer Anweisung zum Übertragen einer Warnung zu dem Zweiradfahrer, falls die Risikowahrscheinlichkeit einen Schwellenwert überschreitet.
Beispiel 68 ist die Vorrichtung des Beispiels 67, wobei die Vorrichtung ein Bestimmungsmittel zum Bestimmen der erwarteten Trajektorie des Zweiradfahrers basierend auf einer Zeitdauer, während der das Sichtfeld entlang einer möglichen Traj ektorie des Zweiradfahrers liegt, beinhaltet.
Beispiel 69 ist die Vorrichtung entweder des Beispiels 67 oder 68, wobei die Vorrichtung ein Bestimmungsmittel zum Bestimmen der erwarteten Trajektorie des Zweiradfahrers basierend auf einer Haltung des Zweiradfahrers, die eine mögliche Trajektorie des Zweiradfahrers angibt, beinhaltet.
Beispiel 70 ist die Vorrichtung des Beispiels 69, wobei die Haltung eine Kopfdrehung des Zweiradfahrers in Richtung einer möglichen Trajektorie des Zweiradfahrers beinhaltet.
Beispiel 71 ist die Vorrichtung des Beispiels 69, wobei die Haltung ein Armsignal des Zweiradfahrers beinhaltet, das eine mögliche Trajektorie des Zweiradfahrers angibt.
Beispiel 72 ist die Vorrichtung eines der Beispiele 67 bis 71, wobei die Vorrichtung ein Bestimmungsmittel zum Bestimmen der erwarteten Trajektorie des Zweiradfahrers basierend auf empfangenen Karteninformationen, die mit einem geografischen Standort des Zweiradfahrers und/oder einer möglichen Trajektorie des Zweiradfahrers assoziiert sind, beinhaltet.
Beispiel 73 ist die Vorrichtung des Beispiels 72, wobei die Vorrichtung ein Korrelationsmittel zum Korrelieren der Karteninformationen mit den ersten Informationen beinhaltet, um eine Fokuswahrscheinlichkeit zu schätzen, dass der Zweiradfahrer auf die erwartete Trajektorie fokussiert ist.
Beispiel 74 ist die Vorrichtung eines der Beispiele 67 bis 73, wobei die Vorrichtung ein Bestimmungsmittel zum Bestimmen der erwarteten Trajektorie des Zweiradfahrers basierend auf Informationen, die eine Fahrtrichtung des Zweiradfahrers und/oder eine Geschwindigkeit des Zweiradfahrers und/oder eine Beschleunigung des Zweiradfahrers angeben, beinhaltet.
Beispiel 75 ist die Vorrichtung eines der Beispiele 67 bis 74, wobei die Vorrichtung ein Empfangsmittel zum drahtlosen Empfangen der ersten Informationen und/oder der zweiten Informationen beinhaltet.
Beispiel 76 ist die Vorrichtung eines der Beispiele 67 bis 75, wobei das Empfangsmittel dazu ausgelegt ist, die ersten Informationen und/oder die zweiten Informationen unter Verwendung eines V2X-Protokolls und/oder eines WiFi-Protokolls und/oder eines Bluetooth-Protokolls drahtlos zu empfangen.
Beispiel 77 ist die Vorrichtung eines der Beispiele 67 bis 76, wobei die Vorrichtung ein Übertragungsmittel zum drahtlosen Übertragen der Warnung beinhaltet.
Beispiel 78 ist die Vorrichtung eines der Beispiele 67 bis 77, wobei die Vorrichtung ein Bestimmungsmittel zum Bestimmen mehrerer möglicher Trajektorien für den Zweiradfahrer und, für jede mögliche Trajektorie der mehreren möglichen Trajektorien, Bestimmen einer Pfadbewertung und/oder -wahrscheinlichkeit, die mit der möglichen Trajektorie assoziiert ist, und Bestimmen des nächsten Straßensegments und der erwarteten Trajektorie basierend auf den Pfadbewertungen und/oder -wahrscheinlichkeiten beinhaltet.
Beispiel 79 ist die Vorrichtung des Beispiels 78, wobei die Vorrichtung ein Bestimmungsmittel zum Bestimmen, für jede mögliche Trajektorie der mehreren möglichen Trajektorien, einer mit der möglichen Trajektorie assoziierten Risikobewertung beinhaltet, wobei die Risikobewertung auf dem Sichtfeld des Zweiradfahrers basiert.
Beispiel 80 ist die Vorrichtung des Beispiels 79, wobei die Risikobewertung auf einem mit der Umgebung assoziierten Sicherheitsmodell basiert, wobei das Sicherheitsmodell ein unstrukturiertes Sicherheitsmodell oder ein strukturiertes Sicherheitsmodell beinhaltet.
Beispiel 81 ist die Vorrichtung des Beispiels 80, wobei die Risikobewertung auf einer Anzahl von Objekten in der Umgebung und/oder einem Abstand des Zweiradfahrers von den Objekten und/oder einer Geschwindigkeit der Objekte und/oder einer Trajektorie der Objekte und/oder einer Beschleunigung der Objekte und/oder der erwarteten Trajektorie des Zweiradfahrers und/oder einer Geschwindigkeit des Zweiradfahrers und/oder einer Beschleunigung des Zweiradfahrers und/oder einer Straßengeometrie des nächsten Straßensegments basiert.
Beispiel 82 ist die Vorrichtung eines der Beispiele 67 bis 81, wobei die Risikowahrscheinlichkeit ferner auf einem mit dem Zweiradfahrer assoziierten Lernmodell basiert, wobei das Lernmodell auf Vergleichen der erwarteten Trajektorie mit einer tatsächlichen Bewegung des Zweiradfahrers über mehrere Straßensegmente basiert.
Beispiel 83 ist die Vorrichtung des Beispiels 82, wobei das Lernmodell ein datenbasiertes Lernmodell und/oder ein formelbasiertes Lernmodell beinhaltet.
Beispiel 84 ist die Vorrichtung der Beispiele 82 oder 83, wobei die Vorrichtung ein Empfangsmittel zum Empfangen des Lernmodells von einem Cloud-basierten Server oder ein Übertragungsmittel zum Übertragen der Vergleiche zu dem Cloud-basierten Server beinhaltet.
Beispiel 85 ist die Vorrichtung eines der Beispiele 67 bis 84, wobei die Vorrichtung ein Bestimmungsmittel zum Bestimmen einer Bewusstheitsbewertung des Zweiradfahrers basierend auf einem Fokuspunkt des Zweiradfahrers beinhaltet, wobei der Fokuspunkt auf dem Sichtfeld des Zweiradfahrers und/oder einer Kopfposition des Zweiradfahrers und/oder einer Augenposition des Zweiradfahrers basiert.
Beispiel 86 ist die Vorrichtung des Beispiels 85, wobei die Bewusstheitsbewertung eine erwartete Reaktionszeit des Zweiradfahrers beinhaltet, wobei die erwartete Reaktionszeit auf einer Korrelation des Fokuspunkts mit der erwarteten Trajektorie basiert.
Beispiel 87 ist die Vorrichtung eines der Beispiele 67 bis 86, wobei die Risikowahrscheinlichkeit mit einem detektierten Objekt innerhalb der erwarteten Trajektorie assoziiert ist.
Beispiel 88 ist die Vorrichtung eines der Beispiele 67 bis 87, wobei die ersten Informationen ein Kamerabild beinhalten, das mit einer Kopfposition des Zweiradfahrers assoziiert ist.
Beispiel 89 ist die Vorrichtung des Beispiels 88, wobei die Vorrichtung ein Empfangsmittel zum Empfangen des Kamerabildes von einer nach vorne gerichteten Kamera beinhaltet, die mit der Kopfposition des Zweiradfahrers ausgerichtet ist.
Beispiel 90 ist die Vorrichtung entweder des Beispiels 88 oder 89, wobei das Empfangsmittel das Kamerabild von einer zu dem Zweiradfahrer gerichteten Kamera empfängt, die dem Zweiradfahrer zugewandt ist.
Beispiel 91 ist die Vorrichtung eines der Beispiele 67 bis 90, wobei die zweiten Informationen Sensorinformationen beinhalten, die von einem Erfassungsmittel empfangen werden, wobei das Erfassungsmittel mindestens eines aus einem Mittel zum Erfassen eines Bereichs hinter dem Fahrer, einem Mittel zum Erfassen eines Bereichs vor dem Fahrer, einem Mittel zum Erfassen einer Haltung, einer Position und/oder eines Berührungsorts des Zweiradfahrers und/oder einem Mittel zum Erfassen eines Bereichs neben dem Zweiradfahrer beinhaltet.
Beispiel 92 ist die Vorrichtung des Beispiels 91, wobei der Sensor eine Kamera und/oder einen Lichtdetektions- und -entfernungsmessungssensor und/oder einen Radar-Sensor und/oder einen Positionierungssensor und/oder einen Berührungssensor und/oder einen Beschleunigungsmesser und/oder ein Magnetometer und/oder ein Gyroskop beinhaltet.
Beispiel 93 ist die Vorrichtung eines der Beispiele 67 bis 92, wobei die Warnung eine visuelle Anzeige und/oder eine akustische Anzeige und/oder eine haptische Rückmeldung beinhaltet, die dazu ausgelegt ist, den Zweiradfahrer über die Risikowahrscheinlichkeit zu warnen.
Beispiel 94 ist die Vorrichtung eines der Beispiele 67 bis 93, wobei die Warnung eine Bewegungsanweisung beinhaltet, die dazu ausgelegt ist, auf die Risikowahrscheinlichkeit zu reagieren.
