DE102023000072A1

DE102023000072A1 - Lane change decision system by ego vehicle and method thereof

Info

Publication number: DE102023000072A1
Application number: DE102023000072.8A
Authority: DE
Inventors: Praveen Ramalingaiah; Simon Bauer
Original assignee: Mercedes Benz Group AG
Current assignee: Mercedes Benz Group AG
Priority date: 2022-02-10
Filing date: 2023-01-12
Publication date: 2023-08-10

Abstract

Die vorliegende Offenbarung offenbart ein System und Verfahren, das in Block 702 ein Erhalten von Fahrspurdaten und Objektdaten von einem Satz von Sensoren an einer Entscheidungsfindungsvorrichtung beinhaltet, wobei sich die Fahrspurdaten auf Parameter von einer oder mehreren Fahrspuren innerhalb eines Bereichs von Interesse (ROI) in Bezug auf die Echtzeitposition des Ego-Fahrzeugs beziehen und sich die Objektdaten auf Parameter beziehen, die mit einer Vielzahl von innerhalb des ROI vorhandenen Objekten assoziiert sind. Ferner beinhaltet es in Block 704 ein Ausführen von Objektfahrspurassoziation durch Integrieren der empfangenen Fahrspurdaten und der empfangenen Objektdaten. Dann beinhaltet es in Block 706 ein Bestimmen von Attributen der Vielzahl von Objekten, die einer Fahrspur entsprechen, auf Basis der ausgeführten Objektfahrspurassoziation und ferner in Block 708 ein Berechnen von Fahrspurgeschwindigkeit und Dichte von Objekten durch Berücksichtigen der bestimmten Attribute der Vielzahl von Objekten und dementsprechend Erzeugen eines Fahrspurwechseltriggers.The present disclosure discloses a system and method that includes, at block 702, obtaining lane data and object data from a set of sensors at a decision making device, the lane data relating to parameters of one or more lanes within a region of interest (ROI). relate to the real-time position of the ego vehicle and the object data relate to parameters associated with a plurality of objects present within the ROI. Further, in block 704, it includes performing object lane association by integrating the received lane data and the received object data. Then in block 706 it includes determining attributes of the plurality of objects corresponding to a lane based on the performed object lane association and further in block 708 calculating lane speed and density of objects by considering the determined attributes of the plurality of objects and generating accordingly a lane change trigger.

Description

Die vorliegende Offenbarung betrifft Fahrerassistenzsysteme für Automobile. Insbesondere stellt die vorliegende Offenbarung ein System zur Entscheidung eines Fahrspurwechsels durch ein Ego-Fahrzeug und ein Verfahren davon bereit.The present disclosure relates to driver assistance systems for automobiles. In particular, the present disclosure provides a lane change decision system by a host vehicle and a method thereof.

Der Großteil der Fahrzeuge mit fortschrittlichem Fahrerassistenzsystem (Advanced Driver-Assistance System, ADAS) ist mit automatischen Manöverfunktionen ausgestattet. Des Weiteren haben ein erhöhtes Augenmerk auf Fahrzeugsicherheit zusammen mit ADAS sowie eine Reihe von Forschungen im Zusammenhang mit automatisierter Fahrzeugnavigation und -steuerung zur Konfiguration von einer oder mehreren Erfassungsvorrichtungen an solchen Fahrzeugen geführt. Zum Beispiel offenbart Patentdokument US10495480B1 ein automatisiertes Fahrspur-Fahrempfehlungssystem, bei dem Sensoren Daten über ein Umfeld sammeln, das ein Fahrzeug umgibt, wie z. B. Standorte und Geschwindigkeiten von Fahrzeugen in der Nähe und andere Hindernisse, Anzahl und Lage von Fahrspuren, die dem Fahrzeug zur Verfügung stehen, und andere Straßenverhältnisse. Ein Sensorfusionsmodul sammelt und verarbeitet Daten von verschiedenen Sensoren. Ein Fahrspurempfehlungsmodul verwendet die Sensorfusionsdaten, um eine bevorzugte Fahrspur zu identifizieren und einem Fahrzeugführer die bevorzugte Fahrspur zu empfehlen. Das Fahrspurempfehlungsmodul oder Sensorfusionsmodul berücksichtigt zusätzlich andere Daten, einschließlich des Fahrzeugziels, vom Fahrer definierter Präferenzen, Fahrstile oder Daten eines Navigationssystems, einschließlich Lage von Autobahnausfahrten, die für die bevorzugten und alternativen Strecken des Fahrzeugs in Bezug auf die Position und Geschwindigkeit des Fahrzeugs relevant sind.The majority of vehicles with Advanced Driver Assistance Systems (ADAS) are equipped with automatic maneuvering functions. Furthermore, an increased focus on vehicle safety along with ADAS, as well as a range of research related to automated vehicle navigation and control, has led to the configuration of one or more sensing devices on such vehicles. For example patent document discloses US10495480B1 an automated lane-recommendation system in which sensors collect data about an environment surrounding a vehicle, such as B. locations and speeds of nearby vehicles and other obstacles, number and location of lanes available to the vehicle, and other road conditions. A sensor fusion module collects and processes data from different sensors. A lane recommendation module uses the sensor fusion data to identify a preferred lane and recommend the preferred lane to a vehicle operator. The lane recommendation module or sensor fusion module additionally takes into account other data, including the vehicle's destination, driver-defined preferences, driving styles, or data from a navigation system, including location of freeway exits, relevant to the vehicle's preferred and alternative routes in relation to the vehicle's position and speed.

Patentdokument US9672734B1 offenbart ein System, Verfahren und Computerprogrammprodukt zur Bestimmung von Fahrspurinformationen in einem Straßensegment, um ein erstes Fahrzeug so zu fahren, dass Fahrzeit minimiert wird. Gemäß einer Ausführungsform werden Navigationsdaten des ersten Fahrzeugs und mindestens eines anderen Fahrzeugs in einem Straßensegment an ein Computerserversystem über ihre jeweiligen Cliquenführer durch ein Kommunikationsnetzwerk gesendet. Die Fahrspurinformationen beinhalten, ob ein Fahrspurwechsel erforderlich ist, eine zu vermeidende Fahrspur, eine optimale Fahrspur und Rangfolge von befahrbaren Fahrspuren gemäß aufsteigender Reihenfolge der Fahrzeit für das erste Fahrzeug, um Fahrzeit zu minimieren. Die bestimmten Fahrspurinformationen werden an das entsprechende Benutzergerät durch seinen Cliquenführer gesendet. Das Benutzergerät präsentiert einem menschlichen Fahrer und/oder autonomen Fahrzeugfahrsystem des ersten Fahrzeugs die Fahrspurinformationen auf angemessene Weise.patent document US9672734B1 discloses a system, method and computer program product for determining lane information in a road segment to drive a first vehicle to minimize travel time. According to one embodiment, navigation data of the first vehicle and at least one other vehicle in a street segment is sent to a computer server system via their respective clique leaders through a communications network. The lane information includes whether a lane change is required, a lane to avoid, an optimal lane, and ranking of navigable lanes according to ascending order of travel time for the first vehicle to minimize travel time. The determined lane information is sent to the corresponding user device through its clique leader. The user device appropriately presents the lane information to a human driver and/or autonomous vehicle driving system of the first vehicle.

Patentdokument DE102015223656A1 offenbart ein Fahrerassistenzverfahren für ein Fahrzeug, das den Schritt des Erfassens einer Position und einer Fahrtrichtung des Fahrzeugs entlang eines Straßenverkehrswegs beinhaltet. Ferner beinhaltet es ein Erkennen eines bezüglich der Position des Fahrzeugs in der Fahrtrichtung vorausliegenden und in der Fahrtrichtung Fahrstreckenabschnitts der Fahrbahn und ein Erfassen von Verkehrsdaten, die eine Verkehrslage in dem Fahrstreckenabschnitt charakterisieren. Das Verfahren umfasst ebenfalls einen Schritt des Vergleichens der Verkehrsdaten mit Verkehrslagereferenzdaten, wobei die Verkehrslagereferenzdaten mindestens eine Verkehrslagekategorie für den Fahrstreckenabschnitt definieren und jede Verkehrslagekategorie mit mindestens einer Fahrspurempfehlungsinformation assoziiert ist. Ferner beinhaltet es ein Auswählen einer den Verkehrsdaten entsprechenden Verkehrslagekategorie aus den Verkehrslagereferenzdaten auf Basis des Vergleichs und dann ein Ausgeben einer mit der ausgewählten Verkehrslagekategorie assoziierten Fahrspurempfehlungsinformation für das Befahren des Streckenabschnitts an einer Ausgabeschnittstelle des Fahrzeugs. Allerdings fokussieren sich die offenbarten Dokumente nicht auf Fahrspurwechselentscheidung auf Basis des Straßenverkehrs.patent document DE102015223656A1 discloses a driver assistance method for a vehicle, which includes the step of detecting a position and a direction of travel of the vehicle along a road traffic route. It also includes recognizing a route section of the road that is ahead with respect to the position of the vehicle in the direction of travel and a section of the route in the direction of travel and acquiring traffic data that characterizes a traffic situation in the route section. The method also includes a step of comparing the traffic data with traffic situation reference data, the traffic situation reference data defining at least one traffic situation category for the route section and each traffic situation category being associated with at least one piece of lane recommendation information. It also includes selecting a traffic situation category corresponding to the traffic data from the traffic situation reference data on the basis of the comparison and then outputting lane recommendation information associated with the selected traffic situation category for driving on the route section at an output interface of the vehicle. However, the disclosed documents do not focus on lane change decision based on road traffic.

