DE102023000560A1 - Method for detecting road damage and system - Google Patents
Method for detecting road damage and system Download PDFInfo
- Publication number
- DE102023000560A1 DE102023000560A1 DE102023000560.6A DE102023000560A DE102023000560A1 DE 102023000560 A1 DE102023000560 A1 DE 102023000560A1 DE 102023000560 A DE102023000560 A DE 102023000560A DE 102023000560 A1 DE102023000560 A1 DE 102023000560A1
- Authority
- DE
- Germany
- Prior art keywords
- damage
- road
- road damage
- vehicle
- computing device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Ceased
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000007613 environmental effect Effects 0.000 claims description 37
- 238000010801 machine learning Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 230000008439 repair process Effects 0.000 claims description 7
- 230000002123 temporal effect Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 238000001556 precipitation Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 3
- 239000006096 absorbing agent Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 239000000725 suspension Substances 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
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- -1 cobblestones Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 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]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9316—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles combined with communication equipment with other vehicles or with base stations
Abstract
Die Erfindung betrifft ein Verfahren zur Erfassung von Fahrbahnschäden (1), wobei Fahrbahnschäden (1) durch Auswerten von den von den Fahrzeugen (2) einer Fahrzeugflotten generierten Sensordaten durch eine Recheneinheit (3) erkannt werden, ein erkannter Fahrbahnschaden (1) mit einer Ortsinformation verknüpft wird, um den Fahrbahnschaden (1) einem Straßenabschnitt zuzuordnen und durch die Fahrzeugflotte detektierte Fahrbahnschäden (1) in einer auf einer zentralen Recheneinrichtung (4) gepflegten Datenbank aggregiert werden. Das erfindungsgemäße Verfahren ist dadurch gekennzeichnet, dass die Recheneinheit (3) beim Erkennen eines Fahrbahnschadens (1) unter Berücksichtigung der Sensordaten dem Fahrbahnschaden (1) einen Schweregrad (SG) und einen Zeitstempel (t) zuordnet, die zentrale Recheneinrichtung (4) für einen bestimmten Fahrbahnschaden (1) den Schweregrad (SG) in Abhängigkeit des Zeitstempels (t) nachverfolgt und eine Abnutzung des Fahrbahnschadens (1) feststellt, wenn sich der Schweregrad (SG) mit fortschreitender Zeit erhöht.The invention relates to a method for detecting road damage (1), wherein road damage (1) is detected by evaluating the sensor data generated by the vehicles (2) of a vehicle fleet by a computing unit (3), a detected road damage (1) with location information is linked in order to assign the road damage (1) to a road section and road damage (1) detected by the vehicle fleet is aggregated in a database maintained on a central computing device (4). The method according to the invention is characterized in that when detecting road damage (1), the computing unit (3) assigns a severity level (SG) and a time stamp (t) to the road damage (1), taking the sensor data into account, the central computing device (4) for one certain road damage (1) tracks the severity (SG) depending on the time stamp (t) and detects wear of the road damage (1) if the severity (SG) increases as time progresses.
Description
Die Erfindung betrifft ein Verfahren zur Erfassung von Fahrbahnschäden nach der im Oberbegriff von Anspruch 1 näher definierten Art sowie ein System umfassend wenigstens ein Fahrzeug und eine zentrale Recheneinrichtung zur Durchführung des Verfahrens.The invention relates to a method for detecting road damage according to the type defined in more detail in the preamble of
Die Fahrbahn auf der sich Fahrzeuge im Straßenverkehr bewegen ist von Abnutzung betroffen. Durch mechanische Beeinflussung wie das Gewicht schwerer Lkws oder das Aufsetzen von schwingenden Fahrzeugteilen sowie aufgrund von Umwelteinflüssen wie einer Überhitzung im Sommer durch starke Sonneneinstrahlung oder Hitze-Kältesprengung durch kurzfristig erlebte hohe Temperaturgradienten, können so beispielsweise Risse oder Schlaglöcher entstehen oder der Randbereich eines Seitenstreifens abgetragen werden. Davon sind alle gängigen Oberflächenmaterialien betroffen wie etwa Kopfsteinpflaster, Asphalt, Betonplatten, komprimierte Erde, Schotter und dergleichen. Solche Fahrbahnschäden reduzieren die Sicherheit im Straßenverkehr aufgrund eines gestiegenen Unfallpotenzials.The road surface on which vehicles move is affected by wear and tear. Mechanical influences such as the weight of heavy trucks or the impact of swinging vehicle parts, as well as environmental influences such as overheating in the summer due to strong sunlight or heat-cold explosion due to high temperature gradients experienced at short notice, can cause cracks or potholes to occur or the edge area of a shoulder can be eroded . This affects all common surface materials such as cobblestones, asphalt, concrete slabs, compressed earth, gravel and the like. Such road damage reduces road safety due to an increased potential for accidents.