Beispiel 95 ist die Vorrichtung des Beispiels 94, wobei die Bewegungsanweisung eine Anweisung zum Verringern einer Geschwindigkeit des Zweiradfahrers im nächsten Straßensegment beinhaltet.
Beispiel 96 ist die Vorrichtung des Beispiels 95, wobei die Anweisung dazu ausgelegt ist, eine mit dem Zweiradfahrer assoziierte Antriebskraft zu deaktivieren.
Beispiel 97 ist die Vorrichtung entweder des Beispiels 95 oder 96, wobei die Anweisung dazu ausgelegt ist, eine mit dem Fahrer assoziierte Bremse zu betätigen.
Beispiel 98 ist die Vorrichtung eines der Beispiele 94 bis 97, wobei die Bewegungsanweisung eine Anweisung zum Drehen eines mit dem Zweiradfahrer assoziierten Lenkmechanismus beinhaltet.
Beispiel 99 ist die Vorrichtung eines der Beispiele 94 bis 98, wobei die Bewegungsanweisung von der Risikowahrscheinlichkeit und einem mit der Umgebung assoziierten Kontrollverlustfaktor abhängt.
Beispiel 100 ist die Vorrichtung des Beispiels 99, wobei der Kontrollverlustfaktor von einer gemessenen Abbremsung des Zweiradfahrers als Reaktion auf die Bewegungsanweisung abhängt.
Beispiel 101 ist die Vorrichtung entweder des Beispiels 99 oder 100, wobei der Kontrollverlustfaktor von einer Haltung des Zweiradfahrers abhängt.
Beispiel 102 ist die Vorrichtung eines der Beispiele 99 oder 101, wobei der Kontrollverlustfaktor von einer Straßenbedingung des nächsten Straßensegments abhängt.
Beispiel 103 ist die Vorrichtung des Beispiels 102, wobei die Straßenbedingung mindestens eines aus einer Straßenbeschädigung an dem nächsten Straßensegment, einem Nässegrad des nächsten Straßensegments und/oder einer Geometrie des nächsten Straßensegments beinhaltet.
Beispiel 104 ist die Vorrichtung eines der Beispiele 67 bis 103, wobei der Zweiradfahrer einen Fußgänger beinhaltet, der ein Fahrrad fährt.
Beispiel 105 ist die Vorrichtung eines des Beispiels 104, wobei das Fahrrad ein elektrisches Fahrrad oder ein motorisiertes Fahrrad ist.
Beispiel 106 ist eine Vorrichtung, die ein Mittel zum Empfangen erster Informationen beinhaltet, die eine Kopfposition eines Fußgängers angeben. Die Vorrichtung beinhaltet auch ein Mittel zum Empfangen zweiter Informationen, die eine Umgebung des Fußgängers angeben. Die Vorrichtung beinhaltet auch ein Mittel zum Bestimmen eines Sichtfelds des Fußgängers basierend auf den ersten Informationen. Die Vorrichtung beinhaltet auch ein Mittel zum Bestimmen einer erwarteten Trajektorie des Fußgängers in einem nächsten Straßensegment basierend auf dem Sichtfeld und der Umgebung. Die Vorrichtung beinhaltet auch ein Mittel zum Bestimmen einer Risikowahrscheinlichkeit für die erwartete Trajektorie des Fußgängers im nächsten Straßensegment basierend auf dem Sichtfeld und der Umgebung. Die Vorrichtung beinhaltet auch ein Mittel zum Erzeugen einer Anweisung zum Übertragen einer Warnung zu dem Fußgänger, falls die Risikowahrscheinlichkeit einen Schwellenwert überschreitet.
Beispiel 107 ist die Vorrichtung des Beispiels 106, wobei die Vorrichtung auch ein Mittel zum Bestimmen der erwarteten Trajektorie des Fußgängers basierend auf einer Zeitdauer, während der das Sichtfeld entlang einer möglichen Trajektorie des Fußgängers liegt, beinhaltet.
Beispiel 108 ist die Vorrichtung eines der Beispiele 106 oder 107, wobei die Vorrichtung auch ein Mittel zum Bestimmen der erwarteten Trajektorie des Fußgängers basierend auf einer Haltung des Fußgängers, die eine mögliche Trajektorie des Fußgängers angibt, beinhaltet.
Beispiel 109 ist die Vorrichtung des Beispiels 108, wobei die Haltung eine Kopfdrehung des Fußgängers in Richtung einer möglichen Trajektorie des Fußgängers beinhaltet.
Beispiel 110 ist die Vorrichtung des Beispiels 108, wobei die Haltung ein Armsignal des Fußgängers beinhaltet, das eine mögliche Trajektorie des Fußgängers angibt.
Beispiel 111 ist die Vorrichtung eines der Beispiele 106 bis 110, wobei die Vorrichtung auch ein Mittel zum Bestimmen der erwarteten Trajektorie des Fußgängers basierend auf empfangenen Karteninformationen, die mit einem geografischen Standort des Fußgängers und/oder einer möglichen Trajektorie des Fußgängers assoziiert sind, beinhaltet.
Beispiel 112 ist die Vorrichtung des Beispiels 111, wobei die Vorrichtung auch ein Mittel zum Korrelieren der Karteninformationen mit den ersten Informationen beinhaltet, um eine Fokuswahrscheinlichkeit zu schätzen, dass der Fußgänger auf die erwartete Trajektorie fokussiert ist.
Beispiel 113 ist die Vorrichtung eines der Beispiele 106 bis 112, wobei die Vorrichtung auch ein Mittel zum Bestimmen der erwarteten Trajektorie des Fußgängers basierend auf Informationen, die eine Laufrichtung des Fußgängers und/oder eine Geschwindigkeit des Fußgängers und/oder eine Beschleunigung des Fußgängers angeben, beinhaltet.
Beispiel 114 ist die Vorrichtung eines der Beispiele 106 bis 113, wobei die Vorrichtung auch ein Mittel zum drahtlosen Empfangen der ersten Informationen und/oder der zweiten Informationen beinhaltet.
Beispiel 115 ist die Vorrichtung eines der Beispiele 106 bis 114, wobei die Vorrichtung auch ein Mittel zum drahtlosen Empfangen der ersten Informationen und/oder der zweiten Informationen unter Verwendung eines V2X-Protokolls und/oder eines WiFi-Protokolls und/oder eines Bluetooth-Protokolls beinhaltet.
Beispiel 116 ist die Vorrichtung eines der Beispiele 106 bis 115, wobei die Vorrichtung auch ein Mittel zum drahtlosen Übertragen der Warnung beinhaltet.
Beispiel 117 ist die Vorrichtung eines der Beispiele 106 bis 116, wobei die Vorrichtung auch ein Mittel zum Bestimmen mehrerer möglicher Trajektorien für den Fußgänger und, für jede mögliche Trajektorie der mehreren möglichen Trajektorien, Bestimmen einer Pfadbewertung und/oder -wahrscheinlichkeit, die mit der möglichen Trajektorie assoziiert sind, und Bestimmen des nächsten Straßensegments und der erwarteten Trajektorie basierend auf den Pfadbewertungen und/oder -wahrscheinlichkeiten beinhaltet.
Beispiel 118 ist die Vorrichtung des Beispiels 117, wobei die Vorrichtung auch ein Mittel zum Bestimmen, für jede mögliche Trajektorie der mehreren möglichen Trajektorien, einer mit der möglichen Trajektorie assoziierten Risikobewertung beinhaltet, wobei die Risikobewertung auf dem Sichtfeld des Fußgängers basiert.
Beispiel 119 ist die Vorrichtung des Beispiels 118, wobei die Risikobewertung auf einem mit der Umgebung assoziierten Sicherheitsmodell basiert, wobei das Sicherheitsmodell ein unstrukturiertes Sicherheitsmodell oder ein strukturiertes Sicherheitsmodell beinhaltet.
Beispiel 120 ist die Vorrichtung des Beispiels 119, wobei die Risikobewertung auf einer Anzahl von Objekten in der Umgebung und/oder einem Abstand des Fußgängers von den Objekten und/oder einer Geschwindigkeit der Objekte und/oder einer Trajektorie der Objekte und/oder einer Beschleunigung der Objekte und/oder der erwarteten Trajektorie des Fußgängers und/oder einer Geschwindigkeit des Fußgängers und/oder einer Beschleunigung des Fußgängers und/oder einer Straßengeometrie des nächsten Straßensegments basiert.
Beispiel 121 ist die Vorrichtung eines der Beispiele 106 bis 120, wobei die Risikowahrscheinlichkeit ferner auf einem Lernmodell basiert, das mit dem Fußgänger assoziiert ist, wobei das Lernmodell auf Vergleichen der erwarteten Trajektorie mit einer tatsächlichen Bewegung des Fußgängers über mehrere Straßensegmente basiert.
Beispiel 122 ist die Vorrichtung des Beispiels 121, wobei das Lernmodell ein datenbasiertes Lernmodell und/oder ein formelbasiertes Lernmodell beinhaltet.
Beispiel 123 ist die Vorrichtung der Beispiele 121 oder 122, wobei die Vorrichtung auch ein Mittel zum Empfangen des Lernmodells von einem Cloud-basierten Server oder ein Mittel zum Übertragen der Vergleiche zu dem Cloud-basierten Server beinhaltet.