Deshalb besteht ein Bedarf daran, eine optimale Lösung bereitzustellen, die die Beschränkungen, die mit Fahrspurwechsel assoziiert sind, vermeiden kann und eine Einleitung einer akkuraten und effizienten Fahrspurwechselentscheidung erleichtern kann. Therefore, there is a need to provide an optimal solution that can avoid the restrictions associated with lane changes and facilitate initiation of an accurate and efficient lane change decision.

Eine allgemeine Aufgabe der vorliegenden Offenbarung ist es, ein akkurates und effektives System und Verfahren bereitzustellen, das die mit Fahrspurwechsel assoziierten bestehenden Beschränkungen vermeidet und eine Einleitung einer akkuraten und effizienten Fahrspurwechselentscheidung erleichtern.A general object of the present disclosure is to provide an accurate and effective system and method that avoids the existing limitations associated with lane changes and facilitates initiation of an accurate and efficient lane change decision.

Eine andere Aufgabe der vorliegenden Offenbarung ist es, ein System und Verfahren bereitzustellen, das den Straßenverkehr zur Kenntnis nimmt, um Fahrspurwechsel-Entscheidungsfindung zu verbessern.Another object of the present disclosure is to provide a system and method that takes road traffic awareness to improve lane change decision making.

Eine andere Aufgabe der vorliegenden Offenbarung ist es, ein System und Verfahren bereitzustellen, das Fahrspurobjektassoziation durch Integrieren von Fahrspur- und Objektdaten für bessere Entscheidungsfindung ausführt.Another object of the present disclosure is to provide a system and method that performs lane object association by integrating lane and object data for better decision making.

Eine andere Aufgabe der vorliegenden Offenbarung ist es, ein System und Verfahren bereitzustellen, das sowohl einem vom System eingeleiteten Fahrspurwechsel als auch manuellen Fahrspurwechsel des Ego-Fahrzeugs gerecht wird.Another object of the present disclosure is to provide a system and method that accommodates both a system-initiated lane change and a manual lane change of the host vehicle.

Eine andere Aufgabe der vorliegenden Offenbarung ist es, ein System und Verfahren bereitzustellen, das beim Verhindern einer Kollision zwischen Ego-Fahrzeug und anderen Objektfahrzeugen hilft.Another object of the present disclosure is to provide a system and method that helps prevent collision between ego vehicle and other object vehicles.

Eine andere Aufgabe der vorliegenden Offenbarung ist es, ein System und Verfahren bereitzustellen, das beim Vermeiden eines Ping-Pong-Effekts des Fahrzeugs hilft.Another object of the present disclosure is to provide a system and method that assists in avoiding vehicle ping-pong.

Eine andere Aufgabe der vorliegenden Offenbarung ist es, ein System und Verfahren zur intelligenten Überholhandhabung des Fahrzeugs bereitzustellen.Another object of the present disclosure is to provide a system and method for intelligent vehicle overtaking handling.

Aspekte der vorliegenden Offenbarung betreffen Systeme und Verfahren zur Steuerung eines Manövers in einem Automobil. Insbesondere stellt die vorliegende Offenbarung ein System zur Entscheidung eines Fahrspurwechsels durch ein Ego-Fahrzeug und ein Verfahren davon bereit.Aspects of the present disclosure relate to systems and methods for controlling a maneuver in an automobile. In particular, the present disclosure provides a lane change decision system by a host vehicle and a method thereof.

Gemäß einem Aspekt bezieht sich die vorliegende Offenbarung auf ein Verfahren zur Entscheidung eines Fahrspurwechsels durch ein Ego-Fahrzeug. Das Verfahren umfasst Folgendes: Erhalten von Fahrspurdaten und Objektdaten von einem Satz von Sensoren an einer Entscheidungsfindungsvorrichtung, wobei sich die Fahrspurdaten auf Parameter von einer oder mehreren Fahrspuren innerhalb eines Bereichs von Interesse (Region of Interest, ROI) in Bezug auf die Echtzeitposition des Ego-Fahrzeugs beziehen und sich die Objektdaten auf Parameter beziehen, die mit einer Vielzahl von innerhalb des ROI vorhandenen Objekten assoziiert sind, Ausführen von Objektfahrspurassoziation an der Entscheidungsfindungseinheit durch Integrieren der empfangenen Fahrspurdaten und der empfangenen Objektdaten, Bestimmen von Attributen der Vielzahl von Objekten, die einer Fahrspur entsprechen, auf Basis der ausgeführten Objektfahrspurassoziation an der Entscheidungsfindungseinheit und Berechnen von Fahrspurgeschwindigkeit und Dichte von Objekten an der Entscheidungsfindungseinheit durch Berücksichtigen der bestimmten Attribute der Vielzahl von Objekten und dementsprechend Erzeugen eines Fahrspurwechseltriggers.In one aspect, the present disclosure relates to a lane change decision method by a host vehicle. The method includes: obtaining lane data and object data from a set of sensors at a decision-making device, the lane data relating to parameters of one or more lanes within a region of interest (ROI) relative to the real-time position of the ego vehicle and the object data relate to parameters associated with a plurality of objects present within the ROI, performing object lane association at the decision making unit by integrating the received lane data and the received object data, determining attributes of the plurality of objects that a lane correspond, based on the performed object lane association at the decision making unit and calculating lane speed and density of objects at the decision making unit by considering the determined attributes of the plurality of objects and generating a lane change trigger accordingly.

In einem Aspekt kann das Verfahren ein Einschätzen des Fahrspurverkehrs durch Berücksichtigen eines gewichteten Durchschnitts der berechneten Fahrspurgeschwindigkeit und Dichte von Objekten umfassen.In one aspect, the method may include estimating lane traffic by considering a weighted average of the calculated lane speed and density of objects.

In einem Aspekt wird im Falle von hoher Fahrspurgeschwindigkeit und hoher Dichte von Objekten der Fahrspurverkehr als stark eingeschätzt, wobei zum Erzeugen eines Fahrspurwechseltriggers das Verfahren ein Berücksichtigen von einem oder mehreren Vorgängen, die durch einen Fahrer des Ego-Fahrzeugs ausgeführt werden, umfasst.In one aspect, in the case of high lane speed and high density of objects, lane traffic is estimated to be heavy, wherein to generate a lane change trigger, the method includes considering one or more actions performed by a driver of the ego vehicle.

In einem anderen Aspekt wird im Falle von geringer Fahrspurgeschwindigkeit und hoher Dichte von Objekten sowie geringer Fahrspurgeschwindigkeit und geringer Dichte von Objekten der Fahrspurverkehr als leicht eingeschätzt und deshalb wird kein Fahrspurwechseltrigger erzeugt.In another aspect, in the case of low lane speed and high density of objects, as well as low lane speed and low density of objects, lane traffic is judged to be light and therefore no lane change trigger is generated.

In einem anderen Aspekt wird der Fahrspurverkehr im Falle von hoher Fahrspurgeschwindigkeit und geringer Dichte von Objekten eingeschätzt und wird der Fahrspurwechseltrigger entsprechend dem eingeschätzten Fahrspurverkehr erzeugt, wobei das Verfahren ein Durchführen eines Fahrspurwechsels auf Basis des erzeugten Fahrspurwechseltriggers zusammen mit Straßenfreigabe umfasst, die auf Basis der ausgeführten Objektfahrspurassoziation ermittelt wird.In another aspect, the lane traffic is estimated in case of high lane speed and low density of objects and the lane change trigger is generated according to the estimated lane traffic, the method comprising performing a lane change based on the generated lane change trigger along with road release based on the executed Object lane association is determined.

In einem Aspekt umfasst das Verfahren ein Berechnen der Dichte von Objekten durch Berücksichtigen der Dichte von Objekten zum aktuellen Zeitpunkt sowie Dichte von Objekten innerhalb einer vordefinierten Zeitdauer vor dem aktuellen Zeitpunkt, wobei der Dichte von Objekten innerhalb der vordefinierten Zeitdauer vor dem aktuellen Zeitpunkt eine höhere Gewichtung als der Dichte von Objekten zum aktuellen Zeitpunkt gegeben wird.In one aspect, the method includes calculating the density of objects by considering the density of objects at the current time and density of objects within a predefined time period before the current time, with the density of objects within the predefined time period before the current time having a higher weight given as the density of objects at the current time.

Gemäß einem anderen Aspekt bezieht sich die vorliegende Offenbarung auf ein System, das in einem Ego-Fahrzeug zur Entscheidung eines Fahrspurwechsels implementiert ist, wobei das System Folgendes umfasst: eine Entscheidungsfindungsvorrichtung, die einen oder mehrere Prozessoren umfasst, wobei der eine oder die mehreren Prozessoren mit einem Speicher wirkgekoppelt sind, wobei der Speicher Anweisungen speichert, die durch den einen oder die mehreren Prozessoren zu Folgendem ausgeführt werden können: Erhalten von Fahrspurdaten und Objektdaten, wobei sich die Fahrspurdaten auf Parameter von einer oder mehreren Fahrspuren innerhalb eines Bereichs von Interesse (ROI) in Bezug auf die Echtzeitposition des Ego-Fahrzeugs beziehen und sich die Objektdaten auf Parameter beziehen, die mit einer Vielzahl von innerhalb des ROI vorhandenen Objekten assoziiert sind, Ausführen von Objektfahrspurassoziation durch Integrieren der erhaltenen Fahrspurdaten und der erhaltenen Objektdaten, Bestimmen von Attributen der Vielzahl von Objekten, die einer Fahrspur entsprechen, auf Basis der ausgeführten Objektfahrspurassoziation und Berechnen von Fahrspurgeschwindigkeit und Dichte von Objekten durch Berücksichtigen der bestimmten Attribute der Vielzahl von Objekten und dementsprechend Erzeugen eines Fahrspurwechseltriggers.In another aspect, the present disclosure relates to a system implemented in a host vehicle for deciding a lane change, the system comprising: a decision making device comprising one or more processors, the one or more processors having operatively coupled to a memory, the memory storing instructions executable by the one or more processors to: obtain lane data and object data, the lane data relating to parameters of one or more lanes within a region of interest (ROI) relating to the real-time position of the ego vehicle and the object data relates to parameters associated with a plurality of objects present within the ROI, performing object lane association by integrating the obtained lane data and the obtained object data, determining attributes of the plurality of objects corresponding to a lane based on the performed object lane association and calculating lane speed and density of objects by considering the determined attributes of the plurality of objects and generating a lane change trigger accordingly.