Zur Vermeidung von Unfällen sollten solche Fahrbahnschäden schnellstmöglich repariert werden. Dies kann beispielsweise während der turnusmäßigen Instandsetzung der Straße durch eine Straßenmeisterei geschehen. Ist jedoch das entsprechende Instandsetzungsintervall zu lang, so besteht auch ein entsprechend langes Unfallrisiko. Besonders gravierende Fahrbahnschäden können auch gemeldet und dann priorisiert repariert werden, hierzu muss jedoch ein Verkehrsteilnehmer aktiv werden.To avoid accidents, such road damage should be repaired as quickly as possible. This can happen, for example, during the regular repair of the road by a road maintenance department. However, if the corresponding repair interval is too long, there is also a correspondingly long risk of accidents. Particularly serious road damage can also be reported and then repaired as a priority, but this requires a road user to take action.
Somit entsteht der Bedarf Verfahren und Mittel bereitzustellen mit denen angemessen auf Fahrbahnschäden reagiert werden kann, sodass das damit einhergehende Unfallrisiko reduziert wird.This creates a need to provide procedures and means with which to respond appropriately to road damage so that the associated risk of accidents is reduced.
Hierzu ist beispielsweise aus der
Der vorliegenden Erfindung liegt die Aufgabe zugrunde ein verbessertes Verfahren zur Erfassung von Fahrbahnschäden anzugeben.The present invention is based on the object of specifying an improved method for detecting road damage.
Erfindungsgemäß wird diese Aufgabe durch ein Verfahren zur Erfassung von Fahrbahnschäden mit den Merkmalen des Anspruchs 1 gelöst. Vorteilhafte Ausgestaltungen und Weiterbildungen sowie ein System zur Durchführung des Verfahrens ergeben sich aus den hiervon abhängigen Ansprüchen.According to the invention, this object is achieved by a method for detecting road damage with the features of
Ein gattungsgemäßes Verfahren zur Erfassung von Fahrbahnschäden, wobei Fahrbahnschäden durch Auswerten von den von den Fahrzeugen einer Fahrzeugflotte generierten Sensordaten durch eine Recheneinheit erkannt werden, ein erkannter Fahrbahnschaden mit einer Ortsinformation verknüpft wird, um den Fahrbahnschaden einem Straßenabschnitt zuzuordnen, und durch die Fahrzeugflotte detektierte Fahrbahnschäden in einer auf einer zentralen Recheneinrichtung gepflegten Datenbank aggregiert werden, wird erfindungsgemäß dadurch weitergebildet, dass die Recheneinheit beim Erkennen eines Fahrbahnschadens unter Berücksichtigung der Sensordaten dem Fahrbahnschaden einen Schweregrad und einen Zeitstempel zuordnet, die zentrale Recheneinrichtung für einen bestimmten Fahrbahnschaden den Schweregrad in Abhängigkeit des Zeitstempels nachverfolgt und eine Abnutzung, insbesondere eine Vergrößerung bzw. zunehmende Ausprägung, des Fahrbahnschadens feststellt, wenn sich der Schweregrad mit fortschreitender Zeit erhöht.A generic method for detecting roadway damage, wherein roadway damage is detected by evaluating the sensor data generated by the vehicles in a vehicle fleet by a computing unit, a recognized roadway damage is linked to location information in order to assign the roadway damage to a road section, and roadway damage detected by the vehicle fleet in a database maintained on a central computing device is further developed according to the invention in that the computing unit, when detecting road damage, assigns a degree of severity and a time stamp to the road damage, taking the sensor data into account, the central computing device tracks the severity for a specific road damage depending on the time stamp and a wear, in particular an increase in size or increasing severity, of the road damage is determined if the severity increases over time.
