DE102022200067A1 - Automated roadworthiness testing of vehicles - Google Patents
Automated roadworthiness testing of vehicles Download PDFInfo
- Publication number
- DE102022200067A1 DE102022200067A1 DE102022200067.6A DE102022200067A DE102022200067A1 DE 102022200067 A1 DE102022200067 A1 DE 102022200067A1 DE 102022200067 A DE102022200067 A DE 102022200067A DE 102022200067 A1 DE102022200067 A1 DE 102022200067A1
- Authority
- DE
- Germany
- Prior art keywords
- vehicle
- control unit
- target data
- roadworthiness
- sensor system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Ceased
Links
- 238000012360 testing method Methods 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 6
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 4
- 230000007547 defect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/22—Platooning, i.e. convoy of communicating vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
Um ein Verfahren (10) zur Prüfung einer Verkehrstüchtigkeit eines zweiten Fahrzeugs (30) basierend auf von mindestens einer externen Sensorik (21, 41) empfangenen Messdaten bereitzustellen, durch welches automatisiert betriebene Fahrzeuge hinsichtlich ihrer Verkehrstüchtigkeit untersucht werden können, wird vorgeschlagen, die das zweite Fahrzeug (30) erfassenden Messdaten von einer Steuereinheit (32, 50) zu empfangen und auszuwerten, wobei im Rahmen der Auswertung Merkmale des zweiten Fahrzeugs (30) identifiziert und/oder klassifiziert werden, und wobei die ermittelten Merkmale des zweiten Fahrzeugs (30) mit Solldaten verglichen werden, um die Verkehrstüchtigkeit des zweiten Fahrzeugs (30) zu attestieren, wenn die ermittelten Merkmale innerhalb eines Grenzbereichs vorliegen oder mit Soll-Merkmalen der Solldaten übereinstimmen.In order to provide a method (10) for checking the roadworthiness of a second vehicle (30) based on measurement data received from at least one external sensor system (21, 41), by means of which automated vehicles can be examined with regard to their roadworthiness, it is proposed that the second Vehicle (30) recorded measurement data from a control unit (32, 50) to receive and evaluate, wherein in the context of the evaluation features of the second vehicle (30) are identified and / or classified, and wherein the determined features of the second vehicle (30) with Target data are compared in order to certify the roadworthiness of the second vehicle (30) if the characteristics determined are within a limit range or correspond to target characteristics of the target data.
Description
Die Erfindung betrifft ein Verfahren zur Prüfung einer Verkehrstüchtigkeit eines zweiten Fahrzeugs basierend auf von mindestens einer externen Sensorik empfangenen Messdaten. Des Weiteren betrifft die Erfindung eine Steuereinheit zum Durchführen eines derartigen Verfahrens.The invention relates to a method for checking the roadworthiness of a second vehicle based on measurement data received from at least one external sensor system. Furthermore, the invention relates to a control unit for carrying out such a method.
Bei dem manuellen Betrieb eines Fahrzeugs, insbesondere im kommerziellen Bereich, wird das entsprechende Fahrzeug von dem Fahrer vor Fahrtantritt oder in regelmäßigen Abständen begutachtet. Durch diese Maßnahme kann die Verkehrstüchtigkeit des Fahrzeugs sichergestellt werden. Bei automatisiert und insbesondere fahrerlos betriebenen Fahrzeugen erfolgt keinerlei Prüfung durch den Fahrer. Bei diesem Anwendungsfall muss die erforderliche Fahrzeugprüfungen vor Fahrtantritt durch einen Fachkundigen gesondert erfolgen, wodurch der personelle Aufwand für den Betrieb von automatisiert betriebenen Fahrzeugen steigt.When a vehicle is operated manually, particularly in the commercial sector, the vehicle in question is inspected by the driver before the start of the journey or at regular intervals. This measure can ensure that the vehicle is roadworthy. In the case of automated and, in particular, driverless vehicles, there is no check by the driver. In this application, the necessary vehicle inspections must be carried out separately by a specialist before the start of the journey, which increases the personnel costs for the operation of automated vehicles.
Die
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zu schaffen, durch welches automatisiert betriebene Fahrzeuge hinsichtlich ihrer Verkehrstüchtigkeit untersucht werden können.The invention is based on the object of creating a method by which automated vehicles can be examined with regard to their roadworthiness.