In einem Aspekt umfasst das System einen Satz von Sensoren, die an einer oder mehreren vorbestimmten Positionen an dem Ego-Fahrzeug positioniert sind, wobei der Satz von Sensoren mit der Entscheidungsfindungsvorrichtung wirkgekoppelt ist und konfiguriert ist, um innerhalb des ROI die Parameter von einer oder mehreren Fahrspuren sowie einer Vielzahl von Objekten zu erfassen, und wobei das System einen Alpha-Beta-Filter umfasst, der mit der Entscheidungsfindungsvorrichtung wirkgekoppelt ist und konfiguriert ist, um die Dichte von Objekten durch Minimieren der Wirkung von starken Variationen der Anzahl von Objekten innerhalb einer gegebenen Zeitdauer zu stabilisieren.In one aspect, the system includes a set of sensors positioned at one or more predetermined locations on the ego vehicle, the set of sensors operatively coupled to the decision making device and configured to measure, within the ROI, the parameters of one or more lanes and a plurality of objects, and wherein the system comprises an alpha-beta filter operatively coupled to the decision making device and configured to reduce the density of objects by minimizing the effect of wide variations in the number of objects within a given to stabilize for a period of time.

In einem anderen Aspekt wird die Dichte von Objekten unter Berücksichtigung der Dichte von Objekten zum aktuellen Zeitpunkt sowie Dichte von Objekten innerhalb einer vordefinierten Zeitdauer vor dem aktuellen Zeitpunkt berechnet, wobei der Dichte von Objekten innerhalb einer vordefinierten Zeitdauer vor dem aktuellen Zeitpunkt eine höhere Gewichtung als der Dichte von Objekten zum aktuellen Zeitpunkt gegeben wird.In another aspect, the density of objects is calculated considering the density of objects at the current time and density of objects within a predefined time period before the current time, where the density of objects within a predefined time period before the current time has a higher weight than the Density of objects at the current time is given.

In noch einem anderen Aspekt kann das System den Fahrspurverkehr durch Berücksichtigen eines gewichteten Durchschnitts der berechneten Fahrspurgeschwindigkeit und Dichte von Objekten einschätzen.In yet another aspect, the system may estimate lane traffic by considering a weighted average of the calculated lane speed and density of objects.

Verschiedene Aufgaben, Merkmale, Aspekte und Vorteile des erfindungsgemäßen Gegenstands werden aus der folgenden detaillierten Beschreibung der bevorzugten Ausführungsformen zusammen mit den begleitenden Zeichnungsfiguren deutlicher, in denen gleiche Ziffern gleiche Komponenten darstellen.Various objects, features, aspects and advantages of the inventive subject matter will become more apparent from the following detailed description of the preferred embodiments taken in conjunction with the accompanying drawing figures in which like numerals represent like components.

Die begleitenden Zeichnungen sind beinhaltet, um ein weiteres Verständnis der vorliegenden Offenbarung bereitzustellen, und sind in dieser Patentschrift aufgenommen und sind Bestandteil davon. Die Zeichnungen veranschaulichen beispielhafte Ausführungsformen der vorliegenden Offenbarung und dienen gemeinsam mit der Beschreibung dazu, die Prinzipien der vorliegenden Offenbarung zu erläutern.

1 veranschaulicht eine beispielhafte Netzwerkarchitektur des vorgeschlagenen Systems zur Veranschaulichung seiner Gesamtfunktionsweise in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung.
2A veranschaulicht ein Flussdiagramm, das ein schrittweises Funktionieren des Systems für den Fall darstellt, dass ein Fahrspurwechsel durch den Fahrer des Ego-Fahrzeugs ausgelöst wird, in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung.
2B veranschaulicht ein Flussdiagramm, das ein schrittweises Funktionieren für den Fall darstellt, dass Fahrspurwechsel durch das System selbst eingeleitet wird, in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung.
3 veranschaulicht einen Graphen, der die Beziehung zwischen Alpha und Zuordnungsgenauigkeit darstellt, in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung.
4A veranschaulicht ein erstes Szenario und eine entsprechende Fahrspurwechselentscheidung des Systems auf Basis des Straßenverkehrs in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung.
4B veranschaulicht ein zweites Szenario und eine entsprechende Fahrspurwechselentscheidung des Systems auf Basis des Straßenverkehrs in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung.
5 veranschaulicht ein drittes Szenario und einen zugehörigen Mechanismus des Systems zur Ausführung der Fahrspurwechselentscheidung auf Basis des Straßenverkehrs in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung.
6 veranschaulicht ein beispielhaftes Diagramm, das eine Entscheidungsfindung des Systems in verschiedenen Fällen darstellt, in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung.
7 veranschaulicht ein Flussdiagramm des vorgeschlagenen Verfahrens zur Entscheidung eines Fahrspurwechsels durch ein Ego-Fahrzeug in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung.

The accompanying drawings are included to provide a further understanding of the present disclosure and are incorporated in and constitute a part of this specification. The drawings illustrate example embodiments of the present disclosure and together with the description serve to explain the principles of the present disclosure.

1 FIG. 12 illustrates an example network architecture of the proposed system to illustrate its overall operation in accordance with an embodiment of the present disclosure.
2A FIG. 12 illustrates a flow chart depicting a step-by-step operation of the system when a lane change is initiated by the driver of the ego vehicle, in accordance with an embodiment of the present disclosure.
2 B FIG. 12 illustrates a flow chart depicting step-by-step operation in the event of a lane change being self-initiated by the system, in accordance with an embodiment of the present disclosure.
3 FIG. 12 illustrates a graph representing the relationship between alpha and association accuracy, in accordance with an embodiment of the present disclosure.
4A 12 illustrates a first scenario and corresponding system lane change decision based on road traffic, in accordance with an embodiment of the present disclosure.
4B 12 illustrates a second scenario and corresponding system lane change decision based on road traffic, in accordance with an embodiment of the present disclosure.
5 12 illustrates a third scenario and associated mechanism of the system for executing the lane change decision based on road traffic, in accordance with an embodiment of the present disclosure.
6 12 illustrates an exemplary diagram representing system decision making in various cases, in accordance with an embodiment of the present disclosure.
7 12 illustrates a flow chart of the proposed method for lane change decision by a host vehicle in accordance with an embodiment of the present disclosure.

Das Folgende ist eine detaillierte Beschreibung von Ausführungsformen der Offenbarung, die in den begleitenden Zeichnungen dargestellt sind. Die Ausführungsformen sind so detailliert, dass sie die Offenbarung klar vermitteln. Allerdings soll die angebotene Detailmenge die erwarteten Variationen der Ausführungsformen nicht beschränken; im Gegenteil, die Absicht ist es, alle Modifikationen, Äquivalente und Alternativen abzudecken, die in den Geist und Umfang der vorliegenden Offenbarung, wie durch die beigefügten Patentansprüche definiert, fallen.The following is a detailed description of embodiments of the disclosure that are illustrated in the accompanying drawings. The embodiments are detailed in order to clearly convey the disclosure. However, the level of detail provided is not intended to limit the expected variations of the embodiments; on the contrary, the intent is to cover all modifications, equivalents, and alternatives falling within the spirit and scope of the present disclosure as defined by the appended claims.

Hierin erläuterte Ausführungsformen betreffen Systeme und Verfahren zur Steuerung eines Manövers in einem Automobil. Insbesondere stellt die vorliegende Offenbarung ein System zur Auslösung eines Suspend-Modus für ein vom System eingeleitetes Manöver in einem Fahrzeug und ein Verfahren davon bereit.Embodiments discussed herein relate to systems and methods for controlling a maneuver in an automobile. In particular, the present disclosure provides a system for initiating a suspend mode for a system-initiated maneuver in a vehicle and a method thereof.

Bezugnehmend auf 1, kann das vorgeschlagene System 100 (hierin auch als System 100 bezeichnet), das innerhalb eines Fahrzeugs (hierin auch als Ego-Fahrzeug bezeichnet) zur Entscheidung eines Fahrspurwechsels durch das Ego-Fahrzeug implementiert ist, mehrere Sensoren 102-1, 102-2...102-N (hierin auch kollektiv als ein Satz von Sensoren 102 oder Sensoren 102 und individuell als ein Sensor 102 bezeichnet) beinhalten, die an vordefinierten Positionen an dem Ego-Fahrzeug positioniert sind. In einer beispielhaften Ausführungsform kann der Satz von Sensoren Näherungssensor, Ultraschallsensor, Geschwindigkeitssensor, Kamera, zum Beispiel Stereo-Mehrzweckkamera (Stereo Multi-Purpose Camera, SMPC), Multimode-Radar und Positionierungssystem, wie z. B. globale Navigationseinheit (GPS), Globales Navigationssatellitensystem (GLONASS), Galileo, indisches regionales Navigationssatellitensystem (IRNSS/NAVIC), auf WiFi-basierendes Positionierungssystem und andere regionale und lokale Positionierungssysteme beinhalten, ist jedoch nicht darauf beschränkt.Referring to 1 , the proposed system 100 (also referred to herein as system 100) implemented within a vehicle (also referred to herein as ego vehicle) for decision of a lane change by the ego vehicle may include multiple sensors 102-1, 102-2. ..102-N (also referred to herein collectively as a set of sensors 102 or sensors 102 and individually as a sensor 102) positioned at predefined locations on the ego vehicle. In an exemplary embodiment, the set of sensors may include a proximity sensor, an ultrasonic sensor, a speed sensor, a camera, e.g., a stereo multi-purpose camera (SMPC), a multimode radar, and a positioning system, e.g. B. Global Navigation Unit (GPS), Global Navigation Satellite System (GLONASS), Galileo, Indian Regional Navigation Satellite System (IRNSS/NAVIC), WiFi-based positioning system and other regional and local positioning systems.