Mit Hilfe des erfindungsgemäßen Verfahrens werden Fahrbahnschäden wie Risse, Schlaglöcher, abgenutzte Fahrbahnmarkierungen, abgetragener Fahrbahnbelag oder dergleichen nicht nur detektiert, sondern auch in ihrer zeitlichen Entwicklung nachverfolgt. Dies ermöglicht das Bereitstellen völlig neuartiger Informationen, um auf den entsprechenden Fahrbahnschaden angemessen reagieren zu können. Eine besonders relevante Information ist dabei die Geschwindigkeit, also insbesondere der zeitliche Verlauf, mit der der Schweregrad des Fahrbahnschadens über die Zeit zunimmt. So weisen Risse und Schlaglöcher meist initial eine vergleichsweise kleine Ausdehnung auf und werden mit der Zeit zunehmend größer. Sind die entsprechenden Fahrbahnschäden noch „klein“, so besteht ein geringes Unfallrisiko bzw. ein Risiko für Fahrzeugbeschädigungen, welches mit zunehmender Größe/Schwere des Fahrbahnschadens ansteigt.With the help of the method according to the invention, road damage such as cracks, potholes, worn road markings, worn road surface or the like are not only detected, but also tracked in terms of their development over time. This makes it possible to provide completely new information in order to be able to react appropriately to the corresponding road damage. Particularly relevant information is the speed, i.e. in particular the time course at which the severity of the road damage increases over time. Cracks and potholes usually initially have a comparatively small size and become increasingly larger over time. Are the corresponding road damages is still “small”, there is a low risk of accidents or vehicle damage, which increases as the size/severity of the road damage increases.
Die Fahrzeuge der Fahrzeugflotte können die unterschiedlichsten Sensoren zur Detektion der Fahrbahnschäden umfassen. Hierzu zählen sowohl Sensoren zur Erfassung des Umfelds wie Kameras, LiDARe, Ultraschallsensoren, Radarsensoren und dergleichen, als auch Sensoren zur Überwachung des Fahrzeugs, wie Raddrehzahlsensoren oder Federwegsensoren am Fahrwerk. So lässt sich beispielsweise durch Auswerten eines Federwegs eines Stoßdämpfers das Überfahren eines Schlaglochs oder einer Unebenheit erkennen. Der Federweg und/oder Schwingungen des Stoßdämpfers ist/sind dann ein Maß für die Tiefe oder Höhe und Länge des überfahrenen Fahrbahnschadens. Mit Hilfe von Kameras ist eine Detektion von Fahrbahnschäden unter Anwendung von Bilderkennungsverfahren möglich. So können bestimmte Typen von Fahrbahnschäden anhand charakteristischer visueller Merkmale identifiziert werden. Mit Hilfe von Stereokameras, Laserscannern, Radarsystemen und Ultraschallsensoren lassen sich Höhen- bzw. Tiefeninformationen gewinnen, die ebenfalls zur Detektion von Fahrbahnschäden ausgewertet werden können. Aus den dadurch gewonnenen Sensordaten lassen sich dann sogar die Abmaße des Fahrbahnschadens wie Breite, Länge und Höhe ableiten. Die zur Auswertung der Sensordaten verwendete Recheneinheit kann dabei fahrzeugintern sein, beispielsweise ein zentraler Bordcomputer, ein Steuergerät eines Fahrzeuguntersystems, eine Telematikeinheit oder dergleichen, oder auch fahrzeugextern ausgeführt sein, beispielsweise kann es sich um die zentrale Recheneinrichtung handeln. Die zentrale Recheneinrichtung ist beispielsweise als Cloudserver, auch als Backend bezeichnet, ausgeführt. Es können also die Fahrbahnschäden direkt in den Fahrzeugen erkannt werden oder aber auch erst später durch die zentrale Recheneinrichtung, welche von den Fahrzeugen bezogene Sensordaten auswertet. Auch können die Fahrzeuge die Fahrbahnschänden detektieren und die zentrale Recheneinrichtung kann die von den Fahrzeugen übermittelten Daten durch erneute Analyse validieren.The vehicles in the vehicle fleet can include a wide variety of sensors for detecting road damage. This includes sensors for detecting the surroundings such as cameras, LiDARe, ultrasonic sensors, radar sensors and the like, as well as sensors for monitoring the vehicle, such as wheel speed sensors or spring travel sensors on the chassis. For example, by evaluating the spring travel of a shock absorber, driving over a pothole or bump can be detected. The spring travel and/or vibrations of the shock absorber are/are then a measure of the depth or height and length of the road damage that is driven over. With the help of cameras, it is possible to detect road damage using image recognition methods. This means that certain types of road damage can be identified based on characteristic visual features. With the help of stereo cameras, laser scanners, radar systems and ultrasonic sensors, height and depth information can be obtained, which can also be evaluated to detect road damage. The dimensions of the road damage such as width, length and height can then be derived from the sensor data obtained in this way. The computing unit used to evaluate the sensor data can be internal to the vehicle, for example a central on-board computer, a control unit of a vehicle subsystem, a telematics unit or the like, or can also be external to the vehicle, for example it can be the central computing device. The central computing device is designed, for example, as a cloud server, also referred to as a backend. The road damage can therefore be detected directly in the vehicles or only later by the central computing device, which evaluates sensor data obtained from the vehicles. The vehicles can also detect road damage and the central computing device can validate the data transmitted by the vehicles by re-analyzing it.