Beispiel 124 ist die Vorrichtung eines der Beispiele 106 bis 123, wobei die Vorrichtung auch ein Mittel zum Bestimmen einer Bewusstheitsbewertung des Fußgängers basierend auf einem Fokuspunkt des Fußgängers beinhaltet, wobei der Fokuspunkt auf dem Sichtfeld des Fußgängers und/oder einer Kopfposition des Fußgängers und/oder einer Augenposition des Fußgängers basiert.
Beispiel 125 ist die Vorrichtung des Beispiels 124, wobei die Bewusstheitsbewertung eine erwartete Reaktionszeit des Fußgängers beinhaltet, wobei die erwartete Reaktionszeit auf einer Korrelation des Fokuspunkts mit der erwarteten Trajektorie basiert.
Beispiel 126 ist die Vorrichtung eines der Beispiele 106 bis 125, wobei die Risikowahrscheinlichkeit mit einem detektierten Objekt innerhalb der erwarteten Trajektorie assoziiert ist.
Beispiel 127 ist die Vorrichtung eines der Beispiele 106 bis 126, wobei die ersten Informationen ein Kamerabild beinhalten, das mit einer Kopfposition des Fußgängers assoziiert ist.
Beispiel 128 ist die Vorrichtung des Beispiels 127, wobei die Vorrichtung auch ein Mittel zum Empfangen des Kamerabildes von einer nach vorne gerichteten Kamera beinhaltet, die mit der Kopfposition des Fußgängers ausgerichtet ist.
Beispiel 129 ist die Vorrichtung entweder des Beispiels 127 oder 128, wobei die Vorrichtung auch ein Mittel zum Empfangen des Kamerabildes von einer zu dem Fußgänger gerichteten Kamera beinhaltet, die dem Fußgänger zugewandt ist.
Beispiel 130 ist die Vorrichtung eines der Beispiele 106 bis 129, wobei die zweiten Informationen Sensorinformationen beinhalten, die von einem Erfassungsmittel empfangen werden, wobei das Erfassungsmittel mindestens eines aus einem Mittel zum Erfassen eines Bereichs hinter dem Fußgänger, einem Mittel zum Erfassen eines Bereichs vor dem Fußgänger, einem Mittel zum Erfassen einer Haltung, einer Position und/oder eines Berührungsorts des Fußgängers und/oder einem Mittel zum Erfassen eines Bereichs neben dem Fußgänger beinhaltet.
Beispiel 131 ist die Vorrichtung des Beispiels 130, wobei das Erfassungsmittel eine Kamera und/oder einen Lichtdetektions- und/oder -entfernungsmessungssensor und/oder einen Radar-Sensor und/oder einen Positionierungssensor und/oder einen Berührungssensor und/oder einen Beschleunigungsmesser und/oder ein Magnetometer und/oder ein Gyroskop beinhaltet.
Beispiel 132 ist die Vorrichtung eines der Beispiele 106 bis 131, wobei die Warnung eine visuelle Anzeige und/oder eine akustische Anzeige und/oder eine haptische Rückmeldung beinhaltet, die dazu ausgelegt ist, den Fußgänger über die Risikowahrscheinlichkeit zu warnen.
Beispiel 133 ist ein Verfahren zum Überwachen und Reagieren auf die Sicherheit eines Zweiradfahrers. Das Verfahren beinhaltet Empfangen erster Informationen, die eine Kopfposition eines Zweiradfahrers angeben. Das Verfahren beinhaltet auch Bestimmen eines Sichtfeldes des Zweiradfahrers basierend auf den empfangenen ersten Informationen. Das Verfahren beinhaltet auch Empfangen zweiter Informationen, die eine Umgebung des Zweiradfahrers angeben. Das Verfahren beinhaltet auch Bestimmen einer erwarteten Trajektorie des Zweiradfahrers in einem nächsten Straßensegment basierend auf dem Sichtfeld und der Umgebung. Das Verfahren beinhaltet auch Bestimmen einer Risikowahrscheinlichkeit für die erwartete Trajektorie des Zweiradfahrers im nächsten Straßensegment basierend auf dem Sichtfeld und der Umgebung. Das Verfahren beinhaltet auch Erzeugen einer Anweisung zum Übertragen einer Warnung zu dem Zweiradfahrer, falls die Risikowahrscheinlichkeit einen Schwellenwert überschreitet.
Beispiel 134 ist das Verfahren des Beispiels 133, wobei das Verfahren Bestimmen der erwarteten Trajektorie des Zweiradfahrers basierend auf einer Zeitdauer beinhaltet, während der das Sichtfeld entlang einer möglichen Trajektorie des Zweiradfahrers liegt.
Beispiel 135 ist das Verfahren eines der Beispiele 133 oder 134, wobei das Verfahren Bestimmen der erwarteten Trajektorie des Zweiradfahrers basierend auf einer Haltung des Zweiradfahrers, die eine mögliche Trajektorie des Zweiradfahrers angibt, beinhaltet.
Beispiel 136 ist das Verfahren des Beispiels 135, wobei die Haltung eine Kopfdrehung des Zweiradfahrers in Richtung einer möglichen Trajektorie des Zweiradfahrers beinhaltet.
Beispiel 137 ist das Verfahren des Beispiels 135, wobei die Haltung ein Armsignal des Zweiradfahrers beinhaltet, das eine mögliche Trajektorie des Zweiradfahrers angibt.
Beispiel 138 ist das Verfahren eines der Beispiele 133 bis 137, wobei das Verfahren Bestimmen der erwarteten Trajektorie des Zweiradfahrers basierend auf empfangenen Karteninformationen, die mit einem geografischen Standort des Zweiradfahrers und/oder einer möglichen Trajektorie des Zweiradfahrers assoziiert sind, beinhaltet.
Beispiel 139 ist das Verfahren des Beispiels 138, wobei das Verfahren Korrelieren der Karteninformationen mit den ersten Informationen beinhaltet, um eine Fokuswahrscheinlichkeit zu schätzen, dass der Fahrer auf die erwartete Trajektorie fokussiert ist.
Beispiel 140 ist das Verfahren eines der Beispiele 133 bis 139, wobei das Verfahren Bestimmen der erwarteten Trajektorie des Zweiradfahrers basierend auf Informationen, die eine Fahrtrichtung des Zweiradfahrers und/oder eine Geschwindigkeit des Zweiradfahrers und/oder eine Beschleunigung des Zweiradfahrers angeben, beinhaltet.
Beispiel 141 ist das Verfahren eines der Beispiele 133 bis 140, wobei das Verfahren Empfangen der ersten Informationen und/oder der zweiten Informationen beinhaltet.
Beispiel 142 ist das Verfahren eines der Beispiele 133 bis 141, wobei das Empfangen drahtloses Empfangen der ersten Informationen und/oder der zweiten Informationen unter Verwendung eines V2X-Protokolls und/oder eines WiFi-Protokolls und/oder eines Bluetooth-Protokolls beinhaltet.
Beispiel 143 ist das Verfahren eines beliebigen der Beispiele 133 bis 142, wobei das Verfahren drahtloses Übertragen der Warnung beinhaltet.
Beispiel 144 ist das Verfahren eines der Beispiele 133 bis 143, wobei das Verfahren Bestimmen mehrerer möglicher Trajektorien für den Zweiradfahrer und, für jede mögliche Trajektorie der mehreren möglichen Trajektorien, Bestimmen einer Pfadbewertung und/oder -wahrscheinlichkeit, die mit der möglichen Trajektorie assoziiert ist, und Bestimmen des nächsten Straßensegments und der erwarteten Trajektorie basierend auf den Pfadbewertungen und/oder -wahrscheinlichkeiten beinhaltet.
Beispiel 145 ist das Verfahren des Beispiels 144, wobei das Verfahren Bestimmen, für jede mögliche Trajektorie der mehreren möglichen Trajektorien, einer mit der möglichen Traj ektorie assoziierten Risikobewertung beinhaltet, wobei die Risikobewertung auf dem Sichtfeld des Zweiradfahrers basiert.
Beispiel 146 ist das Verfahren des Beispiels 145, wobei die Risikobewertung auf einem mit der Umgebung assoziierten Sicherheitsmodell basiert, wobei das Sicherheitsmodell ein unstrukturiertes Sicherheitsmodell oder ein strukturiertes Sicherheitsmodell beinhaltet.
Beispiel 147 ist das Verfahren des Beispiels 146, wobei die Risikobewertung auf einer Anzahl von Objekten in der Umgebung und/oder einem Abstand des Zweiradfahrers von den Objekten und/oder einer Geschwindigkeit der Objekte und/oder einer Trajektorie der Objekte und/oder einer Beschleunigung der Objekte und/oder der erwarteten Trajektorie des Zweiradfahrers und/oder einer Geschwindigkeit des Zweiradfahrers und/oder einer Beschleunigung des Zweiradfahrers und/oder einer Straßengeometrie des nächsten Straßensegments basiert.
Beispiel 148 ist das Verfahren eines der Beispiele 133 bis 147, wobei die Risikowahrscheinlichkeit ferner auf einem mit dem Zweiradfahrer assoziierten Lernmodell basiert, wobei das Lernmodell auf Vergleichen der erwarteten Trajektorie mit einer tatsächlichen Bewegung des Zweiradfahrers über mehrere Straßensegmente basiert.
Beispiel 149 ist das Verfahren des Beispiels 148, wobei das Lernmodell ein datenbasiertes Lernmodell und/oder ein formelbasiertes Lernmodell beinhaltet.