In einer Ausführungsform können erste Sensoren von dem Satz von Sensoren 102 konfiguriert werden, um Parameter von einer oder mehreren Fahrspuren innerhalb eines Bereichs von Interesse (ROI) in der Nähe des Ego-Fahrzeugs zu erfassen, wobei die eine oder mehreren Fahrspuren eine Ego-Fahrspur, d. h., die Fahrspur, auf der das Ego-Fahrzeug fährt, Fahrspuren zur Linken der Ego-Fahrspur, Fahrspuren zur Rechten der Ego-Fahrspur und dergleichen beinhalten können. In einer beispielhaften Ausführungsform können die Parameter von einer oder mehreren Fahrspuren Breite, Ebene, Ebenheit der Fahrspuren sowie Bremsschwellen, Schlaglöcher und andere solche Hindernisse auf den Fahrspuren beinhalten.In one embodiment, first sensors from the set of sensors 102 can be configured to sense parameters of one or more lanes within a region of interest (ROI) in the vicinity of the ego vehicle, the one or more lanes being a ego lane , i.e. That is, the lane in which the ego vehicle is traveling may include lanes to the left of the ego lane, lanes to the right of the ego lane, and the like. In an exemplary embodiment, the parameters of one or more lanes may include width, level, flatness of the lanes, and speed bumps, potholes, and other such obstacles in the lanes.

In einer anderen Ausführungsform können zweite Sensoren von dem Satz von Sensoren 102 konfiguriert werden, um Parameter einer Vielzahl von Objekten zu erfassen, einschließlich, jedoch nicht beschränkt auf ein Hindernis, ein Fahrzeug, eine Schranke, eine Landmarke und eine Person, die innerhalb des ROI vorhanden sind. In einer beispielhaften Ausführungsform können die Parameter der Objekte Höhe, Breite, Länge, Geschwindigkeit und Beschleunigung der Objekte beinhalten, sind jedoch nicht darauf beschränkt.In another embodiment, second sensors from the set of sensors 102 can be configured to sense parameters of a variety of objects, including but not limited to an obstacle, vehicle, barrier, landmark, and person located within the ROI available. In an exemplary embodiment, the parameters of the objects may include, but are not limited to, height, width, length, velocity, and acceleration of the objects.

In einer anderen Ausführungsform können dritte Sensoren von dem Satz von Sensoren 102 konfiguriert werden, um Parameter von beiden, d. h. von der einen oder den mehreren Fahrspuren sowie der Vielzahl von Objekten, zu erfassen. In der ersten Ausführungsform kann der Satz von Sensoren 102 Fahrspurdaten erzeugen, die den erfassten Parametern der einen oder mehreren Fahrspuren entsprechen. In der zweiten Ausführungsform kann der Satz von Sensoren 102 Objektdaten erzeugen, die den erfassten Parametern der Vielzahl von Objekten entsprechen.In another embodiment, third sensors from the set of sensors 102 can be configured to measure parameters from both, i. H. from the one or more lanes and the plurality of objects. In the first embodiment, the set of sensors 102 may generate lane data corresponding to sensed parameters of the one or more lanes. In the second embodiment, the set of sensors 102 can generate object data corresponding to the sensed parameters of the plurality of objects.

Gemäß einer Ausführungsform kann das vorgeschlagene System 100 eine Entscheidungsfindungsvorrichtung 106 (hierin auch als Entscheidungsfindungseinheit 106 bezeichnet) beinhalten, die in Kommunikation mit dem Satz von Sensoren 102 sein kann. In einer Ausführungsform können die Fahrspurdaten und Objektdaten, die von dem Satz von Sensoren 102 erzeugt werden, weiter übertragen werden. Ferner kann die Entscheidungsfindungseinheit 106 die übertragenen Fahrspurdaten und Objektdaten von dem Satz von Sensoren 102 empfangen.According to one embodiment, the proposed system 100 may include a decision making device 106 (also referred to herein as a decision making unit 106 ) that may be in communication with the set of sensors 102 . In one embodiment, the lane data and object data generated by the set of sensors 102 may be further transmitted. Furthermore, can the decision making unit 106 receives the transmitted lane data and object data from the set of sensors 102 .

In einer Ausführungsform kann die Entscheidungsfindungseinheit 106 Objektfahrspurassoziation durch Integrieren der empfangenen Fahrspurdaten und der empfangenen Objektdaten ausführen. Die Entscheidungsfindungseinheit 106 kann die empfangenen Fahrspurdaten in die empfangenen Objektdaten durch Durchführen von einem beliebigen oder einer Kombination von Zeitsampling und Datensampling integrieren. Ferner kann die Entscheidungsfindungseinheit 106 auf Basis der ausgeführten Objektfahrspurassoziation Attribute der Vielzahl von Objekten, die einer Fahrspur entsprechen, bestimmen, wobei die Attribute Position und Orientierung von jedem Objekt auf einer bestimmten Fahrspur, Verkehr und Anzahl von Objekten auf der Fahrspur beinhalten können, jedoch nicht darauf beschränkt sind. Des Weiteren kann die Entscheidungsfindungseinheit 106 auf Straßenfreigabe auf Basis der ausgeführten Objektfahrspurassoziation prüfen.In one embodiment, the decision making unit 106 may perform object lane association by integrating the received lane data and the received object data. The decision making unit 106 may integrate the received lane data into the received object data by performing any one or a combination of time sampling and data sampling. Further, based on the performed object lane association, the decision making unit 106 may determine attributes of the plurality of objects corresponding to a lane, where the attributes may or may not include position and orientation of each object in a particular lane, traffic, and number of objects in the lane are limited to it. Furthermore, the decision making unit 106 may check for road clearance based on the performed object lane association.

In einer anderen Ausführungsform kann die Entscheidungsfindungseinheit 106 Fahrspurgeschwindigkeit und Dichte von Objekten durch Berücksichtigen der bestimmten Attribute der Vielzahl von Objekten berechnen. In noch einer anderen Ausführungsform kann die Entscheidungsfindungseinheit 106 einen Fahrspurwechseltrigger unter Berücksichtigung der berechneten Fahrspurgeschwindigkeit und Dichte von Objekten erzeugen. Ferner kann die Entscheidungsfindungseinheit 106 einen Fahrspurwechsel auf Basis der Straßenfreigabe sowie des erzeugten Fahrspurwechseltriggers durchführen.In another embodiment, the decision making unit 106 may calculate lane speed and density of objects by considering the determined attributes of the plurality of objects. In yet another embodiment, the decision making unit 106 may generate a lane change trigger considering the calculated lane speed and density of objects. Furthermore, the decision-making unit 106 can carry out a lane change on the basis of the road clearance and the generated lane change trigger.

In einer beispielhaften Ausführungsform kann die Entscheidungsfindungseinheit 106 die Dichte von Objekten unter Berücksichtigung der Dichte von Objekten zum aktuellen Zeitpunkt sowie Dichte von Objekten innerhalb einer vordefinierten Zeitdauer vor dem aktuellen Zeitpunkt berechnen. In einer beispielhaften Ausführungsform wird der Dichte von Objekten innerhalb einer vordefinierten Zeitdauer vor dem aktuellen Zeitpunkt eine höhere Gewichtung als der Dichte von Objekten zum aktuellen Zeitpunkt während der Berechnung der Dichte von Objekten gegeben. In einer beispielhaften Ausführungsform kann die Entscheidungsfindungseinheit 106 die Fahrspurgeschwindigkeit auf Basis des Mittelwert/Median-Ansatzes mit wahrscheinlicher Variation und Abweichung berechnen. Ferner kann das Ego-Fahrzeug auf Basis dieser Berechnungen und des Fahrspurwechseltriggers einen Fahrspurwechsel durchführen und auf eine gewünschte Fahrspur wechseln.In an exemplary embodiment, the decision making unit 106 may calculate the density of objects considering the density of objects at the current time and density of objects within a predefined time period prior to the current time. In an exemplary embodiment, the density of objects within a predefined period of time before the current time is given a higher weight than the density of objects at the current time during the calculation of the density of objects. In an exemplary embodiment, the decision making unit 106 may calculate the lane speed based on the mean/median approach with probable variation and deviation. Furthermore, based on these calculations and the lane change trigger, the ego vehicle can change lanes and switch to a desired lane.