Diese Aufgabe wird durch die im Anspruch 1 angegebenen Merkmale gelöst. Weitere vorteilhafte Ausgestaltungen der Erfindung sind in den Unteransprüchen beschrieben.This object is achieved by the features specified in
Gemäß einem Aspekt der Erfindung wird ein Verfahren zur Prüfung einer Verkehrstüchtigkeit eines zweiten Fahrzeugs basierend auf von mindestens einer externen Sensorik empfangenen Messdaten bereitgestellt. Die Messdaten können beispielsweise von einem ersten Fahrzeug mit einer entsprechenden Sensorik und/oder von mindestens einer mit der Sensorik ausgerüsteten Infrastruktureinheit empfangen werden.According to one aspect of the invention, a method for checking the roadworthiness of a second vehicle based on measurement data received from at least one external sensor system is provided. The measurement data can be received, for example, from a first vehicle with a corresponding sensor system and/or from at least one infrastructure unit equipped with the sensor system.
Die Sensorik kann beispielsweise Kamerasensoren, LIDAR-Sensoren, Radarsensoren, Ultraschallsensoren und dergleichen umfassen.The sensor system can include, for example, camera sensors, LIDAR sensors, radar sensors, ultrasonic sensors and the like.
Eine mit der Sensorik ausgerüstete Infrastruktureinheit kann beispielsweise als eine Ampelanlage, eine Autobahnbrücke, eine Schilderbrücke, eine verkehrsseitige Messstation für ein Verkehrsaufkommen oder für Luftqualität und dergleichen ausgestaltet sein.An infrastructure unit equipped with the sensor system can be designed, for example, as a traffic light system, a motorway bridge, a gantry sign, a traffic-side measuring station for traffic volume or for air quality and the like.
Die das zweite Fahrzeug erfassenden Messdaten werden von einer Steuereinheit empfangen und ausgewertet. Die Steuereinheit kann eine fahrzeugseitige Steuereinheit oder eine fahrzeugexterne Steuereinheit sein. Dabei können die Messdaten von der Steuereinheit des zweiten Fahrzeugs über eine drahtlose Kommunikationsverbindung empfangen und anschließend ausgewertet werden. Alternativ kann die Auswertung der Messdaten auch außerhalb des zweiten Fahrzeugs erfolgen, wobei ein Ergebnis der Auswertung dem zweiten Fahrzeug mitteilbar ist.The measurement data recorded by the second vehicle are received and evaluated by a control unit. The control unit can be an on-board control unit or an off-board control unit. The measurement data can be received by the control unit of the second vehicle via a wireless communication link and then evaluated. Alternatively, the measurement data can also be evaluated outside of the second vehicle, with a result of the evaluation being able to be communicated to the second vehicle.
Im Rahmen der Auswertung werden Merkmale des zweiten Fahrzeugs identifiziert und/oder klassifiziert. Die ermittelten Merkmale des zweiten Fahrzeugs werden mit Solldaten verglichen. Anschließend wird die Verkehrstüchtigkeit des zweiten Fahrzeugs attestiert, wenn die ermittelten Merkmale innerhalb eines Grenzbereichs vorliegen oder mit Soll-Merkmalen der Solldaten übereinstimmen. Dabei wird die Verkehrstüchtigkeit des zweiten Fahrzeugs, insbesondere dem zweiten Fahrzeug, bestätigt. Andernfalls wird eine Meldung erzeugt, die die Verkehrstüchtigkeit des zweiten Fahrzeugs in Frage stellt oder ablehnt.As part of the evaluation, features of the second vehicle are identified and/or classified. The determined features of the second vehicle are compared with target data. The roadworthiness of the second vehicle is then attested if the determined features are within a limit range or match target features of the target data. The roadworthiness of the second vehicle, in particular the second vehicle, is thereby confirmed. Otherwise, a message is generated that questions or rejects the roadworthiness of the second vehicle.
Durch die externe Sensorik kann das zweite Fahrzeug durch eine Einheit oder einen Verkehrsteilnehmer hinsichtlich seiner Verkehrstüchtigkeit fremd-geprüft werden. Hierzu kann vorteilhafterweise die Umfeldsensorik eines oder mehrerer Verkehrsteilnehmer herangezogen werden. Derartige Umfeldsensorik ist insbesondere bei höherautomatisierten Fahrzeugen oder teilautomatisierten Fahrzeugen üblicherweise verbaut und kann für die Umsetzung dieser Prüfung mit minimalem Aufwand eingesetzt werden.Through the external sensors, the second vehicle can be externally checked by a unit or a road user with regard to its roadworthiness. The environment sensors of one or more road users can advantageously be used for this purpose. Such environment sensors are usually installed in highly automated vehicles or semi-automated vehicles in particular and can be used to implement this check with minimal effort.