Beispiel 150 ist das Verfahren der Beispiele 148 oder 149, wobei das Verfahren Empfangen des Lernmodells von einem Cloud-basierten Server oder Übertragen der Vergleiche zu dem Cloud-basierten Server beinhaltet.
Beispiel 151 ist das Verfahren eines der Beispiele 133 bis 150, wobei das Verfahren Bestimmen einer Bewusstheitsbewertung des Zweiradfahrers basierend auf einem Fokuspunkt des Zweiradfahrers beinhaltet, wobei der Fokuspunkt auf einem Sichtfeld des Zweiradfahrers und/oder einer Kopfposition des Zweiradfahrers und/oder einer Augenposition des Zweiradfahrers basiert.
Beispiel 152 ist das Verfahren des Beispiels 151, wobei die Bewusstheitsbewertung eine erwartete Reaktionszeit des Zweiradfahrers beinhaltet, wobei die erwartete Reaktionszeit auf einer Korrelation des Fokuspunkts mit der erwarteten Trajektorie basiert.
Beispiel 153 ist das Verfahren eines der Beispiele 133 bis 152, wobei die Risikowahrscheinlichkeit mit einem detektierten Objekt innerhalb der erwarteten Trajektorie assoziiert ist.
Beispiel 154 ist das Verfahren eines der Beispiele 133 bis 153, wobei die ersten Informationen ein Kamerabild beinhalten, das mit einer Kopfposition des Zweiradfahrers assoziiert ist.
Beispiel 155 ist das Verfahren des Beispiels 154, wobei das Verfahren Empfangen des Kamerabildes von einer nach vorne gerichteten Kamera beinhaltet, die mit der Kopfposition des Zweiradfahrers ausgerichtet ist.
Beispiel 156 ist das Verfahren entweder des Beispiels 154 oder 155, wobei das Empfangen des Kamerabildes Empfangen des Kamerabildes von einer zu dem Zweiradfahrer gerichteten Kamera beinhaltet, die dem Zweiradfahrer zugewandt ist.
Beispiel 157 ist das Verfahren eines der Beispiele 133 bis 156, wobei das Empfangen der zweiten Informationen Empfangen von Sensorinformationen von einem Sensor des Zweiradfahrers beinhaltet, wobei die Sensorinformationen mindestens eines aus nach hinten gerichteten Sensorinformationen, die ein Bereich hinter dem Zweiradfahrer angeben, nach vorne gerichteten Sensorinformationen, die einen Bereich vor dem Zweiradfahrer angeben, Körpersensorinformationen, die eine Haltung, eine Position und/oder einen Berührungsort des Zweiradfahrers angeben, und/oder zur Seite gerichteten Sensorinformation, die einen Bereich neben dem Zweiradfahrer angeben, beinhalten.
Beispiel 158 ist das Verfahren des Beispiels 157, wobei der Sensor eine Kamera und/oder einen Lichtdetektions- und -entfernungsmessungssensor und/oder einen Radar-Sensor und/oder einen Positionierungssensor und/oder einen Berührungssensor und/oder einen Beschleunigungsmesser und/oder ein Magnetometer und/oder ein Gyroskop beinhaltet.
Beispiel 159 ist das Verfahren eines der Beispiele 133 bis 158, wobei die Warnung eine visuelle Anzeige und/oder eine akustische Anzeige und/oder eine haptische Rückmeldung beinhaltet, die dazu ausgelegt ist, den Zweiradfahrer über die Risikowahrscheinlichkeit zu warnen.
Beispiel 160 ist das Verfahren eines der Beispiele 133 bis 159, wobei die Warnung eine Bewegungsanweisung beinhaltet, die dazu ausgelegt ist, auf die Risikowahrscheinlichkeit zu reagieren.
Beispiel 161 ist das Verfahren des Beispiels 160, wobei die Bewegungsanweisung eine Anweisung zum Verringern einer Geschwindigkeit des Zweiradfahrers im nächsten Straßensegment beinhaltet.
Beispiel 162 ist das Verfahren des Beispiels 161, wobei die Anweisung dazu ausgelegt ist, eine mit dem Zweiradfahrer assoziierte Antriebskraft zu deaktivieren.
Beispiel 163 ist das Verfahren entweder des Beispiels 161 oder 162, wobei die Anweisung dazu ausgelegt ist, eine mit dem Zweiradfahrer assoziierte Bremse zu betätigen.
Beispiel 164 ist das Verfahren eines der Beispiele 160 bis 163, wobei die Bewegungsanweisung eine Anweisung zum Drehen eines mit dem Zweiradfahrer assoziierten Lenkmechanismus beinhaltet.
Beispiel 165 ist das Verfahren eines der Beispiele 160 bis 164, wobei die Bewegungsanweisung von der Risikowahrscheinlichkeit und einem mit der Umgebung assoziierten Kontrollverlustfaktor abhängt.
Beispiel 166 ist das Verfahren des Beispiels 165, wobei der Kontrollverlustfaktor von einer gemessenen Abbremsung des Zweiradfahrers als Reaktion auf die Bewegungsanweisung abhängt.
Beispiel 167 ist das Verfahren entweder des Beispiels 165 oder 166, wobei der Kontrollverlustfaktor von einer Haltung des Zweiradfahrers abhängt.
Beispiel 168 ist das Verfahren eines der Beispiele 165 oder 167, wobei der Kontrollverlustfaktor von einer Straßenbedingung des nächsten Straßensegments abhängt.
Beispiel 169 ist das Verfahren des Beispiels 168, wobei die Straßenbedingung mindestens eines aus einer Straßenbeschädigung an dem nächsten Straßensegment, einem Nässegrad des nächsten Straßensegments und/oder einer Geometrie des nächsten Straßensegments beinhaltet.
Beispiel 170 ist das Verfahren eines der Beispiele 133 bis 169, wobei der Zweiradfahrer einen Fußgänger beinhaltet, der ein Fahrrad fährt.
Beispiel 171 ist das Verfahren eines des Beispiels 170, wobei das Fahrrad ein elektrisches Fahrrad oder ein motorisiertes Fahrrad ist.
Beispiel 172 ist ein Verfahren zum Überwachen und Reagieren auf die Sicherheit eines Fußgängers, das Empfangen erster Informationen beinhaltet, die eine Kopfposition eines Fußgängers angeben. Das Verfahren beinhaltet auch Empfangen zweiter Informationen, die eine Umgebung des Fußgängers angeben. Das Verfahren beinhaltet auch Bestimmen eines Sichtfeldes des Fußgängers basierend auf den ersten Informationen. Das Verfahren beinhaltet auch Bestimmen einer erwarteten Trajektorie des Fußgängers in einem nächsten Straßensegment basierend auf dem Sichtfeld und der Umgebung. Das Verfahren beinhaltet auch Bestimmen einer Risikowahrscheinlichkeit für die erwartete Trajektorie des Fußgängers im nächsten Straßensegment basierend auf dem Sichtfeld und der Umgebung. Das Verfahren beinhaltet auch Erzeugen einer Anweisung zum Übertragen einer Warnung zu dem Fußgänger, falls die Risikowahrscheinlichkeit einen Schwellenwert überschreitet.
Beispiel 173 ist das Verfahren des Beispiels 172, wobei das Verfahren auch Bestimmen der erwarteten Trajektorie des Fußgängers basierend auf einer Zeitdauer, während der das Sichtfeld entlang einer möglichen Trajektorie des Fußgängers liegt, beinhaltet.
Beispiel 174 ist das Verfahren eines der Beispiele 172 oder 173, wobei das Verfahren auch Bestimmen der erwarteten Trajektorie des Fußgängers basierend auf einer Haltung des Fußgängers, die eine mögliche Trajektorie des Fußgängers angibt, beinhaltet.
Beispiel 175 ist das Verfahren des Beispiels 174, wobei die Haltung eine Kopfdrehung des Fußgängers in Richtung einer möglichen Trajektorie des Fußgängers beinhaltet.
Beispiel 176 ist das Verfahren des Beispiels 174, wobei die Haltung ein Armsignal des Fußgängers beinhaltet, das eine mögliche Trajektorie des Fußgängers angibt.
Beispiel 177 ist das Verfahren eines der Beispiele 172 bis 176, wobei das Verfahren auch Bestimmen der erwarteten Trajektorie des Fußgängers basierend auf empfangenen Karteninformationen, die mit einem geografischen Standort des Fußgängers und/oder einer möglichen Trajektorie des Fußgängers assoziiert sind, beinhaltet.
Beispiel 178 ist das Verfahren des Beispiels 177, wobei das Verfahren auch Korrelieren der Karteninformationen mit den ersten Informationen beinhaltet, um eine Fokuswahrscheinlichkeit zu schätzen, dass der Fußgänger auf die erwartete Trajektorie fokussiert ist.
Beispiel 179 ist das Verfahren eines der Beispiele 172 bis 178, wobei das Verfahren auch Bestimmen der erwarteten Trajektorie des Fußgängers basierend auf Informationen, die eine Laufrichtung des Fußgängers und/oder eine Geschwindigkeit des Fußgängers und/oder eine Beschleunigung des Fußgängers angeben, beinhaltet.
Beispiel 180 ist das Verfahren eines der Beispiele 172 bis 179, wobei das Verfahren auch drahtloses Empfangen der ersten Informationen und/oder der zweiten Informationen beinhaltet.
Beispiel 181 ist das Verfahren eines der Beispiele 172 bis 180, wobei das Verfahren auch drahtloses Empfangen der ersten Informationen und/oder der zweiten Informationen unter Verwendung eines V2X-Protokolls und/oder eines WiFi-Protokolls und/oder eines Bluetooth-Protokolls beinhaltet.