In einer beispielhaften Ausführungsform kann zur Berechnung von Fahrspurdichte das System 100 eine Länge einer Fahrspur als einen Abstand zwischen einem vorbestimmten vorderen Punkt und einem vorbestimmten hinteren Punkt innerhalb des ROI in Bezug auf die aktuelle Position des Ego-Fahrzeugs berechnen. Ferner kann das System 100 Dichte von Objekten als ein Verhältnis von Länge der Fahrspur und Anzahl von Objekten auf der Fahrspur berechnen. Allerdings könnte sich die Anzahl von Objekten auf einer Fahrspur dynamisch ändern und kann das System 100 einen unterschiedlichen vorderen Punkt und hinteren Punkt nach spezifischen Zeitintervallen bestimmen; daher kann es sehr komplex werden, die Dichte von Objekten zu berechnen. Deshalb kann das System 100 mit einem Alpha(α)-Beta(β)-Filter 110 ausgestattet sein, der die Stabilisierung der Dichte von Objekten erleichtern kann, die berechnet werden kann als - $Dichte von Objekten = (α) Dichte aktuell + (β) Dichte zuvor,$

- wobei Dichte aktuell = Dichte von Objekten zum aktuellen Zeitpunkt und

Dichte zuvor = Dichte von Objekten innerhalb einer vordefinierten Zeitdauer vor dem aktuellen Zeitpunkt.In an exemplary embodiment, to calculate lane density, the system 100 may calculate a length of a lane as a distance between a predetermined front point and a predetermined rear point within the ROI relative to the current position of the host vehicle. Further, the system 100 may calculate density of objects as a ratio of lane length and number of objects in the lane. However, the number of objects in a lane could change dynamically and the system 100 may determine a different front point and rear point after specific time intervals; therefore it can become very complex to calculate the density of objects. Therefore, the system 100 can be equipped with an alpha(α)-beta(β) filter 110, which can facilitate stabilization of the density of objects, which can be calculated as -

density of objects = (a) Density current + (β) density before,

- where density current = density of objects at the current time and

Density before = Density of objects within a predefined amount of time before the current time.

In einer beispielhaften Ausführungsform kann das System 100 der Dichte zuvor eine hohe Gewichtung zuordnen, um jegliche plötzlichen Änderungen des vorbestimmten vorderen Punkts und hinteren Punkts und der Anzahl von Objekten herauszufiltern. In einer anderen beispielhaften Ausführungsform kann das System 100 einem Wert Alpha und Beta innerhalb eines Bereichs von 0 und 1 zuordnen. Alpha ist direkt proportional zu Fahrspur- und Objekterfassungskonsistenz. In Abhängigkeit von der Frequenz der Änderung der Anzahl von Objekten und Schwankung der vorderen und hinteren Punkte kann der Wert von α ausgewählt werden. Je höher die Änderungsfrequenz ist, desto niedriger wäre der Wert von Alpha. Wenn Fahrspurzuordnungsgenauigkeit gegen 1 tendiert, tendiert der Wert von α ebenfalls gegen 1. Außerdem gäbe es eine drastische Reduktion des Werts von α mit zunehmendem Fahrspurzuordnungsfehler, wie in 3 beobachtet werden konnte. Ferner könnte Wert von β berechnet werden als - $β = (1 - α)$

In an exemplary embodiment, the system 100 may pre-assign a high weight to the density to filter out any sudden changes in the predetermined leading point and trailing point and the number of objects. In another exemplary embodiment, the system 100 may assign an alpha and beta value within a range of 0 and 1. FIG. Alpha is directly proportional to lane and object detection consistency. Depending on the frequency of change in the number of objects and fluctuation of the front and rear points, the value of α can be selected. The higher the rate of change, the lower the value of alpha would be. If lane mapping accuracy tends to 1, the value of α also tends to 1. Also, there would be a drastic reduction in the value of α with increasing lane mapping error, as in 3 could be observed. Further, value of β could be calculated as -

β = (1 - a)

In einer Ausführungsform kann die Entscheidungsfindungseinheit 106 einen gewichteten Durchschnitt der berechneten Fahrspurgeschwindigkeit und Dichte von Objekten errechnen, wobei die Entscheidungsfindungseinheit 106 der berechneten Fahrspurgeschwindigkeit und Dichte von Objekten vordefinierte Gewichte zuordnen kann und dadurch den gewichteten Durchschnitt errechnen kann. Ferner kann die Entscheidungsfindungseinheit 106 den Fahrspurverkehr für eine oder mehrere Fahrspuren, die Ego-Fahrspur und Fahrspuren auf jeder Seite der Ego-Fahrspur beinhalten, auf Basis des gewichteten Durchschnitts der berechneten Fahrspurgeschwindigkeit und Dichte von Objekten einschätzen. In einer beispielhaften Ausführungsform kann im Falle von hoher Fahrspurgeschwindigkeit und hoher Dichte von Objekten der Fahrspurverkehr als stark eingeschätzt werden. In der zweiten beispielhaften Ausführungsform kann im Falle von geringer Fahrspurgeschwindigkeit und hoher Dichte von Objekten sowie geringer Fahrspurgeschwindigkeit und geringer Dichte von Objekten der Fahrspurverkehr als leicht eingeschätzt werden.In one embodiment, the decision making unit 106 may calculate a weighted average of the calculated lane speed and density of objects, wherein the decision making unit 106 may assign predefined weights to the calculated lane speed and density of objects and thereby calculate the weighted average. Further, the decision making unit 106 may estimate lane traffic for one or more lanes including first-person lane and lanes on either side of the first-person lane based on the weighted average of the calculated lane speed and density of objects. In an exemplary embodiment, in the case of high lane speed and high density of objects, lane traffic may be estimated to be heavy. In the second exemplary embodiment, in the case of low lane speed and high density of objects, as well as low lane speed and low density of objects, lane traffic can be judged to be light.

Gemäß einer Ausführungsform kann die Entscheidungsfindungseinheit 106 in Kommunikation mit dem Satz von Sensoren 102 durch ein Netzwerk 104 sein. Ferner kann das Netzwerk 104 ein drahtloses Netzwerk, ein drahtgebundenes Netzwerk oder eine Kombination davon sein, die als eine der verschiedenen Arten von Netzwerken, wie z. B. Intranet, lokales Netzwerk (Local Area Network, LAN), Weitverkehrsnetz (Wide Area Network, WAN), Internet und dergleichen implementiert werden kann. Ferner kann das Netzwerk 304 entweder ein dediziertes Netzwerk oder ein gemeinsames Netzwerk sein. Das gemeinsame Netzwerk kann eine Assoziation von verschiedenen Arten von Netzwerken darstellen, die eine Vielfalt von Protokollen verwenden können, zum Beispiel Hypertext-Übertragungsprotokoll (Hypertext Transfer Protocol, HTTP), Übertragungssteuerungsprotokoll/Internetprotokoll (Transfer Control Protocol/Internet Protocol, TCP/IP), drahtloses Anwendungsprotokoll (Wireless Application Protocol, WAP) und dergleichen.According to one embodiment, the decision making unit 106 may be in communication with the set of sensors 102 through a network 104 . Furthermore, the network 104 may be a wireless network, a wired network, or a combination thereof, which may be any of various types of networks, such as. B. intranet, local area network (LAN), wide area network (WAN), Internet and the like can be implemented. Furthermore, the network 304 can be either a dedicated network or a shared network. The common network may represent an association of different types of networks that may use a variety of protocols, for example Hypertext Transfer Protocol (HTTP), Transfer Control Protocol/Internet Protocol (TCP/IP), wireless application protocol (WAP), and the like.

In einer anderen Ausführungsform kann die Entscheidungsfindungseinheit 106 unter Verwendung eines beliebigen oder einer Kombination von Hardwarekomponenten und Softwarekomponenten, wie z. B. einer Cloud, eines Servers 108, eines Rechensystems, einer Rechenvorrichtung, einer Netzwerkvorrichtung und dergleichen implementiert werden. Ferner kann die Entscheidungsfindungseinheit 106 mit dem Satz von Sensoren 102 durch eine Website oder eine Anwendung interagieren, die im vorgeschlagenen System 100 liegen kann. In einer Implementierung kann auf das System 100 durch Website oder Anwendung zugegriffen werden, die mit einem beliebigen Betriebssystem, einschließlich, jedoch nicht beschränkt auf Android™, iOS™ und dergleichen, konfiguriert werden kann.In another embodiment, the decision making unit 106 may be implemented using any one or a combination of hardware components and software components, such as e.g. e.g., a cloud, server 108, computing system, computing device, network device, and the like. Further, the decision making unit 106 may interact with the set of sensors 102 through a website or an application that may reside in the proposed system 100 . In one implementation, the system 100 can be accessed through a website or application that can be configured with any operating system, including but not limited to Android™, iOS™, and the like.

Bezug nehmend auf 2A, werden zuerst in Block 202 Fahrspurwechseldaten über die ersten und dritten Sensoren erlangt und werden in Block 204 Objektdaten über die zweiten und dritten Sensoren erlangt. Ferner wird in Block 206 Objektfahrspurassoziation durch Integrieren der Fahrspurdaten in die Objektdaten ausgeführt. Ferner kann in Block 208 das System 100 auf Straßenfreigabe prüfen.Referring to 2A , first in block 202 lane change data is obtained via the first and third sensors and in block 204 object data is obtained via the second and third sensors. Also in block 206, object lane association is performed by integrating the lane data with the object data. Also in block 208, the system 100 may check for road clearance.

In einer Ausführungsform kann dann in Block 210 für den Fall, dass der Fahrspurwechsel durch den Fahrer des Ego-Fahrzeugs ausgelöst wird, ein Fahrspurwechseltrigger vom Fahrer erhalten werden. In einer anderen Ausführungsform wird in Block 212 der durch den Fahrer ausgelöste Fahrspurwechsel übertragen und kann das System 100 ferner einen Fahrspurwechsel durchführen, wenn Straßenfreigabe erteilt ist.In one embodiment, a lane change trigger may then be obtained from the driver in block 210 in the event that the lane change is initiated by the driver of the ego vehicle. In another embodiment, at block 212, the driver-initiated lane change is transmitted and the system 100 may further perform a lane change when road clearance is granted.

Bezug nehmend auf 2B, werden zuerst in Block 222 Fahrspurwechseldaten über die ersten und dritten Sensoren erlangt und werden in Block 224 Objektdaten über die zweiten und dritten Sensoren erlangt. Ferner wird in Block 226 Objektfahrspurassoziation durch Integrieren der Fahrspurdaten in die Objektdaten ausgeführt. Ferner kann in Block 228 das System 100 auf Straßenfreigabe prüfen.Referring to 2 B , first in block 222 lane change data is obtained via the first and third sensors and in block 224 object data is obtained via the second and third sensors. Also in block 226, object lane association is performed by integrating the lane data with the object data. Also in block 228, the system 100 may check for road clearance.