Dabei kann auch eine zu dem Zweck erzeugte künstliche Intelligenz derart verwendet werden, dass beispielsweise erste Fahrzeuge und zweite Fahrzeuge einer Fahrzeugflotte in der Lage sind, sich gegenseitig zu begutachten und entsprechend eine Fahrtfreigabe zu erteilen. Im Falle von ermittelten Auffälligkeiten oder Abweichungen von den Solldaten können weitere Maßnahmen veranlasst werden.An artificial intelligence generated for this purpose can also be used in such a way that, for example, first vehicles and second vehicles in a vehicle fleet are able to assess one another and accordingly issue a travel permit. In the event of anomalies or deviations from the target data, further measures can be initiated.
Darüber hinaus ist diese Funktionalität bzw. das Verfahren bei zunehmender Dichte an automatisiert oder teilautomatisiert betriebenen Fahrzeugen im Einsatzgebiet auch nutzbar, um die Fahrtauglichkeit und/oder Verkehrstüchtigkeit während des Einsatzes des mindestens einen zweiten Fahrzeugs zu überprüfen bzw. sicherzustellen.In addition, this functionality or the method can also be used with an increasing density of automated or semi-automated vehicles in the operational area in order to check or ensure the fitness to drive and/or roadworthiness during the deployment of the at least one second vehicle.
Durch das Verfahren kann der personelle Aufwand zur Prüfung der Verkehrstüchtigkeit gesenkt und die Fahrtfreigabe beschleunigt werden. Darüber hinaus können Wartungsarbeiten individualisiert und bei Bedarf eingeleitet werden.The procedure can reduce the personnel effort for checking the roadworthiness and the release to drive can be accelerated. In addition, maintenance work can be individualized and initiated if necessary.
Die Verkehrssicherheit von automatisiert betriebenen Fahrzeugen kann erhöht werden, wenn durch den Vergleich der ermittelten Merkmale mit den Solldaten Abweichungen in den Merkmalen des zweiten Fahrzeugs detektiert werden. Dabei kann die Prüfung optisch erfolgen und neben Defekten, Beschädigungen auch Verschmutzungen, beispielsweise von Sensoren, registrieren.The road safety of automated vehicles can be increased if deviations in the characteristics of the second vehicle are detected by comparing the determined characteristics with the target data. The test can be carried out optically and, in addition to defects and damage, also register contamination, for example from sensors.
Gemäß einem weiteren Ausführungsbeispiel werden die Messdaten von mindestens einer in einem ersten Fahrzeug angeordneten externen Sensorik und/oder von mindestens einer in einer Infrastruktureinheit angeordneten externen Sensorik durch die Steuereinheit empfangen. Durch diese Maßnahme können zweite Fahrzeuge auch im Betrieb, beispielsweise bei einem Passieren einer Infrastruktureinheit oder eines ersten Fahrzeugs, überprüft werden.According to a further exemplary embodiment, the measurement data are received by the control unit from at least one external sensor system arranged in a first vehicle and/or from at least one external sensor system arranged in an infrastructure unit. As a result of this measure, second vehicles can also be checked during operation, for example when passing an infrastructure unit or a first vehicle.
Die Betriebssicherheit des zweiten Fahrzeugs kann besonders effizient sichergestellt werden, wenn das Ermitteln von Merkmalen des zweiten Fahrzeugs und der Vergleich der Merkmale des zweiten Fahrzeugs mit Solldaten vor einem Fahrtantritt durchgeführt wird. Hierdurch kann eine Fahrtfreigabe basierend auf dem Ergebnis des Verfahrens erteilt oder verweigert werden. Dabei wird bei einer dem zweiten Fahrzeug attestierten Verkehrstüchtigkeit dem zweiten Fahrzeug eine Fahrtfreigabe erteilt. Umgekehrt wird die Fahrtfreigabe dem zweiten Fahrzeug verweigert, wenn Abweichungen zwischen den Merkmalen und den Solldaten vorliegen.The operational safety of the second vehicle can be ensured particularly efficiently if characteristics of the second vehicle are determined and the characteristics of the second vehicle are compared with target data before the start of a journey. In this way, a release to travel can be granted or denied based on the result of the method. If the second vehicle is certified as roadworthy, the second vehicle is given permission to drive. Conversely, the second vehicle is denied permission to drive if there are discrepancies between the characteristics and the target data.