Beispiel 182 ist das Verfahren eines der Beispiele 172 bis 181, wobei das Verfahren auch drahtloses Übertragen der Warnung beinhaltet.
Beispiel 183 ist das Verfahren eines der Beispiele 172 bis 182, wobei das Verfahren auch Bestimmen mehrerer möglicher Trajektorien für den Fußgänger und, für jede mögliche Trajektorie der mehreren möglichen Trajektorien, Bestimmen einer Pfadbewertung und/oder -wahrscheinlichkeit, die mit der möglichen Trajektorie assoziiert ist, und Bestimmen des nächsten Straßensegments und der erwarteten Trajektorie basierend auf den Pfadbewertungen und/oder -wahrscheinlichkeiten beinhaltet.
Beispiel 184 ist das Verfahren des Beispiels 183, wobei das Verfahren auch Bestimmen, für jede mögliche Trajektorie der mehreren möglichen Trajektorien, einer mit der möglichen Trajektorie assoziierten Risikobewertung beinhaltet, wobei die Risikobewertung auf dem Sichtfeld des Fußgängers basiert.
Beispiel 185 ist das Verfahren des Beispiels 184, wobei die Risikobewertung auf einem mit der Umgebung assoziierten Sicherheitsmodell basiert, wobei das Sicherheitsmodell ein unstrukturiertes Sicherheitsmodell oder ein strukturiertes Sicherheitsmodell beinhaltet.
Beispiel 186 ist das Verfahren des Beispiels 185, wobei die Risikobewertung auf einer Anzahl von Objekten in der Umgebung und/oder einem Abstand des Fußgängers von den Objekten und/oder einer Geschwindigkeit der Objekte und/oder einer Trajektorie der Objekte und/oder einer Beschleunigung der Objekte und/oder der erwarteten Trajektorie des Fußgängers und/oder einer Geschwindigkeit des Fußgängers und/oder einer Beschleunigung des Fußgängers und/oder einer Straßengeometrie des nächsten Straßensegments basiert.
Beispiel 187 ist das Verfahren eines der Beispiele 172 bis 186, wobei die Risikowahrscheinlichkeit ferner auf einem Lernmodell basiert, das mit dem Fußgänger assoziiert ist, wobei das Lernmodell auf Vergleichen der erwarteten Trajektorie mit einer tatsächlichen Bewegung des Fußgängers über mehrere Straßensegmente basiert.
Beispiel 188 ist das Verfahren des Beispiels 187, wobei das Lernmodell ein datenbasiertes Lernmodell und/oder ein formelbasiertes Lernmodell beinhaltet.
Beispiel 189 ist das Verfahren der Beispiele 187 oder 188, wobei das Verfahren auch Empfangen des Lernmodells von einem Cloud-basierten Server oder Übertragen der Vergleiche zu dem Cloud-basierten Server beinhaltet.
Beispiel 190 ist das Verfahren eines der Beispiele 172 bis 189, wobei das Verfahren auch Bestimmen einer Bewusstheitsbewertung des Fußgängers basierend auf einem Fokuspunkt des Fußgängers beinhaltet, wobei der Fokuspunkt auf dem Sichtfeld des Fußgängers und/oder einer Kopfposition des Fußgängers und/oder einer Augenposition des Fußgängers basiert.
Beispiel 191 ist das Verfahren des Beispiels 190, wobei die Bewusstheitsbewertung eine erwartete Reaktionszeit des Fußgängers beinhaltet, wobei die erwartete Reaktionszeit auf einer Korrelation des Fokuspunkts mit der erwarteten Trajektorie basiert.
Beispiel 192 ist das Verfahren eines der Beispiele 172 bis 191, wobei die Risikowahrscheinlichkeit mit einem detektierten Objekt innerhalb der erwarteten Trajektorie assoziiert ist.
Beispiel 193 ist das Verfahren eines der Beispiele 172 bis 192, wobei die ersten Informationen ein Kamerabild beinhalten, das mit einer Kopfposition des Fußgängers assoziiert ist.
Beispiel 194 ist das Verfahren des Beispiels 193, wobei das Verfahren auch Empfangen des Kamerabildes von einer nach vorne gerichteten Kamera beinhaltet, die mit der Kopfposition des Fußgängers ausgerichtet ist.
Beispiel 195 ist das Verfahren entweder des Beispiels 193 oder 194, wobei das Verfahren auch Empfangen des Kamerabildes von einer zu einem Fußgänger gerichteten Kamera beinhaltet, die dem Fußgänger zugewandt ist.
Beispiel 196 ist das Verfahren eines der Beispiele 172 bis 195, wobei die zweiten Informationen Empfangen von Sensorinformationen von einem Sensor des Fußgängers beinhalten, wobei die Sensorinformationen mindestens eines aus nach hinten gerichteten Sensorinformationen, die einen Bereich hinter dem Fußgänger angeben, nach vorne gerichteten Sensorinformationen, die einen Bereich vor dem Fußgänger angeben, Körpersensorinformationen, die eine Haltung des Fußgängers angeben, und/oder zur Seite gerichtete Sensorinformationen, die einen Bereich neben dem Fußgänger angeben, beinhalten.
Beispiel 197 ist das Verfahren des Beispiels 196, wobei der Sensor eine Kamera und/oder einen Lichtdetektions- und -entfernungsmessungssensor und/oder einen Radar-Sensor und/oder einen Positionierungssensor und/oder einen Berührungssensor und/oder einen Beschleunigungsmesser und/oder ein Magnetometer und/oder ein Gyroskop beinhaltet.
Beispiel 198 ist das Verfahren eines der Beispiele 172 bis 197, wobei die Warnung eine visuelle Anzeige und/oder eine akustische Anzeige und/oder eine haptische Rückmeldung beinhaltet, die dazu ausgelegt ist, den Fußgänger über die Risikowahrscheinlichkeit zu warnen.
Beispiel 199 ist ein nichtflüchtiges computerlesbares Medium, das Anweisungen umfasst, die, wenn sie ausgeführt werden, bewirken, dass ein oder mehrere Prozessoren erste Informationen empfangen, die eine Kopfposition eines Zweiradfahrers angeben. Die Anweisungen bewirken auch, dass der Prozessor basierend auf den ersten Informationen ein Sichtfeld des Zweiradfahrers bestimmt. Die Anweisungen bewirken auch, dass der Prozessor zweite Informationen empfängt, die eine Umgebung des Zweiradfahrers angeben. Die Anweisungen bewirken auch, dass der Prozessor basierend auf dem Sichtfeld und der Umgebung eine erwartete Trajektorie des Zweiradfahrers in einem nächsten Straßensegment bestimmt. Die Anweisungen bewirken auch, dass der Prozessor basierend auf dem Sichtfeld und der Umgebung eine Risikowahrscheinlichkeit für die erwartete Trajektorie des Zweiradfahrers im nächsten Straßensegment bestimmt. Die Anweisungen bewirken auch, dass der Prozessor eine Anweisung zum Übertragen einer Warnung zu dem Zweiradfahrer erzeugt, falls die Risikowahrscheinlichkeit einen Schwellenwert überschreitet.
Beispiel 200 ist das nichtflüchtige computerlesbare Medium des Beispiels 199, wobei die Anweisungen auch bewirken, dass der Prozessor die erwartete Trajektorie des Zweiradfahrers basierend auf einer Zeitdauer bestimmt, während der das Sichtfeld entlang einer möglichen Trajektorie des Zweiradfahrers liegt.
Beispiel 201 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 oder 200, wobei die Anweisungen auch bewirken, dass der Prozessor die erwartete Trajektorie des Zweiradfahrers basierend auf einer Haltung des Zweiradfahrers bestimmt, die eine mögliche Trajektorie des Zweiradfahrers angibt.
Beispiel 202 ist das nichtflüchtige computerlesbare Medium des Beispiels 201, wobei die Haltung eine Kopfdrehung des Zweiradfahrers in Richtung einer möglichen Trajektorie des Zweiradfahrers beinhaltet.
Beispiel 203 ist das nichtflüchtige computerlesbare Medium des Beispiels 201, wobei die Haltung ein Armsignal des Zweiradfahrers beinhaltet, das eine mögliche Trajektorie des Zweiradfahrers angibt.
Beispiel 204 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 bis 203, wobei die Anweisungen auch bewirken, dass der Prozessor die erwartete Trajektorie des Zweiradfahrers basierend auf empfangenen Karteninformationen, die mit einem geografischen Standort des Zweiradfahrers und/oder einer möglichen Trajektorie des Zweiradfahrers assoziiert sind, bestimmt.
Beispiel 205 ist das nichtflüchtige computerlesbare Medium des Beispiels 204, wobei die Anweisungen auch bewirken, dass der Prozessor die Karteninformationen mit den ersten Informationen korreliert, um eine Fokuswahrscheinlichkeit zu schätzen, dass der Zweiradfahrer auf die erwartete Trajektorie fokussiert ist.
Beispiel 206 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 bis 205, wobei die Anweisungen auch bewirken, dass der Prozessor die erwartete Trajektorie des Zweiradfahrers basierend auf Informationen bestimmt, die eine Fahrtrichtung des Zweiradfahrers und/oder eine Geschwindigkeit des Zweiradfahrers und/oder eine Beschleunigung des Zweiradfahrers angeben.
Beispiel 207 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 bis 206, das ferner einen Empfänger beinhaltet, der mit dem Prozessor gekoppelt ist, wobei die Anweisungen bewirken, dass der Empfänger die ersten Informationen und/oder die zweiten Informationen drahtlos empfängt.