In einer Ausführungsform kann das System 100 in Block 230 auf der Fahrspur vorhandene Objekte bestimmen und dann kann das System 100 in Block 232 Fahrspurgeschwindigkeit und Dichte von Objekten berechnen. Ferner kann das System 100 in Block 234 einen Fahrspurwechseltrigger auf Basis der berechneten Fahrspurgeschwindigkeit und Dichte von Objekten erzeugen. In einer anderen Ausführungsform wird in Block 236 der durch das System 100 ausgelöste Fahrspurwechsel übertragen und kann das System 100 ferner einen Fahrspurwechsel durchführen, wenn Straßenfreigabe erteilt ist.In one embodiment, at block 230 the system 100 may determine objects present in the lane and then at block 232 the system 100 may calculate lane speed and density of objects. Further, at block 234, the system 100 may generate a lane change trigger based on the calculated lane speed and density of objects. In another embodiment, the lane change initiated by the system 100 is transmitted at block 236 and the system 100 may further perform a lane change when the road is clear.

In einer Ausführungsform kann die Entscheidungsfindungseinheit 106 die Fahrspurgeschwindigkeit auf Basis des Mittelwert/Median-Ansatzes berechnen, wobei das System 100 sein Ermessen auf Basis des Echtzeitszenarios bereitstellen kann und dementsprechend einen beliebigen von dem Mittelwert- und Median-Ansatz ausführen kann.In one embodiment, the decision making unit 106 may calculate the lane speed based on the mean/median approach, where the system 100 may provide its judgment based on the real-time scenario and execute any of the mean and median approaches accordingly.

Bezug nehmend auf 4A und 4B, kann das System 100 im ersten Szenario eine aktuelle Dichte von Objekten als hoch, zum Beispiel 50 Meter (m) pro Objekt, auf der linken Fahrspur in Bezug auf die Ego-Fahrspur berechnen. Allerdings kann das System 100 im zweiten Szenario eine plötzliche Zunahme der aktuellen Dichte von Objekten, zum Beispiel 25 m pro Objekt, nach einem Sensorzyklus berechnen, das heißt, bei Abschluss des einen Sensorzyklus ist die aktuelle Dichte von Objekten, wie durch das System 100 berechnet, 75 m pro Objekt.Referring to 4A and 4B , in the first scenario, the system 100 may calculate a current density of objects as high, for example 50 meters (m) per object, in the left lane with respect to the ego lane. However, in the second scenario, the system 100 can calculate a sudden increase in the current density of objects, for example 25 m per object, after one sensor cycle, i.e. at the completion of the one sensor cycle the current density of objects is as calculated by the system 100 , 75 m per object.

In einer beispielhaften Ausführungsform könnte in diesem Fall dann, wenn das System 100 α einen Wert von 0,02 und β einen Wert von 0,98 zuordnet, die Dichte von Objekten auf 50,5 berechnet werden.In this case, in an exemplary embodiment, if the system 100 assigns α a value of 0.02 and β a value of 0.98, the density of objects could be calculated to be 50.5.

In einer anderen beispielhaften Ausführungsform kann das System 100 Fahrspurgeschwindigkeit auf Basis der Mittelwert/Median-Varianz und -Abweichung berechnen. Zunächst kann das System 100 Fahrspurgeschwindigkeit als ein Verhältnis der Summe der Geschwindigkeit aller erfasster Objekte auf einer bestimmten Fahrspur und Anzahl von erfassten Objekten berechnen, d. h., - $\begin{array}{l} Fahrspurgeschwindigkeit = \\ \frac{Summe der Geschwindigkeit aller erfasster Objekte auf einer bestimmten Fahrspur}{Anzahl von rfassten Objekten} \end{array}$

In another exemplary embodiment, the system 100 may calculate lane speed based on the mean/median variance and deviation. First, the system 100 may calculate lane speed as a ratio of the sum of the speed of all detected objects in a given lane and number of objects detected, ie, -

\begin{array}{l} lane speed = \\ \frac{Sum of the speed of all detected objects in a specific lane}{Number of detected objects} \end{array}

Ferner kann das System 100 Fahrspurvarianz (S²) durch folgende Gleichung errechnen - $S^{2} = \frac{\sum_{i = 1}^{\infty} (x_{i} - \bar{x})}{n - 1}$

- wobei x_i Geschwindigkeit von Objekten auf Fahrspur ist und
- x Fahrspurgeschwindigkeit ist und
- n Anzahl von Objekten ist.

Further, the system 100 lane variance (S ² ) can be calculated by the following equation -

S^{2} = \frac{\sum_{i = 1}^{\infty} (x_{i} - \bar{x})}{n - 1}

- where x _i is the speed of objects in the lane and
- x lane speed is and
- n is number of objects.

Ferner kann das System 100 Fahrspurgeschwindigkeitsabweichung bestimmen, die durch Ziehen der Quadratwurzel der Fahrspurvarianz errechnet werden kann.Further, the system 100 may determine lane speed deviation, which may be calculated by taking the square root of the lane variance.

In einer Ausführungsform kann dann für den Fall, dass die bestimmte Fahrspurgeschwindigkeitsabweichung zu hoch ist, d. h., sie einen vordefinierten Schwellenwert übersteigt, das System 100 Fahrspurgeschwindigkeit unter Verwendung des Median-Ansatzes berechnen. Beim Median-Ansatz kann das System 100 zunächst Geschwindigkeiten aller erfasster Objekte auf Fahrspuren in aufsteigender Reihenfolge sortieren und auflisten. Dann kann das System 100 einen oder mehrere mittlere Werte aus der sortierten Liste als Fahrspurgeschwindigkeit auswählen.
Falls die Anzahl von Objekten gerade ist, kann dann Fahrspurgeschwindigkeit zu einem Zeitpunkt durch Bilden des Durchschnitts von zwei Mitteleinträgen in der sortierten Liste berechnet werden. Ferner kann Fahrspurgeschwindigkeit berechnet werden als-Fahrspurgeschwindigkeit = (α) Geschwindigkeit aktuell + (β) Geschwindigkeit zuvor, wobei Geschwindigkeit aktuell = Fahrspurgeschwindigkeit zum aktuellen Zeitpunkt und Geschwindigkeit zuvor = Fahrspurgeschwindigkeit innerhalb einer vordefinierten Zeitdauer vor dem aktuellen Zeitpunkt.In one embodiment, if the determined lane speed deviation is too high, ie, exceeds a predefined threshold, then the system 100 may calculate lane speed using the median approach. In the median approach, the system 100 may first sort and list speeds of all detected objects in lanes in ascending order. Then the system 100 can select one or more middle values from the sorted list as the lane speed.
If the number of objects is even, then lane speed at a time can be calculated by averaging two mean entries in the sorted list. Further, lane speed can be calculated as - lane speed = (α) speed current + (β) speed previous, where speed current = lane speed at the current time and speed before = lane speed within a predefined period before the current time.

Bezug nehmend auf 5, sind in dem Szenario vier Objektfahrzeuge 502-1, 502-2, 502-3 und 502-4 vorhanden, die mit unterschiedlichen Geschwindigkeiten, zum Beispiel 121 Kilometer pro Stunde (km/h), 120 km/h, 118 km/h bzw. 60 km/h, in einer Fahrspur rechts von der Fahrspur, auf der das Ego-Fahrzeug 504 fährt, fahren. Unter den vier Objektfahrzeugen versucht Objektfahrzeug 502-4, eine Ausfahrtspur zu nehmen, was Fahrspurgeschwindigkeit beeinflussen kann. In dem Szenario könnte dann zunächst, wenn der Mittelwert-Ansatz ausgeführt wird, die mittlere Fahrspurgeschwindigkeit 104 km/h betragen, jedoch könnte sich in dem Moment, in dem das Objektfahrzeug 502-4 die Ausfahrtspur nimmt, die mittlere Fahrspurgeschwindigkeit drastisch ändern, mit einer Abweichung von etwa 25 km/h. Deshalb würde das System 100 in dem Szenario Fahrspurgeschwindigkeit via Median-Ansatz berechnen, der zuverlässig ist und eine Fahrspurgeschwindigkeit, zum Beispiel 119 km/h, ergeben kann, die akkurat und näher am echten Wert ist.Referring to 5 , in the scenario there are four object vehicles 502-1, 502-2, 502-3 and 502-4 traveling at different speeds, for example 121 kilometers per hour (km/h), 120 km/h, 118 km/h or 60 km/h, in a lane to the right of the lane in which the ego vehicle 504 is traveling. Among the four object vehicles, object vehicle 502-4 attempts to take an exit lane, which may affect lane speed. In the scenario, then, initially when the mean value approach is executed, the mean lane speed could be 104 km/h, but the moment the object vehicle 502 - 4 takes the exit lane, the mean lane speed could change drastically, with a Deviation of about 25 km/h. Therefore, in the scenario, the system 100 would calculate lane speed via a median approach, which is reliable and can yield a lane speed, for example 119 km/h, that is accurate and closer to the real value.