Nach einer weiteren Ausführungsform wird das Ermitteln von Merkmalen des zweiten Fahrzeugs und der Vergleich der Merkmale des zweiten Fahrzeugs mit Solldaten während eines Betriebs des zweiten Fahrzeugs durchgeführt. Diese Maßnahme kann umgesetzt werden, während das zweite Fahrzeug steht, beispielsweise an einer Ampel oder an einer Kreuzung, oder während der Fahrt auf einer parallelen Fahrspur oder durch ein dem zweiten Fahrzeug folgendes erstes Fahrzeug. Somit ist eine besonders flexible bzw. dynamische Prüfung der Verkehrstüchtigkeit möglich.According to a further specific embodiment, characteristics of the second vehicle are determined and the characteristics of the second vehicle are compared with target data during operation of the second vehicle. This measure can be implemented while the second vehicle is stationary, for example at a traffic light or at an intersection, or while driving in a parallel lane or by a first vehicle following the second vehicle. A particularly flexible and dynamic check of the roadworthiness is thus possible.
Die Verkehrstüchtigkeit kann besonders schnell und effizient geprüft werden, wenn die Identifizierung und/oder die Klassifizierung der Merkmale des zweiten Fahrzeugs und/oder der Vergleich der Merkmale des zweiten Fahrzeugs mit Solldaten durch ein im Vorfeld mit mindestens einem Trainingsdatensatz trainiertes neuronales Netz ausgeführt wird. Dabei können die Methoden des maschinellen Lernens eingesetzt werden, um Unterschiede oder Unstimmigkeiten am zweiten Fahrzeug zu registrieren.The roadworthiness can be checked particularly quickly and efficiently if the identification and/or the classification of the features of the second vehicle and/or the comparison of the features of the second vehicle with target data is carried out by a neural network trained in advance with at least one training data set. Machine learning methods can be used to register differences or discrepancies in the second vehicle.
Das neuronale Netz kann durch überwachtes Lernen trainiert werden, wobei das Training initial im Vorfeld erfolgt und im Rahmen der Anwendung des neuronalen Netzes fortgeführt werden kann. Das neuronale Netz kann beispielsweise als eine sogenannte Support Vector Machine, Deep Learning, Clustering, Reinforcement Learning und dergleichen ausgestaltet sein. Der mindestens eine Trainingsdatensatz kann Merkmale und Daten von funktionstüchtigen und insbesondere verkehrstüchtigen Fahrzeugen aufweisen.The neural network can be trained by supervised learning, with the training initially taking place in advance and being able to be continued as part of the application of the neural network. The neural network can be designed, for example, as what is known as a support vector machine, deep learning, clustering, reinforcement learning and the like. The at least one training data record can have features and data of functional vehicles and, in particular, roadworthy vehicles.
Darüber hinaus können Trainingsdatensätze auch Fehler, Defekte, Verschmutzungen und dergleichen beinhalten, um dem neuronalen Netz die Erkennung von Unterschieden anzutrainieren.In addition, training data sets can also contain errors, defects, dirt and the like in order to train the neural network to recognize differences.
Gemäß einem weiteren Ausführungsbeispiel wird als Merkmal des zweiten Fahrzeugs ein Erscheinungsbild von mindestens einem Rad, eine Funktionstüchtigkeit von mindestens einem Scheinwerfer, eine Funktionstüchtigkeit von mindestens einem akustischen Signalgeber, eine Funktionstüchtigkeit von mindestens einem optischen Signalgeber, ein Erscheinungsbild von mindestens einer Scheibe (Windschutzscheibe, Scheibe von Sensoren), eine Form und/oder eine Ausdehnung von Karosserieteilen, eine Bodenfreiheit des zweiten Fahrzeugs über einem Untergrund, mindestens ein Neigungswinkel des zweiten Fahrzeugs relativ zu dem Untergrund und/oder ein Betriebsgeräusch des zweiten Fahrzeugs im Leerlauf und/oder während einer Fahrt ermittelt. Durch diese Maßnahme kann eine Vielzahl von unterschiedlichen Merkmalen ermittelt und mit Solldaten abgeglichen werden. Somit kann eine besonders vollständige optische Prüfung des zweiten Fahrzeugs realisiert werden.According to a further exemplary embodiment, the feature of the second vehicle is the appearance of at least one wheel, the functionality of at least one headlight, the functionality of at least one acoustic signal generator, the functionality of at least one optical signal generator, the appearance of at least one pane (windscreen, pane sensors), a shape and/or an extent of body parts, a ground clearance of the second vehicle above a surface, at least one inclination angle of the second vehicle relative to the surface and/or an operating noise of the second vehicle when idling and/or while driving . This measure allows a large number of different characteristics to be determined and compared with reference data. A particularly complete visual inspection of the second vehicle can thus be implemented.