Beispiel 208 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 bis 207, wobei die Anweisungen, die bewirken, dass der Empfänger die ersten Informationen und/oder die zweiten Informationen drahtlos empfängt, Anweisungen beinhalten, die bewirken, dass der Empfänger die ersten Informationen und/oder die zweiten Informationen unter Verwendung eines V2X-Protokolls und/oder eines WiFi-Protokolls und/oder eines Bluetooth-Protokolls drahtlos empfängt.
Beispiel 209 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 bis 208, das ferner einen Sender beinhaltet, der mit dem Prozessor gekoppelt ist, wobei die Anweisungen bewirken, dass der Sender die Warnung drahtlos überträgt.
Beispiel 210 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 bis 209, wobei die Anweisungen auch bewirken, dass der Prozessor mehrere mögliche Trajektorien für den Zweiradfahrer bestimmt und, für jede mögliche Trajektorie der mehreren möglichen Trajektorien, eine Pfadbewertung und/oder -wahrscheinlichkeit bestimmt, die mit der möglichen Traj ektorie assoziiert ist, und das nächste Straßensegment und die erwartete Trajektorie basierend auf den Pfadbewertungen und/oder -wahrscheinlichkeiten bestimmt.
Beispiel 211 ist das nichtflüchtige computerlesbare Medium des Beispiels 210, wobei die Anweisungen auch bewirken, dass der Prozessor für jede mögliche Trajektorie der mehreren möglichen Trajektorien eine mit der möglichen Trajektorie assoziierte Risikobewertung bestimmt, wobei die Risikobewertung auf dem Sichtfeld des Zweiradfahrers basiert.
Beispiel 212 ist das nichtflüchtige computerlesbare Medium des Beispiels 211, wobei die Risikobewertung auf einem mit der Umgebung assoziierten Sicherheitsmodell basiert, wobei das Sicherheitsmodell ein unstrukturiertes Sicherheitsmodell oder ein strukturiertes Sicherheitsmodell beinhaltet.
Beispiel 213 ist das nichtflüchtige computerlesbare Medium des Beispiels 212, wobei die Risikobewertung auf einer Anzahl von Objekten in der Umgebung und/oder einem Abstand des Zweiradfahrers von den Objekten und/oder einer Geschwindigkeit der Objekte und/oder einer Trajektorie der Objekte und/oder einer Beschleunigung der Objekte und/oder der erwarteten Trajektorie des Zweiradfahrers und/oder einer Geschwindigkeit des Zweiradfahrers und/oder einer Beschleunigung des Zweiradfahrers und/oder einer Straßengeometrie des nächsten Straßensegments basiert.
Beispiel 214 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 bis 213, wobei die Risikowahrscheinlichkeit ferner auf einem mit dem Zweiradfahrer assoziierten Lernmodell basiert, wobei das Lernmodell auf Vergleichen der erwarteten Trajektorie mit einer tatsächlichen Bewegung des Zweiradfahrers über mehrere Straßensegmente basiert.
Beispiel 215 ist das nichtflüchtige computerlesbare Medium des Beispiels 214, wobei das Lernmodell ein datenbasiertes Lernmodell und/oder ein formelbasiertes Lernmodell beinhaltet.
Beispiel 216 ist das nichtflüchtige computerlesbare Medium der Beispiele 214 oder 215, wobei die Anweisungen auch bewirken, dass der Prozessor das Lernmodell von einem Cloud-basierten Server empfängt oder die Vergleiche zu dem Cloud-basierten Server überträgt.
Beispiel 217 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 bis 216, wobei die Anweisungen auch bewirken, dass der Prozessor eine Bewusstheitsbewertung des Zweiradfahrers basierend auf einem Fokuspunkt des Zweiradfahrers bestimmt, wobei der Fokuspunkt auf dem Sichtfeld des Zweiradfahrers und/oder einer Kopfposition des Zweiradfahrers und/oder einer Augenposition des Zweiradfahrers basiert.
Beispiel 218 ist das nichtflüchtige computerlesbare Medium des Beispiels 217, wobei die Bewusstheitsbewertung eine erwartete Reaktionszeit des Zweiradfahrers beinhaltet, wobei die erwartete Reaktionszeit auf einer Korrelation des Fokuspunkts mit der erwarteten Trajektorie basiert.
Beispiel 219 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 bis 218, wobei die Risikowahrscheinlichkeit mit einem detektierten Objekt innerhalb der erwarteten Trajektorie assoziiert ist.
Beispiel 220 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 bis 219, wobei die ersten Informationen ein Kamerabild beinhalten, das mit einer Kopfposition des Zweiradfahrers assoziiert ist.
Beispiel 221 ist das nichtflüchtige computerlesbare Medium des Beispiels 220, wobei die Anweisungen auch bewirken, dass der Prozessor das Kamerabild von einer nach vorne gerichteten Kamera empfängt, die mit der Kopfposition des Zweiradfahrers ausgerichtet ist.
Beispiel 222 ist das nichtflüchtige computerlesbare Medium entweder des Beispiels 220 oder 221, wobei die Anweisungen auch bewirken, dass der Prozessor das Kamerabild von einer zu dem Zweiradfahrer gerichteten Kamera empfängt, die dem Zweiradfahrer zugewandt ist.
Beispiel 223 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 bis 222, wobei die zweiten Informationen Sensorinformationen beinhalten, die von einem Sensor des Zweiradfahrers empfangen werden, wobei der Sensor mindestens einen aus einem nach hinten gerichteten Sensor, der dazu ausgelegt ist, einen Bereich hinter dem Zweiradfahrer zu erfassen, einem nach vorne gerichteten Sensor, der dazu ausgelegt ist, einen Bereich vor dem Zweiradfahrer zu erfassen, einem Körpersensor, der dazu ausgelegt ist, eine Haltung, eine Position und/oder einen Berührungsort des Zweiradfahrers zu erfassen, und/oder einem zur Seite gerichteten Sensor, der dazu ausgelegt ist, einen Bereich neben dem Zweiradfahrer zu erfassen, beinhaltet.
Beispiel 224 ist das nichtflüchtige computerlesbare Medium des Beispiels 223, wobei der Sensor eine Kamera und/oder einen Lichtdetektions- und -entfernungsmessungssensor und/oder einen Radar-Sensor und/oder einen Positionierungssensor und/oder einen Berührungssensor und/oder einen Beschleunigungsmesser und/oder ein Magnetometer und/oder ein Gyroskop beinhaltet.
Beispiel 225 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 bis 224, wobei die Warnung eine visuelle Anzeige und/oder eine akustische Anzeige und/oder eine haptische Rückmeldung beinhaltet, die dazu ausgelegt sind, den Zweiradfahrer über die Risikowahrscheinlichkeit zu warnen.
Beispiel 226 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 bis 225, wobei die Warnung eine Bewegungsanweisung beinhaltet, die dazu ausgelegt ist, auf die Risikowahrscheinlichkeit zu reagieren.
Beispiel 227 ist das nichtflüchtige computerlesbare Medium des Beispiels 226, wobei die Bewegungsanweisung eine Verlangsamungsanweisung zum Verringern einer Geschwindigkeit des Zweiradfahrers im nächsten Straßensegment beinhaltet.
Beispiel 228 ist das nichtflüchtige computerlesbare Medium des Beispiels 227, wobei die Verlangsamungsanweisung dazu ausgelegt ist, eine mit dem Zweiradfahrer assoziierte Antriebskraft zu deaktivieren.
Beispiel 229 ist das nichtflüchtige computerlesbare Medium entweder des Beispiels 227 oder 228, wobei die Verlangsamungsanweisung dazu ausgelegt ist, eine mit dem Zweiradfahrer assoziierte Bremse zu betätigen.
Beispiel 230 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 226 bis 229, wobei die Bewegungsanweisung eine Drehanweisung zum Drehen eines mit dem Zweiradfahrer assoziierten Lenkmechanismus beinhaltet.
Beispiel 231 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 226 bis 230, wobei die Bewegungsanweisung von der Risikowahrscheinlichkeit und einem mit der Umgebung assoziierten Kontrollverlustfaktor abhängt.
Beispiel 232 ist das nichtflüchtige computerlesbare Medium des Beispiels 231, wobei der Kontrollverlustfaktor von einer gemessenen Abbremsung des Zweiradfahrers als Reaktion auf die Bewegungsanweisung abhängt.
Beispiel 233 ist das nichtflüchtige computerlesbare Medium entweder des Beispiels 231 oder 232, wobei der Kontrollverlustfaktor von einer Haltung des Zweiradfahrers abhängt.
Beispiel 234 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 231 oder 233, wobei der Kontrollverlustfaktor von einer Straßenbedingung des nächsten Straßensegments abhängt.
Beispiel 235 ist das nichtflüchtige computerlesbare Medium des Beispiels 234, wobei die Straßenbedingung mindestens eines aus einer Straßenbeschädigung an dem nächsten Straßensegment, einem Nässegrad des nächsten Straßensegments und/oder einer Geometrie des nächsten Straßensegments beinhaltet.
Beispiel 236 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 199 bis 235, wobei der Zweiradfahrer einen Fußgänger beinhaltet, der ein Fahrrad führt.
Beispiel 237 ist das nichtflüchtige computerlesbare Medium eines des Beispiels 236, wobei das Fahrrad ein elektrisches Fahrrad oder ein motorisiertes Fahrrad ist.