Bezug nehmend auf 6, ist in Block 602 für eine bestimmte Fahrspur die berechnete Fahrspurgeschwindigkeit hoch (hohe Geschwindigkeit) und ist auch die berechnete Dichte von Objekten hoch (hohe Dichte); ein solcher Fall stellt eine Grauzone dar, d. h., das System 100 kann auch andere Faktoren, zum Beispiel einen oder mehrere Vorgänge, die durch den Fahrer (hierin auch als Fahrerverhalten bezeichnet) des Ego-Fahrzeugs 502 ausgeführt werden, berücksichtigen und das System 100 kann auf Basis aller Faktoren entscheiden, ob ein Fahrspurwechsel erforderlich/durchführbar ist, und dementsprechend kann das System 100 den Fahrspurwechseltrigger erzeugen.Referring to 6 , in block 602, for a given lane, the calculated lane speed is high (high speed) and the calculated density of objects is also high (high density); such a case represents a gray area, i.e. the system 100 can also include other factors, for example one or more events that are caused by the driver (also referred to herein as driver behavior) of the Ego vehicle 502 are executed, and the system 100 can decide whether a lane change is necessary/feasible based on all factors, and accordingly the system 100 can generate the lane change trigger.

In einer Ausführungsform stellt Block 604 einen Fall dar, wenn für eine beliebige Fahrspur die berechnete Fahrspurgeschwindigkeit hoch ist (hohe Geschwindigkeit), wohingegen die berechnete Dichte von Objekten gering ist (geringe Dichte); in einem solchen Fall kann das System 100 entscheiden, dass der Fahrspurwechsel möglich ist, und dementsprechend kann der Fahrspurwechseltrigger erzeugt werden.In one embodiment, block 604 represents a case when, for any lane, the calculated lane speed is high (high speed) while the calculated density of objects is low (low density); in such a case, the system 100 may decide that the lane change is possible and the lane change trigger may be generated accordingly.

In einer anderen Ausführungsform stellt Block 606 einen anderen Fall dar, wenn für eine bestimmte Fahrspur die berechnete Fahrspurgeschwindigkeit gering ist (geringe Geschwindigkeit) und die berechnete Dichte von Objekten ebenfalls gering ist (geringe Dichte); in einem solchen Fall kann das System 100 entscheiden, dass der Fahrspurwechsel nicht möglich ist, und daher erzeugt das System 100 keinen Fahrspurwechseltrigger.In another embodiment, block 606 represents another case when, for a particular lane, the calculated lane speed is low (low speed) and the calculated density of objects is also low (low density); in such a case, the system 100 may decide that the lane change is not possible, and therefore the system 100 does not generate a lane change trigger.

In noch einer anderen Ausführungsform stellt Block 608 noch einen anderen Fall dar, wenn für eine beliebige Fahrspur die berechnete Fahrspurgeschwindigkeit gering ist (geringe Geschwindigkeit) und die berechnete Dichte von Objekten hoch ist (hohe Dichte); in einem solchen Fall kann das System 100 entscheiden, dass der Fahrspurwechsel nicht möglich ist, und daher erzeugt das System 100 auch in diesem Fall keinen Fahrspurwechseltrigger.In yet another embodiment, block 608 represents yet another case when, for any lane, the calculated lane speed is low (low speed) and the calculated density of objects is high (high density); in such a case, the system 100 may decide that the lane change is not possible, and therefore the system 100 does not generate a lane change trigger in this case either.

In einer beispielhaften Ausführungsform, wenn das Ego-Fahrzeug 504 auf der linken Fahrspur einer zweispurigen Straße fährt und zum Beispiel Dichte von Objekten auf der rechten Fahrspur 50 Meter (m) pro Objekt ist und Fahrspurgeschwindigkeit 100 km/h ist. In einem solchen Szenario erzeugt das System 100 keinen Fahrspurwechseltrigger, da es keinen Sinn ergibt, einen Fahrspurwechsel auf die rechte Fahrspur von der aktuellen linken Fahrspur auszuführen, weil der Fahrspurwechsel zur Geschwindigkeitsreduktion des Ego-Fahrzeugs 504 führen würde und das Ego-Fahrzeug 504 des Weiteren sogar in sich langsam bewegendem Verkehr stecken bleiben könnte.In an exemplary embodiment, when the ego vehicle 504 is traveling in the left lane of a dual carriageway and, for example, density of objects in the right lane is 50 meters (m) per object and lane speed is 100 km/h. In such a scenario, the system 100 does not generate a lane change trigger because it makes no sense to execute a lane change to the right lane from the current left lane, because the lane change would result in the speed reduction of the host vehicle 504 and the host vehicle 504 further could even get stuck in slow-moving traffic.

In der ersten beispielhaften Ausführungsform, wenn das Ego-Fahrzeug 504 auf der linken Fahrspur auf einer zweispurigen Straße fährt und zum Beispiel Dichte von Objekten auf der rechten Fahrspur 50 Meter (m) pro Objekt ist und Fahrspurgeschwindigkeit 100 km/h ist. In einem solchen Szenario erzeugt das System 100 keinen Fahrspurwechseltrigger, da es keinen Sinn ergibt, einen Fahrspurwechsel auf die rechte Fahrspur von der aktuellen linken Fahrspur auszuführen, weil der Fahrspurwechsel zur Geschwindigkeitsreduktion des Ego-Fahrzeugs 504 führen würde und das Ego-Fahrzeug 504 des Weiteren sogar in sich langsam bewegendem Verkehr stecken bleiben könnte.In the first exemplary embodiment, when the ego vehicle 504 is traveling in the left lane on a dual carriageway and, for example, density of objects in the right lane is 50 meters (m) per object and lane speed is 100 km/h. In such a scenario, the system 100 does not generate a lane change trigger because it makes no sense to execute a lane change to the right lane from the current left lane, because the lane change would result in the speed reduction of the host vehicle 504 and the host vehicle 504 further could even get stuck in slow-moving traffic.

In der zweiten beispielhaften Ausführungsform, wenn das Ego-Fahrzeug 504 mit einer Geschwindigkeit von 100 km/h auf der rechten Fahrspur auf einer zweispurigen Straße fährt und zum Beispiel Dichte von Objekten auf der linken Fahrspur 200 m pro Objekt ist und Fahrspurgeschwindigkeit 130 km/h ist. In einem solchen Szenario kann das System 100 den Fahrspurwechseltrigger erzeugen, da es besser ist, einen Fahrspurwechsel auf die linke Fahrspur von der aktuellen rechten Fahrspur auszuführen, weil der Fahrspurwechsel dem Fahrer des Ego-Fahrzeugs 504 zugutekommen würde.In the second exemplary embodiment, when the ego vehicle 504 is traveling at a speed of 100 km/h in the right lane on a dual carriageway and, for example, density of objects in the left lane is 200 m per object and lane speed is 130 km/h is. In such a scenario, the system 100 may generate the lane change trigger because it is better to perform a lane change to the left lane from the current right lane because the lane change would benefit the driver of the ego vehicle 504 .

Da die Fahrspurwechselentscheidungen auf Basis von Echtzeitverkehr getroffen werden, kann dies in einer Ausführungsform die Kollisionschancen reduzieren und ebenfalls die Erfahrung des Fahrers im Falle eines vom System eingeleiteten Fahrspurwechsels verbessern.In one embodiment, since the lane change decisions are made based on real-time traffic, this may reduce the chances of a collision and also improve the driver's experience in the event of a system-initiated lane change.

Bezug nehmend auf 7, kann das vorgeschlagene Verfahren 700 (hierin auch als Verfahren 700 bezeichnet) zur Entscheidung eines Fahrspurwechsels durch ein Ego-Fahrzeug in Block 702 ein Erhalten von Fahrspurdaten und Objektdaten von einem Satz von Sensoren an einer Entscheidungsfindungsvorrichtung beinhalten, wobei sich die Fahrspurdaten auf Parameter von einer oder mehreren Fahrspuren innerhalb eines Bereichs von Interesse (ROI) in Bezug auf die Echtzeitposition des Ego-Fahrzeugs beziehen und sich die Objektdaten auf Parameter beziehen, die mit einer Vielzahl von innerhalb des ROI vorhandenen Objekten assoziiert sind.Referring to 7 , the proposed method 700 (also referred to herein as method 700) for deciding a lane change by a host vehicle may include, at block 702, obtaining lane data and object data from a set of sensors at a decision-making device, where the lane data relates to parameters from a or multiple lanes of travel within a region of interest (ROI) relative to the real-time position of the ego vehicle and the object data relates to parameters associated with a plurality of objects present within the ROI.

In einer Ausführungsform kann das Verfahren 700 in Block 704 ein Ausführen von Objektfahrspurassoziation an der Entscheidungsfindungseinheit durch Integrieren der empfangenen Fahrspurdaten und der empfangenen Objektdaten beinhalten.In one embodiment, the method 700 may include, at block 704, performing object lane association at the decision making unit by integrating the received lane data and the received object data.

In einer Ausführungsform kann das Verfahren 700 in Block 706 ein Bestimmen von Attributen der Vielzahl von Objekten, die einer Fahrspur entsprechen, auf Basis der ausgeführten Objektfahrspurassoziation an der Entscheidungsfindungseinheit beinhalten.In one embodiment, the method 700 may include, at block 706, determining attributes of the plurality of objects corresponding to a lane based on the performed object lane association at the decision making unit.

In einer Ausführungsform kann das Verfahren 700 in Block 708 ein Berechnen von Fahrspurgeschwindigkeit und Dichte von Objekten an der Entscheidungsfindungseinheit durch Berücksichtigen der bestimmten Attribute der Vielzahl von Objekten und dementsprechend ein Erzeugen eines Fahrspurwechseltriggers beinhalten.In one embodiment, the method 700 may include, at block 708, calculating lane speed and density of objects at the decision making unit by considering the determined attributes of the plurality of objects and generating a lane change trigger accordingly.

In einer Ausführungsform kann das Verfahren 700 ein Einschätzen von Fahrspurverkehr durch Berücksichtigen eines gewichteten Durchschnitts der berechneten Fahrspurgeschwindigkeit und Dichte von Objekten beinhalten.In one embodiment, the method 700 may include estimating lane traffic by considering a weighted average of the calculated lane speed and density of objects.