Um einen positiven Effekt mit dem erfindungsgemäßen Verfahren zu erzeugen, ist es erforderlich, detektierte Fahrbahnschäden mit Ortsinformationen zu verknüpfen, sodass eine Information darüber vorliegt, wo im Straßenverkehr besagte Fahrbahnschäden angetroffen werden. Bei dieser Ortsinformation kann es sich beispielsweise um Geopositionsdaten handeln. Die Geopositionsdaten können mittels eines Navigationssatellitensystems erstellt bzw. ermittelt werden, bspw. GPS, Galileo, Beidou und dergleichen. Es kann sich jedoch auch um beispielsweise Koordinaten in einem kartesischen Koordinatensystem oder eine ID des Straßenabschnitts in einer digitalen Straßenkarte handeln. Die Ortsinformation kann weitere Informationen beinhalten wie beispielsweise auf welcher Fahrspur des Fahrbahnabschnitts der Fahrbahnschaden vorliegt.In order to produce a positive effect with the method according to the invention, it is necessary to link detected road damage with location information so that information is available about where said road damage is found in road traffic. This location information can be, for example, geoposition data. The geoposition data can be created or determined using a navigation satellite system, for example GPS, Galileo, Beidou and the like. However, it can also be, for example, coordinates in a Cartesian coordinate system or an ID of the road section in a digital road map. The location information can contain further information, such as which lane of the road section has the road damage.
Die zentrale Recheneinrichtung verwaltet dabei die Datenbank. Dies bedeutet, dass Informationen über Fahrbahnschäden verifiziert werden können, wenn mehrere Fahrzeuge denselben Fahrbahnschaden melden oder auch einzelne Fahrbahnschäden aus der Datenbank gelöscht werden können, wenn die entsprechenden Fahrbahnschäden beispielsweise während eines bestimmten Zeitraums nicht mehr detektiert wurden.The central computing device manages the database. This means that information about road damage can be verified if several vehicles report the same road damage or that individual road damage can be deleted from the database if, for example, the corresponding road damage was no longer detected during a certain period of time.
Zur Bestimmung des Schweregrads des Fahrbahnschadens wertet die Recheneinheit die Größe des Fahrbahnschadens aus. So lassen sich beispielsweise Länge, Durchmesser, Tiefe, Verlauf und dergleichen eines Risses oder Schlaglochs bestimmen. Die Dimensionen des Fahrbahnschadens können direkt den Schweregrad ausmachen oder aber der Schweregrad kann sich aus verschiedenen (ggf. statistischen, bspw. gemittelten) Parametern zusammensetzen. Fahrbahnschäden können auch in unterschiedliche Kategorien eingeteilt werden. Weist ein Schlagloch also beispielsweise eine bestimmte Länge oder eine bestimmte Tiefe auf, so wird es in eine niedrigere oder höhere Schadensklasse, also Schweregrad, eingeteilt. Auch können bestimmte Merkmale zum Einstufen eines Fahrbahnschadens in eine bestimmte Kategorie/Schweregrad herangezogen werden, wie beispielsweise, ob ein Riss besonders viele spitze Erhebungen aufweist oder in welchem Ausmaß sich der Reibwert zwischen Reifen und Fahrbahn, auch als Grip bezeichnet, beim Überfahren des Fahrbahnschadens ändert, insbesondere reduziert wird. Des Weiteren sind aus der Literatur Verfahren des maschinellen Lernens (ML) bekannt, bei denen ein ML-Modell den Schweregrad eines überfahrenen Fahrbahnschadens aus den Fahrzeugsensoren zumindest annähert.To determine the severity of the road damage, the computing unit evaluates the size of the road damage. For example, the length, diameter, depth, course and the like of a crack or pothole can be determined. The dimensions of the road damage can directly determine the severity or the severity can be made up of various (possibly statistical, e.g. averaged) parameters. Road damage can also be divided into different categories. For example, if a pothole has a certain length or a certain depth, it is divided into a lower or higher damage class, i.e. severity. Certain features can also be used to classify road damage into a specific category/severity, such as whether a crack has a particularly large number of sharp elevations or to what extent the coefficient of friction between the tire and the road, also known as grip, changes when driving over the road damage , in particular is reduced. Furthermore, machine learning (ML) methods are known from the literature in which an ML model at least approximates the severity of road damage that has been driven over from the vehicle sensors.