Nach einem weiteren Aspekt der Erfindung wird eine Steuereinheit bereitgestellt, die dazu eingerichtet ist, das erfindungsgemäße Verfahren auszuführen. Insbesondere kann die Steuereinheit die Messdaten über eine drahtlose Kommunikationsverbindung empfangen und auswerten. Hierzu kann die Steuereinheit einen internen oder externen Speicher aufweisen, um die empfangenen Messdaten zumindest temporär zu sichern. Des Weiteren können die Ergebnisse des Verfahrens auf dem Speicher hinterlegt werden.According to a further aspect of the invention, a control unit is provided which is set up to carry out the method according to the invention. In particular, the control unit can receive and evaluate the measurement data via a wireless communication link. For this purpose, the control unit can have an internal or external memory in order to save the received measurement data at least temporarily. Furthermore, the results of the method can be stored in the memory.
Wird das Verfahren mittels eines neuronalen Netzes bzw. durch maschinelles Lernen umgesetzt, so kann dieses neuronale Netz durch das Steuergerät ausgeführt werden. Der Speicherort bzw. die Umgebung, in welcher das neuronale Netz ausgeführt wird, kann lokal oder extern, beispielsweise auf einer Cloud oder einer Servereinheit, umgesetzt sein.If the method is implemented using a neural network or machine learning, then this neural network can be executed by the control unit. The location or environment in which the neural network runs may be local or external, e.g on a cloud or a server unit.
Gemäß einer Ausführungsform ist die Steuereinheit als eine externe Servereinheit, als eine fahrzeugseitige Steuereinheit des ersten Fahrzeugs und/oder als eine Steuereinheit einer Infrastruktureinheit ausgestaltet. Durch diese Maßnahme kann das Verfahren besonders flexibel in unterschiedlichen Umgebungen und Architekturen umgesetzt werden.According to one embodiment, the control unit is designed as an external server unit, as a vehicle-side control unit of the first vehicle and/or as a control unit of an infrastructure unit. This measure allows the method to be implemented particularly flexibly in different environments and architectures.
Nachfolgend werden Ausführungsbeispiele der Erfindung anhand der Zeichnungen näher erläutert. Es zeigen:
-
1 eine schematische Draufsicht auf eine Fahrzeuganordnung zum Veranschaulichen eines Verfahrens gemäß einer Ausführungsform, und -
2 ein schematisches Ablaufdiagramm zum Veranschaulichen des Verfahrens gemäß einer Ausführungsform.
-
1 a schematic plan view of a vehicle arrangement to illustrate a method according to an embodiment, and -
2 a schematic flowchart to illustrate the method according to an embodiment.
In den Figuren weisen dieselben konstruktiven Elemente jeweils dieselben Bezugsziffern auf. In the figures, the same structural elements each have the same reference numbers.