Beispiel 238 ist ein nichtflüchtiges computerlesbares Medium, das Anweisungen umfasst, die, wenn sie ausgeführt werden, bewirken, dass ein oder mehrere Prozessoren erste Informationen empfangen, die eine Kopfposition eines Fußgängers angeben. Die Anweisungen bewirken auch, dass der Prozessor zweite Informationen empfängt, die eine Umgebung des Fußgängers angeben. Die Anweisungen bewirken auch, dass der Prozessor basierend auf den ersten Informationen ein Sichtfeld des Fußgängers bestimmt. Die Anweisungen bewirken auch, dass der Prozessor basierend auf dem Sichtfeld und der Umgebung eine erwartete Trajektorie des Fußgängers in einem nächsten Straßensegment bestimmt. Die Anweisungen bewirken auch, dass der Prozessor basierend auf dem Sichtfeld und der Umgebung eine Risikowahrscheinlichkeit für die erwartete Trajektorie des Fußgängers im nächsten Straßensegment bestimmt. Die Anweisungen bewirken auch, dass der Prozessor eine Anweisung zum Übertragen einer Warnung zu dem Fußgänger erzeugt, falls die Risikowahrscheinlichkeit einen Schwellenwert überschreitet.
Beispiel 239 ist das nichtflüchtige computerlesbare Medium des Beispiels 238, wobei die Anweisungen auch bewirken, dass der Prozessor die erwartete Trajektorie des Fußgängers basierend auf einer Zeitdauer bestimmt, während der das Sichtfeld entlang einer möglichen Trajektorie des Fußgängers liegt.
Beispiel 240 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 238 oder 239, wobei die Anweisungen auch bewirken, dass der Prozessor die erwartete Trajektorie des Fußgängers basierend auf einer Haltung des Fußgängers bestimmt, die eine mögliche Trajektorie des Fußgängers angibt.
Beispiel 241 ist das nichtflüchtige computerlesbare Medium des Beispiels 240, wobei die Haltung eine Kopfdrehung des Fußgängers in Richtung einer möglichen Trajektorie des Fußgängers beinhaltet.
Beispiel 242 ist das nichtflüchtige computerlesbare Medium des Beispiels 240, wobei die Haltung ein Armsignal des Fußgängers beinhaltet, das eine mögliche Trajektorie des Fußgängers angibt.
Beispiel 243 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 238 bis 242, wobei die Anweisungen auch bewirken, dass der Prozessor die erwartete Trajektorie des Fußgängers basierend auf empfangenen Karteninformationen, die mit einem geografischen Standort des Fußgängers und/oder einer möglichen Trajektorie des Fußgängers assoziiert sind, bestimmt.
Beispiel 244 ist das nichtflüchtige computerlesbare Medium des Beispiels 243, wobei die Anweisungen auch bewirken, dass der Prozessor die Karteninformationen mit den ersten Informationen korreliert, um eine Fokuswahrscheinlichkeit zu schätzen, dass der Fußgänger auf die erwartete Trajektorie fokussiert ist.
Beispiel 245 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 238 bis 244, wobei die Anweisungen auch bewirken, dass der Prozessor die erwartete Trajektorie des Fußgängers basierend auf Informationen bestimmt, die eine Laufrichtung des Fußgängers und/oder eine Geschwindigkeit des Fußgängers und/oder eine Beschleunigung des Fußgängers angeben.
Beispiel 246 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 238 bis 245, das ferner einen Empfänger beinhaltet, der mit dem Prozessor gekoppelt ist, wobei die Anweisungen bewirken, dass der Empfänger die ersten Informationen und/oder die zweiten Informationen drahtlos empfängt.
Beispiel 247 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 238 bis 246, wobei das Bewirken, dass der Empfänger die ersten Informationen und/oder die zweiten Informationen drahtlos empfängt, drahtloses Empfangen der ersten Informationen und/oder der zweiten Informationen unter Verwendung mindestens eines V2X-Protokolls und/oder eines WiFi-Protokolle und/oder eines Bluetooth-Protokolls beinhaltet.
Beispiel 248 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 238 bis 247, das ferner einen Sender beinhaltet, der mit dem Prozessor gekoppelt ist, wobei die Anweisungen bewirken, dass der Sender die Warnung drahtlos überträgt.
Beispiel 249 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 238 bis 248, wobei die Anweisungen auch bewirken, dass der Prozessor mehrere mögliche Trajektorien für den Fußgänger bestimmt und, für jede mögliche Trajektorie der mehreren möglichen Trajektorien, eine Pfadbewertung und/oder -wahrscheinlichkeit bestimmt, die mit der möglichen Traj ektorie assoziiert ist, und das nächste Straßensegment und die erwartete Trajektorie basierend auf den Pfadbewertungen und/oder -wahrscheinlichkeiten bestimmt.
Beispiel 250 ist das nichtflüchtige computerlesbare Medium des Beispiels 249, wobei die Anweisungen auch bewirken, dass der Prozessor für jede mögliche Trajektorie der mehreren möglichen Trajektorien eine mit der möglichen Trajektorie assoziierte Risikobewertung bestimmt, wobei die Risikobewertung auf dem Sichtfeld des Fußgängers basiert.
Beispiel 251 ist das nichtflüchtige computerlesbare Medium des Beispiels 250, wobei die Risikobewertung auf einem mit der Umgebung assoziierten Sicherheitsmodell basiert, wobei das Sicherheitsmodell ein unstrukturiertes Sicherheitsmodell oder ein strukturiertes Sicherheitsmodell beinhaltet.
Beispiel 252 ist das nichtflüchtige computerlesbare Medium des Beispiels 251, wobei die Risikobewertung auf einer Anzahl von Objekten in der Umgebung und/oder einem Abstand des Fußgängers von den Objekten und/oder einer Geschwindigkeit der Objekte und/oder einer Trajektorie der Objekte und/oder einer Beschleunigung der Objekte und/oder der erwarteten Trajektorie des Fußgängers und/oder einer Geschwindigkeit des Fußgängers und/oder einer Beschleunigung des Fußgängers und/oder einer Straßengeometrie des nächsten Straßensegments basiert.
Beispiel 253 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 238 bis 252, wobei die Risikowahrscheinlichkeit ferner auf einem mit dem Fußgänger assoziierten Lernmodell basiert, wobei das Lernmodell auf Vergleichen der erwarteten Trajektorie mit einer tatsächlichen Bewegung des Fußgängers über mehrere Straßensegmente basiert.
Beispiel 254 ist das nichtflüchtige computerlesbare Medium des Beispiels 253, wobei das Lernmodell ein datenbasiertes Lernmodell und/oder ein formelbasiertes Lernmodell beinhaltet.
Beispiel 255 ist das nichtflüchtige computerlesbare Medium der Beispiele 253 oder 254, wobei die Anweisungen auch bewirken, dass der Prozessor das Lernmodell von einem Cloud-basierten Server empfängt oder die Vergleiche zu dem Cloud-basierten Server überträgt.
Beispiel 256 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 238 bis 255, wobei die Anweisungen auch bewirken, dass der Prozessor eine Bewusstheitsbewertung des Fußgängers basierend auf einem Fokuspunkt des Fußgängers bestimmt, wobei der Fokuspunkt auf dem Sichtfeld des Fußgängers und/oder einer Kopfposition des Fußgängers und/oder einer Augenposition des Fußgängers basiert.
Beispiel 257 ist das nichtflüchtige computerlesbare Medium des Beispiels 256, wobei die Bewusstheitsbewertung eine erwartete Reaktionszeit des Fußgängers beinhaltet, wobei die erwartete Reaktionszeit auf einer Korrelation des Fokuspunkts mit der erwarteten Trajektorie basiert.
Beispiel 258 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 238 bis 257, wobei die Risikowahrscheinlichkeit mit einem detektierten Objekt innerhalb der erwarteten Trajektorie assoziiert ist.
Beispiel 259 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 238 bis 258, wobei die ersten Informationen ein Kamerabild beinhalten, das mit einer Kopfposition des Fußgängers assoziiert ist.
Beispiel 260 ist das nichtflüchtige computerlesbare Medium des Beispiels 259, wobei die Anweisungen auch bewirken, dass der Prozessor das Kamerabild von einer nach vorne gerichteten Kamera empfängt, die mit der Kopfposition des Fußgängers ausgerichtet ist.
Beispiel 261 ist das nichtflüchtige computerlesbare Medium entweder des Beispiels 259 oder 260, wobei die Anweisungen auch bewirken, dass der Prozessor das Kamerabild von einer zu dem Fußgänger gerichteten Kamera empfängt, die dem Fußgänger zugewandt ist.
Beispiel 262 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 238 bis 261, wobei die zweiten Informationen Sensorinformationen beinhalten, die von einem Sensor des Fußgängers empfangen werden, wobei der Sensor mindestens einen aus einem nach hinten gerichteten Sensor, der dazu ausgelegt ist, einen Bereich hinter dem Fußgänger zu erfassen, einem nach vorne gerichteten Sensor, der dazu ausgelegt ist, einen Bereich vor dem Fußgänger zu erfassen, einem Körpersensor, der dazu ausgelegt ist, eine Haltung, eine Position und/oder einen Berührungsort des Fußgängers zu erfassen, und/oder einem zur Seite gerichteten Sensor, der dazu ausgelegt ist, einen Bereich neben dem Fußgänger zu erfassen, beinhaltet.