Der Zeitstempel beschreibt insbesondere Datum und Uhrzeit, an dem die zur Erkennung des Fahrbahnschadens ausgewerteten Sensordaten aufgenommen wurden. Das Erkennen des Fahrbahnschadens kann „live“ erfolgen, also während das Fahrzeug an dem Fahrbahnschaden vorbeifährt, oder auch später, beispielsweise durch das Auswerten eines Flottendatensatzes durch die zentrale Recheneinrichtung.The time stamp describes in particular the date and time at which the sensor data evaluated to detect the road damage was recorded. The detection of road damage can occur “live”, i.e. while the vehicle is driving past the road damage, or later, for example by evaluating a fleet data set by the central computing device.
Zum Nachverfolgen des Schweregrads eines bestimmten Fahrbahnschadens können die beim Erfassen des Fahrbahnschadens erzeugten sowie daraus abgeleitete Informationen nach Art einer Liste hintereinander gehängt werden. Diese Liste ist dann in Abhängigkeit des Zeitstempels geordnet. Neue Einträge werden an den Anfang oder an das Ende der Liste angehängt. Dies ermöglicht es besonders schnell und einfach die zeitliche Änderung des Schweregrads nachzuvollziehen. Andere Methoden der Datenverwaltung sind denkbar.To track the severity of a specific roadway damage, the information generated when the roadway damage was detected and derived from it can be sorted into a list can be hung one after the other. This list is then ordered depending on the timestamp. New entries are appended to the beginning or end of the list. This makes it particularly quick and easy to track changes in severity over time. Other methods of data management are conceivable.
Eine vorteilhafte Weiterbildung des Verfahrens sieht vor, dass die Recheneinheit unter Auswertung der Sensordaten Umweltinformationen und/oder Fahrzeuginformationen ermittelt und daraus ein Umweltbeschädigungspotenzial und/oder ein Fahrzeugbeschädigungspotenzial ableitet und beim Erkennen eines Fahrbahnschadens den bestimmten Fahrbahnschaden zusätzlich zum Schweregrad und Zeitstempel das Umweltbeschädigungspotenzial und/oder Fahrzeugbeschädigungspotenzial zuordnet. Die einzelnen Fahrzeuge der Fahrzeugflotte können mit Hilfe der Sensoren Umweltinformationen und Fahrzeuginformationen generieren. Zu den Umweltinformationen zählt beispielsweise Windrichtung und Windgeschwindigkeit, Außenlufttemperatur, Niederschlagsmenge, Lichtintensität und dergleichen. Diese Informationen können mit Hilfe von Windsensoren, Temperatursensoren, Regensensoren, Helligkeitssensoren und dergleichen direkt gemessen werden oder auch aus Daten abgeleitet werden, die zum Beispiel mittels LiDAR, Radar, Ultraschall oder Außenkamera erzeugt wurden. So kann beispielsweise aus Reflektionseigenschaften eines Radarbilds, einem reduzierten Signal zum Rauschverhältnis eines LiDAR oder durch Bildartefakte auf Regen geschlossen und die Niederschlagsmenge abgeschätzt werden. Umweltinformationen können auch von einem externen Dienstleister bezogen werden, beispielsweise von einem Wetterdienst oder lokalen Wetterstationen. Die Umweltinformationen erlauben es den Einfluss von Umwelteinflüssen auf die Abnutzung des Fahrbahnschadens, also den Schweregrad, zu berücksichtigen. Die zur Beschreibung der Umweltinformationen dienenden Rohdaten können dabei (in Ihrer Gänze oder nur Teile davon) selbst das Umweltbeschädigungspotential ausbilden. Die Rohdaten können auch ausgewertet werden und daraus gewonnene Erkenntnisse zur Beschreibung des Umweltbeschädigungspotentials dienen. So können insbesondere einzelne Parameter zueinander ins Verhältnis gesetzt werden. Das Umweltbeschädigungspotential könnte beispielsweise lauten: -1,5°C bei 2m/s Windgeschwindigkeit aus Süd-Ost und einer Niederschlagsmenge von 0mm. Das Umweltbeschädigungspotential könnte auch lauten: „2,7“ bei warmen Temperaturen und kaum Wind und „8,9“ bei sehr kalten Temperaturen, starkem Wind und wechselnden Niederschlagsmengen.An advantageous development of the method provides that the computing unit determines environmental information and/or vehicle information by evaluating the sensor data and derives from this an environmental damage potential and/or a vehicle damage potential and, when road damage is detected, the specific road damage in