In der
Das erste Fahrzeug 20 und das zweite Fahrzeug 30 sind beispielsweise im Rahmen der sogenannten SAE Einstufung als Level 4 oder 5 Fahrzeuge ausgestaltet und können somit fahrerlos oder ohne eine direkte Einwirkung durch einen Fahrer betrieben werden.The
Das erste Fahrzeug 20 weist eine erste Sensorik 21 auf, die vorzugsweise eine Vielzahl von Sensoren, wie beispielsweise Kamerasensoren, LIDAR-Sensoren, Radarsensoren und dergleichen, aufweist. Die erste Sensorik 21 dient zur Umfelderfassung und ist datenleitend mit einer ersten Steuereinheit 22 verbunden.The
Analog zum ersten Fahrzeug 20 weist das zweite Fahrzeug 30 eine zweite Sensorik 31 auf, die beispielhaft als eine Umfeldsensorik ausgestaltet ist. Die zweite Sensorik 31 ist mit einer zweiten fahrzeugseitigen Steuereinheit 32 verbunden.Analogously to the
Des Weiteren ist mindestens eine Infrastruktureinheit 40 als ein optionaler Bestandteil der Fahrzeuganordnung 100 vorgesehen, die ebenfalls eine dritte Sensorik 41 aufweist. Die dritte Sensorik 41 der Infrastruktureinheit 40 dient beispielsweise der Verkehrsüberwachung und kann auf optischen Sensoren, wie Kamerasensoren oder LIDAR-Sensoren, basieren. Die Infrastruktureinheit 40 ist beispielhaft als eine Schilderbrücke mit der Sensorik 41 ausgestaltet, die das zweite Fahrzeug 30 während einer Vorbeifahrt registrieren und Messdaten sammeln kann.Furthermore, at least one
Die durch die erste Sensorik 21 und/oder die dritte Sensorik 41 ermittelten Messdaten können an die zweite Steuereinheit 32 bzw. die Steuereinheit des zweiten Fahrzeugs 30 übertragen werden. Alternativ oder zusätzlich können die ermittelten Messdaten an eine als eine fahrzeugexterne Servereinheit 50 ausgestaltete Steuereinheit gesendet werden.The measurement data ascertained by the
Die Übertragung der Messdaten erfolgt dabei durch direkte oder indirekte, drahtlose, Kommunikationsverbindungen 60. Die empfangenen Messdaten können von der fahrzeugexternen Servereinheit 50 und/oder von der zweiten Steuereinheit 32 hinsichtlich Unstimmigkeiten und/oder Defekten am zweiten Fahrzeug 30 ausgewertet werden.The measurement data is transmitted by direct or indirect, wireless communication links 60. The measurement data received can be evaluated by the vehicle-
Dabei können vorzugsweise nur derartige Messdaten über die Kommunikationsverbindungen 60 empfangen oder gesendet werden, die das zweite Fahrzeug 30 betreffen bzw. dieses abbilden. Im Rahmen der Auswertung der Messdaten sollen insbesondere Merkmale des zweiten Fahrzeugs 30 extrahiert und anschließend hinsichtlich Abweichungen 33 im Vergleich zu Solldaten geprüft werden. Im dargestellten Ausführungsbeispiel weist eine Windschutzscheibe des zweiten Fahrzeugs 30 eine Abweichung 33 in Form einer Verschmutzung oder einer Beschädigung der Windschutzscheibe auf, die eine Leistungsfähigkeit eines optischen Sensors der zweiten Sensorik 31 beinträchtigen kann.In this case, preferably only such measurement data can be received or sent via the communication links 60 which relate to the
Werden die Messdaten beispielsweise von der fahrzeugexternen Servereinheit 50 ausgewertet, kann die fahrzeugexterne Servereinheit 50 entsprechende Ergebnisse oder Meldungen über die Ergebnisse der Steuereinheit 32 des zweiten Fahrzeugs 30 mitteilen.If the measurement data is evaluated by the vehicle-
Die
In einem Schritt 11 werden die das zweite Fahrzeug 30 erfassenden Messdaten von einer Steuereinheit 32, 50 empfangen und ausgewertet. Dabei werden die Messdaten von mindestens einer in einem ersten Fahrzeug 20 angeordneten ersten bzw. gegenüber dem zweiten Fahrzeug 30 externen Sensorik 21 und/oder von mindestens einer in einer Infrastruktureinheit 40 angeordneten externen Sensorik 41 durch die Steuereinheit 32, 50 empfangen.In a
Im Rahmen der Auswertung werden Merkmale des zweiten Fahrzeugs 30 identifiziert und/oder klassifiziert 12. Die Identifizierung und/oder die Klassifizierung der Merkmale des zweiten Fahrzeugs 30 und/oder der Vergleich der Merkmale des zweiten Fahrzeugs 30 mit Solldaten wird durch ein im Vorfeld mit mindestens einem Trainingsdatensatz trainiertes neuronales Netz ausgeführt. Dabei können die Methoden des maschinellen Lernens eingesetzt werden, um in einem weiteren Schritt 13 Unterschiede oder Unstimmigkeiten 33 am zweiten Fahrzeug 30 zu registrieren.As part of the evaluation, features of the
Das neuronale Netz kann durch überwachtes Lernen trainiert werden, wobei das Training initial im Vorfeld erfolgt und im Rahmen der Anwendung des neuronalen Netzes fortgeführt werden kann. Das neuronale Netz kann beispielsweise als eine sogenannte Support Vector Machine, Deep Learning, Clustering, Reinforcement Learning und dergleichen ausgestaltet sein. Der mindestens eine Trainingsdatensatz kann Merkmale und Daten von funktionstüchtigen und insbesondere verkehrstüchtigen Fahrzeugen aufweisen. Darüber hinaus können Trainingsdatensätze auch Fehler, Defekte, Verschmutzungen und dergleichen beinhalten, um dem neuronalen Netz die Erkennung von Unterschieden anzutrainieren.The neural network can be trained by supervised learning, with the training initially taking place in advance and being able to be continued as part of the application of the neural network. The neural network can be designed, for example, as what is known as a support vector machine, deep learning, clustering, reinforcement learning and the like. The at least one training data record can have features and data of functional vehicles and, in particular, roadworthy vehicles. In addition, training data sets can also contain errors, defects, dirt and the like in order to train the neural network to recognize differences.