In einer anderen Ausführungsform kann im Falle von hoher Fahrspurgeschwindigkeit und hoher Dichte von Objekten der Fahrspurverkehr als stark eingeschätzt werden und wobei zum Erzeugen eines Fahrspurwechseltriggers das Verfahren 700 ein Berücksichtigen von einem oder mehreren Vorgängen, die durch einen Fahrer des Ego-Fahrzeugs ausgeführt werden, beinhalten kann.In another embodiment, in the case of high lane speed and high density of objects, lane traffic may be estimated to be heavy and method 700 may include considering one or more actions performed by a driver of the ego vehicle to generate a lane change trigger can.

In einer anderen Ausführungsform wird im Falle von geringer Fahrspurgeschwindigkeit und hoher Dichte von Objekten sowie geringer Fahrspurgeschwindigkeit und geringer Dichte von Objekten der Fahrspurverkehr als leicht eingeschätzt und wird deshalb kein Fahrspurwechseltrigger erzeugt.In another embodiment, in case of low lane speed and high density of objects and low lane speed and low density of objects, the lane traffic is judged to be light and therefore no lane change trigger is generated.

In noch einer anderen Ausführungsform wird der Fahrspurverkehr im Falle von hoher Fahrspurgeschwindigkeit und geringer Dichte von Objekten eingeschätzt und wird der Fahrspurwechseltrigger entsprechend dem eingeschätzten Fahrspurverkehr erzeugt, wobei das Verfahren ein Durchführen eines Fahrspurwechsels auf Basis des erzeugten Fahrspurwechseltriggers zusammen mit Straßenfreigabe, die auf Basis der ausgeführten Objektfahrspurassoziation ermittelt werden kann, beinhalten kann.In yet another embodiment, the lane traffic is estimated in case of high lane speed and low density of objects and the lane change trigger is generated according to the estimated lane traffic, the method including performing a lane change based on the generated lane change trigger along with road release based on the executed Object lane association can be determined, may include.

In einer Ausführungsform kann das Verfahren 700 ein Berechnen der Dichte von Objekten durch Berücksichtigen der Dichte von Objekten zum aktuellen Zeitpunkt sowie Dichte von Objekten innerhalb einer vordefinierten Zeitdauer vor dem aktuellen Zeitpunkt beinhalten, wobei der Dichte von Objekten innerhalb der vordefinierten Zeitdauer vor dem aktuellen Zeitpunkt eine höhere Gewichtung als der Dichte von Objekten zum aktuellen Zeitpunkt gegeben wird.In one embodiment, method 700 may include calculating the density of objects by considering the density of objects at the current time and density of objects within a predefined amount of time before the current time, where the density of objects within the predefined amount of time before the current time is a higher weight than the density of objects is given at the current time.

In einer Implementierung können das vorgeschlagene System und Verfahren eine Einleitung einer akkuraten und effizienten Fahrspurwechselentscheidung auf Basis des Straßenverkehrs erleichtern. Ferner kann es beim Verhindern einer Kollision zwischen Ego-Fahrzeug und anderen Objektfahrzeugen helfen. Des Weiteren kann es ebenfalls beim Vermeiden eines Ping-Pong-Effekts des Fahrzeugs helfen. Deshalb können das vorgeschlagene System und Verfahren eine intelligente Überholhandhabung des Fahrzeugs erleichtern.In an implementation, the proposed system and method may facilitate initiation of an accurate and efficient lane change decision based on road traffic. Further, it can help prevent collision between ego vehicle and other object vehicles. Furthermore, it can also help in avoiding a ping-pong effect of the vehicle. Therefore, the proposed system and method can facilitate intelligent overtaking handling of the vehicle.

Während das Vorhergehende verschiedene Ausführungsformen der Erfindung beschreibt, können andere und weitere Ausführungsformen der Erfindung entwickelt werden, ohne vom Grundumfang davon abzuweichen. Der Umfang der Erfindung ist durch die folgenden Patentansprüche bestimmt. Die Erfindung ist nicht auf die beschriebenen Ausführungsformen, Versionen oder Beispiele beschränkt, die beinhaltet sind, um einem Durchschnittsfachmann zu ermöglichen, die Erfindung in Kombination mit Informationen und Wissen, die dem Durchschnittsfachmann zur Verfügung stehen, herzustellen und zu verwenden.While the foregoing describes various embodiments of the invention, other and further embodiments of the invention may be devised without departing from the basic scope thereof. The scope of the invention is determined by the following claims. The invention is not limited to the described embodiments, versions or examples, which are included to enable a person skilled in the art to make and use the invention in combination with information and knowledge available to a person skilled in the art.

Die vorliegende Offenbarung stellt ein System und Verfahren bereit, die eine Einleitung einer akkuraten und effizienten Fahrspurwechselentscheidung erleichtern.The present disclosure provides a system and method that facilitates initiation of an accurate and efficient lane change decision.

Die vorliegende Offenbarung stellt ein System und Verfahren bereit, das Straßenverkehr zur Kenntnis nimmt, um Fahrspurwechsel-Entscheidungsfindung zu verbessern.The present disclosure provides a system and method that takes road traffic awareness to improve lane change decision making.

Die vorliegende Offenbarung stellt ein System und Verfahren bereit, das Fahrspurobjektassoziation durch Integrieren von Fahrspur- und Objektdaten zur besseren Entscheidungsfindung ausführt.The present disclosure provides a system and method that performs lane object association by integrating lane and object data for better decision making.

Die vorliegende Offenbarung stellt ein System und Verfahren bereit, die sowohl einem vom System eingeleiteten Fahrspurwechsel als auch manuellen Fahrspurwechsel des Ego-Fahrzeugs gerecht werden.The present disclosure provides a system and method that accommodates both a system-initiated lane change and a manual host vehicle lane change.

Die vorliegende Offenbarung stellt ein System und Verfahren bereit, das beim Verhindern einer Kollision zwischen Ego-Fahrzeug und anderen Objektfahrzeugen hilft.The present disclosure provides a system and method that assists in preventing a collision between the ego vehicle and other object vehicles.

Die vorliegende Offenbarung stellt ein System und Verfahren bereit, das beim Vermeiden eines Ping-Pong-Effekts des Fahrzeugs hilft.The present disclosure provides a system and method that assists in avoiding vehicle ping-pong.

Die vorliegende Offenbarung stellt ein System und Verfahren zur intelligenten Überholhandhabung des Fahrzeugs bereit.The present disclosure provides a system and method for intelligent vehicle overtaking handling.

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

US10495480B1 [0002]
US9672734B1 [0003]
DE 102015223656 A1 [0004]

Claims

A method (700) for deciding a lane change by a host vehicle, the method (700) comprising: obtaining (702) lane data and object data from a set of sensors at a decision making device, wherein the lane data relates to parameters of one or more lanes within a region of interest (ROI) relative to the real-time position of the ego vehicle and the object data relates relate to parameters associated with a variety of objects present within the ROI, performing (704) object lane association at the decision making unit by integrating the received lane data and the received object data, determining (706) attributes of the plurality of objects corresponding to a lane based on the performed object lane association at the decision making unit and Calculating (708) lane speed and density of objects at the decision making unit by considering the determined attributes of the plurality of objects and generating a lane change trigger accordingly.

Method (700) according to claim 1 , the method (700) comprising estimating lane traffic by considering a weighted average of the calculated lane speed and density of objects.

Method (700) according to claim 2 , wherein in the case of high lane speed and high density of objects, lane traffic is estimated to be heavy, wherein to generate a lane change trigger, the method (700) includes considering one or more actions performed by a driver of the ego vehicle.

Method (700) according to claim 2 , where in the case of low lane speed and high density of objects and low lane speed and low density of objects, the lane traffic is estimated to be light and therefore no lane change trigger is generated.

Method (700) according to claim 2 wherein lane traffic is estimated in case of high lane speed and low density of objects and the lane change trigger is generated according to the estimated lane traffic, wherein the method (700) comprises performing a lane change based on the generated lane change trigger together with road release based on the executed Object lane association is determined.

Method (700) according to claim 1 , wherein the method (700) calculating the density of objects by considering the density of objects at the current time and density of objects within a predefined time period before the current time, wherein the density of objects within the predefined time period before the current time includes a higher Weight given as the density of objects at the current time.

A system (100) implemented in a host vehicle (504) for deciding a lane change, the system (100) comprising: a decision maker (106) comprising one or more processors, the one or more processors being operatively coupled to a memory, the memory storing instructions executable by the one or more processors to: Obtaining lane data and object data, where the lane data relates to parameters of one or more lanes within a region of interest (ROI) relative to the real-time position of the ego vehicle and the object data relates to parameters associated with a variety of within the ROI existing objects are associated, performing object lane association by integrating the obtained lane data and the obtained object data, determining attributes of the plurality of objects corresponding to a lane based on the performed object lane association and calculating lane speed and density of objects by considering the determined attributes of the plurality of objects (504) and generating a lane change trigger accordingly.

system (100) after claim 7 wherein the system (100) includes a set of sensors (102) positioned at one or more predetermined locations on the ego vehicle (504), the set of sensors being operatively coupled and configured with the decision making device (106). to capture the parameters of one or more lanes of traffic and a plurality of objects (502) within the ROI, and wherein the system (100) comprises an alpha-beta filter (110) operatively coupled to the decision-making device (106). and configured to stabilize the density of objects by minimizing the effect of large variations in the number of objects within a given period of time.

system (100) after claim 7 , where the density of objects is calculated taking into account the density of objects at the current time and density of objects within a predefined time period before the current time, the density of objects within a predefined time period before the current time having a higher weighting than the density of objects at the current time.

system (100) after claim 7 wherein the system (100) estimates lane traffic by considering a weighted average of the calculated lane speed and density of objects.