addition to the severity and time stamp, the environmental damage potential and/or vehicle damage potential assigned. The individual vehicles in the vehicle fleet can generate environmental information and vehicle information with the help of the sensors. The environmental information includes, for example, wind direction and wind speed, outside air temperature, amount of precipitation, light intensity and the like. This information can be measured directly using wind sensors, temperature sensors, rain sensors, brightness sensors and the like or can also be derived from data generated, for example, using LiDAR, radar, ultrasound or outdoor cameras. For example, rain can be inferred from the reflection properties of a radar image, a reduced signal to the noise ratio of a LiDAR, or image artifacts and the amount of precipitation can be estimated. Environmental information can also be obtained from an external service provider, for example from a weather service or local weather stations. The environmental information allows the influence of environmental influences on the wear of the road damage, i.e. the severity, to be taken into account. The raw data used to describe the environmental information can itself (in its entirety or only parts of it) form the potential for environmental damage. The raw data can also be evaluated and the insights gained from it can be used to describe the potential for environmental damage. In particular, individual parameters can be related to one another. The environmental damage potential could be, for example: -1.5°C with a wind speed of 2m/s from the south-east and a rainfall of 0mm. The environmental damage potential could also be: “2.7” for warm temperatures and little wind and “8.9” for very cold temperatures, strong winds and variable rainfall.
Zu den Fahrzeuginformationen zählen Informationen über das Fahrzeug selbst, vom Fahrzeug ermittelte Informationen über andere Verkehrsteilnehmer sowie vom Fahrzeug ermittelte Informationen über Charakteristika des befahrenen Fahrbahnabschnitts. Dies betrifft die Eigengeschwindigkeit des Fahrzeugs, momentane Beschleunigungswerte, Lenkwinkel, Federwege, das Eigengewicht des Fahrzeugs und das Gewicht der Zuladung, beispielsweise abgeschätzt durch besagte Federwegsensordaten, die Fahrzeugdichte, also die Anzahl und Entfernung zu weiteren Verkehrsteilnehmern im Umfeld des Fahrzeugs, Straßen- bzw. Fahrbahntyp, und dergleichen. Hieraus lässt sich das Fahrzeugbeschädigungspotenzial ableiten. Ist das Fahrzeug beim Überfahren des Fahrbahnschadens besonders schnell und besonders schwer, so kann ein hohes Fahrzeugbeschädigungspotenzial ermittelt werden. Umfährt das Fahrzeug den Fahrbahnschaden oder ist vergleichsweise langsam und vergleichsweise leicht, so wird entsprechend ein geringeres Fahrzeugbeschädigungspotenzial ermittelt. Neben dem Fahrzeugbeschädigungspotenzial können dem Fahrbahnschaden in der Datenbank auch die Fahrzeuginformationen selbst zugeordnet werden. Es können also auch hier die entsprechenden Rohdaten selbst das Fahrzeugbeschädigungspotential ausbilden.The vehicle information includes information about the vehicle itself, information about other road users determined by the vehicle, and information determined by the vehicle about characteristics of the road section being traveled. This concerns the vehicle's own speed, current acceleration values, steering angle, suspension travel, the vehicle's own weight and the weight of the payload, for example estimated by said suspension travel sensor data, the vehicle density, i.e. the number and distance to other road users in the vicinity of the vehicle, road or Road type, and the like. The potential for vehicle damage can be derived from this. If the vehicle is particularly fast and particularly heavy when driving over the damaged road, a high potential for vehicle damage can be determined. If the vehicle avoids the road damage or is comparatively slow and comparatively light, then a lower potential for vehicle damage is determined. In addition to the vehicle damage potential, the vehicle information itself can also be assigned to the road damage in the database. Here too, the corresponding raw data itself can determine the vehicle damage potential.