Insbesondere kann das neuronale Netz innerhalb der zweiten Steuereinheit 32 oder innerhalb der externen Servereinheit 50 ausgeführt werden.In particular, the neural network can be implemented within the
Die ermittelten Merkmale des zweiten Fahrzeugs 30 werden mit Solldaten verglichen, wobei die Verkehrstüchtigkeit des zweiten Fahrzeugs 30 dem zweiten Fahrzeug 30 attestiert wird, wenn die ermittelten Merkmale innerhalb eines Grenzbereichs vorliegen oder mit Soll-Merkmalen der Solldaten übereinstimmen. Im in
Das Verfahren wird als Ergebnis 14 eine verschmutze oder beschädigte Windschutzscheibe ermitteln und je nach Schweregrad dem zweiten Fahrzeug 30 eine Fahrtfreigabe erteilen 15 oder verweigern 16.As a
Alternativ oder zusätzlich können weitere Maßnahmen 17 eingeleitet werden, die ein Beheben des festgestellten Mangels oder Defekts erzielen sollen. Im dargestellten Ausführungsbeispiel kann eine Reinigung der Windschutzscheibe oder des zweiten Fahrzeugs 30 in einer Waschanlage beauftragt werden.As an alternative or in addition, further measures 17 can be initiated which are intended to remedy the deficiency or defect that has been identified. In the exemplary embodiment shown, the windshield or the
BezugszeichenlisteReference List
- 100100
- Fahrzeuganordnung vehicle arrangement
- 1010
- VerfahrenProceedings
- 1111
- Empfangen und Verarbeiten von MessdatenReceiving and processing measurement data
- 1212
- Identifizieren oder Klassifizieren von MerkmalenIdentifying or classifying characteristics
- 1313
- Ermitteln von Unterschieden oder UnstimmigkeitenIdentify differences or discrepancies
- 1414
- Ergebnis des Vergleichsresult of the comparison
- 1515
- Erteilen einer FahrtfreigabeGranting permission to travel
- 1616
- Verweigern einer FahrtfreigabeRefusal of permission to travel
- 1717
- Einleiten von Maßnahmen initiating measures
- 2020
- erstes Fahrzeugfirst vehicle
- 2121
- erste Sensorikfirst sensors
- 2222
- erste Steuereinheit first control unit
- 3030
- zweites Fahrzeugsecond vehicle
- 3131
- zweite Sensoriksecond sensors
- 3232
- zweite Steuereinheitsecond control unit
- 3333
- Abweichung / Unstimmigkeit discrepancy/inconsistency
- 4040
- Infrastruktureinheitinfrastructure unit
- 4141
- Sensorik der Infrastruktureinheit Sensors of the infrastructure unit
- 5050
- fahrzeugexterne Servereinheitvehicle-external server unit
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of documents cited by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent Literature Cited
- CN 110069887 A [0003]CN 110069887A [0003]
Claims (9)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102022200067.6A DE102022200067A1 (en) | 2022-01-05 | 2022-01-05 | Automated roadworthiness testing of vehicles |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102022200067.6A DE102022200067A1 (en) | 2022-01-05 | 2022-01-05 | Automated roadworthiness testing of vehicles |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| DE102022200067A1 true DE102022200067A1 (en) | 2023-07-06 |
Family
ID=86766161
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| DE102022200067.6A Ceased DE102022200067A1 (en) | 2022-01-05 | 2022-01-05 | Automated roadworthiness testing of vehicles |
Country Status (1)
| Country | Link |
|---|---|
| DE (1) | DE102022200067A1 (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110069887A (en) | 2019-05-05 | 2019-07-30 | 腾讯科技（深圳）有限公司 | A kind of driving simulation method, apparatus, equipment and storage medium |
| DE102018009451A1 (en) | 2018-12-04 | 2020-06-04 | Daimler Ag | Method for checking at least one vehicle and electronic computing device |