Beispiel 263 ist das nichtflüchtige computerlesbare Medium des Beispiels 262, wobei der Sensor eine Kamera und/oder einen Lichtdetektions- und -entfernungsmessungssensor und/oder einen Radar-Sensor und/oder einen Positionierungssensor und/oder einen Berührungssensor und/oder einen Beschleunigungsmesser und/oder ein Magnetometer und/oder ein Gyroskop beinhaltet.
Beispiel 264 ist das nichtflüchtige computerlesbare Medium eines der Beispiele 238 bis 263, wobei die Warnung eine visuelle Anzeige und/oder eine akustische Anzeige und/oder eine haptische Rückmeldung beinhaltet, die dazu ausgelegt sind, den Fußgänger über die Risikowahrscheinlichkeit zu warnen.
Obwohl die Offenbarung insbesondere unter Bezugnahme auf spezifische Aspekte gezeigt und beschrieben wurde, versteht es sich für einen Fachmann auf dem Gebiet, dass verschiedene Änderungen in Form und Detail darin vorgenommen werden können, ohne vom Wesen und Schutzumfang der Offenbarung, wie durch die angehängten Ansprüche definiert, abzuweichen. Der Schutzumfang der Offenbarung wird somit durch die angehängten Ansprüche angegeben, und alle Änderungen, die innerhalb der Bedeutung und des Äquivalenzbereichs der Ansprüche liegen, sollen deshalb eingeschlossen sein.

Claims

Einrichtung, die Folgendes umfasst: einen Prozessor, der ausgelegt ist zum: Empfangen erster Informationen, die eine Kopfposition eines Zweiradfahrers angeben; Bestimmen, basierend auf den ersten Informationen, eines Sichtfelds des Zweiradfahrers; Empfangen zweiter Informationen, die eine Umgebung des Zweiradfahrers angeben; Bestimmen, basierend auf dem Sichtfeld und der Umgebung, einer erwarteten Trajektorie des Zweiradfahrers in einem nächsten Straßensegment; Bestimmen, basierend auf dem Sichtfeld und der Umgebung, einer Risikowahrscheinlichkeit für die erwartete Trajektorie des Zweiradfahrers im nächsten Straßensegment; und Erzeugen einer Anweisung zum Übertragen einer Warnung zu dem Zweiradfahrer, falls die Risikowahrscheinlichkeit einen Schwellenwert überschreitet.
Einrichtung nach Anspruch 1, wobei der Prozessor ferner dazu ausgelegt ist, die erwartete Trajektorie des Zweiradfahrers basierend auf einer Zeitdauer zu bestimmen, während der das Sichtfeld entlang einer möglichen Trajektorie des Zweiradfahrers liegt; optional wobei der Prozessor ferner dazu ausgelegt ist, die erwartete Trajektorie des Zweiradfahrers basierend auf einer Haltung des Zweiradfahrers zu bestimmen, die eine mögliche Trajektorie des Zweiradfahrers angibt.
Einrichtung nach Anspruch 2, wobei die Haltung eine Kopfdrehung und/oder ein Armsignal des Zweiradfahrers in Richtung einer möglichen Trajektorie des Zweiradfahrers umfasst; optional wobei der Prozessor ferner dazu ausgelegt ist, empfangene Karteninformationen, die mit einem geografischen Standort des Zweiradfahrers und/oder einer möglichen Trajektorie des Zweiradfahrers assoziiert sind, mit den ersten Informationen zu korrelieren, um eine Fokuswahrscheinlichkeit zu schätzen, dass der Zweiradfahrer auf die erwartete Trajektorie fokussiert ist.
Einrichtung nach einem der Ansprüche 1 bis 3, wobei der Empfänger dazu ausgelegt ist, die ersten Informationen und/oder die zweiten Informationen unter Verwendung eines Fahrzeug-zu-Allem(V2X)-Protokolls und/oder eines WiFi-Protokolls und/oder eines Bluetooth-Protokolls drahtlos zu empfangen; und/oder wobei der Prozessor ferner dazu ausgelegt ist, mehrere mögliche Trajektorien für den Zweiradfahrer zu bestimmen und, für jede mögliche Trajektorie der mehreren möglichen Trajektorien, eine Pfadbewertung zu bestimmen, die mit der möglichen Trajektorie assoziiert ist, und das nächste Straßensegment und die erwartete Trajektorie basierend auf den Pfadbewertungen und/oder -wahrscheinlichkeiten zu bestimmen; optional wobei der Prozessor ferner dazu ausgelegt ist, für jede mögliche Trajektorie der mehreren möglichen Trajektorien eine mit der möglichen Trajektorie assoziierte Risikobewertung zu bestimmen, wobei die Risikobewertung auf dem Sichtfeld des Zweiradfahrers basiert; ferner optional wobei die Risikobewertung auf einer Anzahl von Objekten in der Umgebung und/oder einem Abstand des Zweiradfahrers von den Objekten und/oder einer Geschwindigkeit der Objekte und/oder einer Trajektorie der Objekte und/oder einer Beschleunigung der Objekte und/oder der erwarteten Trajektorie des Zweiradfahrers und/oder einer Geschwindigkeit des Zweiradfahrers und/oder einer Beschleunigung des Zweiradfahrers und/oder einer Straßengeometrie des nächsten Straßensegments basiert.
Einrichtung nach einem der Ansprüche 1 bis 4, wobei die Risikowahrscheinlichkeit ferner auf einem Lernmodell basiert, das mit dem Zweiradfahrer assoziiert ist, wobei das Lernmodell auf Vergleichen der erwarteten Trajektorie mit einer tatsächlichen Bewegung des Zweiradfahrers über mehrere Straßensegmente basiert; und/oder wobei die ersten Informationen ein Kamerabild umfassen, das mit einer Kopfposition des Zweiradfahrers assoziiert ist, wobei der Prozessor dazu ausgelegt ist, das Kamerabild von einer nach vorne gerichteten Kamera zu empfangen, die mit der Kopfposition des Zweiradfahrers ausgerichtet ist.
Einrichtung nach einem der Ansprüche 1 bis 5, wobei die Warnung eine visuelle Anzeige und/oder eine akustische Anzeige und/oder eine haptische Rückmeldung umfasst, die dazu ausgelegt ist, den Zweiradfahrer über die Risikowahrscheinlichkeit zu warnen; und/oder wobei die Warnung eine Bewegungsanweisung umfasst, die dazu ausgelegt ist, eine mit dem Zweiradfahrer assoziierte Antriebskraft zu deaktivieren; optional wobei der Kontrollverlustfaktor von einer Straßenbedingung des nächsten Straßensegments abhängt, wobei die Straßenbedingung mindestens eines aus einer Straßenbeschädigung an dem nächsten Straßensegment, einem Nässegrad des nächsten Straßensegments und/oder einer Geometrie des nächsten Straßensegments umfasst.
Einrichtung nach einem der Ansprüche 1 bis 6, wobei die Warnung eine Bewegungsanweisung umfasst, die dazu ausgelegt ist, eine mit dem Zweiradfahrer assoziierte Bremse zu betätigen; optional wobei die Bewegungsanweisung von der Risikowahrscheinlichkeit und einem mit der Umgebung assoziierten Kontrollverlustfaktor abhängt.
Nichtflüchtiges computerlesbares Medium, das Anweisungen umfasst, die, wenn sie ausgeführt werden, bewirken, dass ein oder mehrere Prozessoren Folgendes ausführen: Empfangen erster Informationen, die eine Kopfposition eines Fußgängers angeben; Empfangen zweiter Informationen, die eine Umgebung des Fußgängers angeben; Bestimmen, basierend auf den ersten Informationen, eines Sichtfelds des Fußgängers; Bestimmen, basierend auf dem Sichtfeld und der Umgebung, einer erwarteten Trajektorie des Fußgängers in einem nächsten Straßensegment; Bestimmen, basierend auf dem Sichtfeld und der Umgebung, einer Risikowahrscheinlichkeit für die erwartete Trajektorie des Fußgängers im nächsten Straßensegment; und Erzeugen einer Anweisung zum Übertragen einer Warnung zu dem Fußgänger, falls die Risikowahrscheinlichkeit einen Schwellenwert überschreitet.
Nichtflüchtiges computerlesbares Medium nach Anspruch 8, wobei die Anweisungen ferner bewirken, dass der Prozessor eine Bewusstheitsbewertung des Fußgängers basierend auf einem Fokuspunkt des Fußgängers bestimmt, wobei der Fokuspunkt auf dem Sichtfeld des Fußgängers und/oder einer Kopfposition des Fußgängers und/oder einer Augenposition des Fußgängers basiert; optional wobei die Bewusstheitsbewertung eine erwartete Reaktionszeit des Fußgängers umfasst, wobei die erwartete Reaktionszeit auf einer Korrelation des Fokuspunkts mit der erwarteten Trajektorie basiert.
Nichtflüchtiges computerlesbares Medium nach einem der Ansprüche 8 oder 9, wobei die zweiten Informationen Sensorinformationen umfassen, die von einem Sensor des Fußgängers empfangen werden, wobei der Sensor mindestens einen aus einem nach hinten gerichteten Sensor, der dazu ausgelegt ist, einen Bereich hinter dem Fußgänger zu erfassen, einem nach vorne gerichteten Sensor, der dazu ausgelegt ist, einen Bereich vor dem Fußgänger zu erfassen, einem Körpersensor, der dazu ausgelegt ist, eine Haltung des Fußgängers zu erfassen, und/oder einem zur Seite gerichteten Sensor, der dazu ausgelegt ist, einen Bereich neben dem Fußgänger zu erfassen, umfasst.