| DE102020213600A1 (en) | 2020-10-29 | 2022-05-05 | Robert Bosch Gesellschaft mit beschränkter Haftung | Mutual visual inspection of vehicles that can be operated automatically |
-
2022
- 2022-01-05 DE DE102022200067.6A patent/DE102022200067A1/en not_active Ceased
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102018009451A1 (en) | 2018-12-04 | 2020-06-04 | Daimler Ag | Method for checking at least one vehicle and electronic computing device |
| CN110069887A (en) | 2019-05-05 | 2019-07-30 | 腾讯科技（深圳）有限公司 | A kind of driving simulation method, apparatus, equipment and storage medium |
| DE102020213600A1 (en) | 2020-10-29 | 2022-05-05 | Robert Bosch Gesellschaft mit beschränkter Haftung | Mutual visual inspection of vehicles that can be operated automatically |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE102016220913A1 (en) | Method and device for generating test cases for autonomous vehicles | |
| EP3052919B1 (en) | Device and method for determining chassis and other characteristics of a vehicle | |
| DE102009060513B4 (en) | Method of aligning a towing vehicle, control program and route guidance system | |
| DE102014106506A1 (en) | Method for carrying out a diagnosis of a camera system of a motor vehicle, camera system and motor vehicle | |
| DE112020002267T5 (en) | anomaly diagnostic device | |
| WO2018197111A1 (en) | Method for data collection | |
| DE112018005030T5 (en) | ADMINISTRATIVE DEVICE, VEHICLE, INSPECTION DEVICE, AND VEHICLE INSPECTION SYSTEM, AND INFORMATION PROCESSING METHOD THEREFOR | |
| DE102020213600A1 (en) | Mutual visual inspection of vehicles that can be operated automatically | |
| DE102022200067A1 (en) | Automated roadworthiness testing of vehicles | |
| DE102020206128A1 (en) | Method for controlling a fleet-based condition monitoring of a road section of a road network as well as associated system and motor vehicle and associated server device | |
| DE102015214987B4 (en) | Determination of a defective component of a vehicle | |
| EP3123140A1 (en) | Method and device for testing the mounting of tyres on a vehicle | |
| DE102018005865A1 (en) | Method for testing an assistance system for a vehicle | |
| DE102019118106B4 (en) | Method for determining a visibility | |
| DE102021004114A1 (en) | Method for the detection of a structural defect in a road bridge structure | |
| DE102020202552A1 (en) | Validation and optimization of a degradation detection of a sensor-specific performance | |
| DE102019004111A1 (en) | A method of determining a landing gear defect by comparing a first roadway defect with a second roadway defect and chassis analysis system | |
| WO2021001460A1 (en) | Determining the state of body components | |
| DE102008048347A1 (en) | Automotive diagnostic system | |
| DE102017216197A1 (en) | Method for the examination of vehicle tires | |
| EP3572296A1 (en) | Automated monitoring of rail network inventory | |
| DE102016009199A1 (en) | Method for operating a data acquisition unit for detecting at least one control event of a control device of a motor vehicle and a data acquisition unit and a data processing unit | |
| DE102022004650A1 (en) | Vibration-based monitoring of a vehicle's physical condition | |
| DE102016225592B4 (en) | Method and arrangement for the function test of at least one sensor of a vehicle and vehicle, data carrier and computer program | |
| DE102022127124A1 (en) | Method for generating a test data set for assessing a blockage of a LIDAR sensor for a driver assistance system of a motor vehicle |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R012 | Request for examination validly filed | ||
| R016 | Response to examination communication | ||
| R002 | Refusal decision in examination/registration proceedings | ||
| R003 | Refusal decision now final |