Mit Hilfe des Umweltbeschädigungspotenzials und des Fahrzeugbeschädigungspotenzials lässt sich noch differenzierter verstehen und bestimmen, wie sich die Abnutzung des Fahrbahnschadens mit der Zeit entwickelt. Ändert sich der Schweregrad eines bestimmten Fahrbahnschadens über die Zeit besonders schnell, so kann die Recheneinheit das respektive Umweltbeschädigungspotential und/oder Fahrzeugbeschädigungspotential hierzu in Bezug setzen und so Muster erkennen, welche Einflussfaktoren sich im Besonderen auf die hohe Abnutzung auswirken.With the help of the environmental damage potential and the vehicle damage potential, it is possible to understand and determine in even more detail how the wear and tear of the road damage develops over time. If the severity of a particular road damage changes particularly quickly over time, the computing unit can relate the respective environmental damage potential and/or vehicle damage potential to this and thus recognize patterns of which influencing factors have a particular impact on the high level of wear.
Nimmt der Schweregrad des Fahrbahnschadens beispielsweise nach jedem Überfahren des Fahrbahnschadens durch einen schwer beladenen Lkw zu, ändert sich der Schweregrad jedoch kaum, wenn Temperaturschwankungen auftreten, so ist entsprechend das Schadenspotenzial durch das Überfahren von Lkws hoch. Diese Einflüsse können auch im Bezug zu unterschiedlichen Arten von Fahrbahnschäden stehen. So kann ein bestimmter Einfluss beispielsweise verstärkt zu Rissen führen, jedoch sich nur unwesentlich auf das Entstehen bzw. Vergrößern von Schlaglöchern auswirken. Ebenfalls kann der Fahrbahntyp von Bedeutung sein. So bieten beispielsweise hohe Temperaturen bedingt durch eine starke Sonneneinstrahlung im Sommer ein hohes Gefahrenpotenzial für das Entstehen von Rissen in Betonplatten von Autobahnabschnitten, führen jedoch zu keinem erhöhten Schadensbild bei Kopfsteinpflaster.For example, if the severity of the road damage increases every time a heavily loaded truck drives over the road damage, but the severity hardly changes when temperature fluctuations occur, the potential for damage caused by trucks driving over the road is correspondingly high. These influences can also be related to different types of road damage. For example, a certain influence can lead to increased cracks, but only have a negligible effect on the formation or enlargement of potholes. The type of roadway can also be important. For example, high temperatures due to strong solar radiation in summer pose a high risk of cracks forming in concrete slabs on motorway sections, but do not lead to increased damage to cobblestones.
Entsprechend einer weiteren vorteilhaften Ausgestaltung des erfindungsgemäßen Verfahrens ordnet die zentrale Recheneinrichtung dem bestimmten Fahrbahnschaden unter Berücksichtigung der zeitlichen Änderung des Schweregrads, des Umweltbeschädigungspotenzials und/oder des Fahrzeugbeschädigungspotenzials einen Resistenzfaktor zu, welcher einen Widerstand gegenüber Abnutzung beschreibt. Bei der zeitlichen Änderung des Schwergrads handelt es sich insbesondere um die Zeitableitung. Je langsamer sich ein Fahrbahnschaden über die Zeit vergrößert, desto höher ist sein Resistenzfaktor, insbesondere, wenn er dabei durch starke Umweltbeschädigungspotentiale und Fahrzeugbeschädigungspotentiale hoch beansprucht wird. Mit Hilfe des Resistenzfaktors lassen sich verschiedene Fahrbahnschäden besonders leicht vergleichen. insbesondere können Fahrbahnschäden mit dem gleichen oder einem ähnlichen Resistenzfaktor verglichen werden und die jeweils vorliegenden Umweltbedingungen bzw. das Fahrzeugbeschädigungspotenzial verglichen werden. Dies erlaubt es noch schneller Muster zu erkennen und entscheidend Einflussfaktoren auf die Abnutzung der Fahrbahnschäden zu erkennen.According to a further advantageous embodiment of the method according to the invention, the central computing device assigns a resistance factor to the specific road damage, taking into account the temporal change in the severity, the environmental damage potential and / or the vehicle damage potential, which describes a resistance to wear. The change in severity over time is, in particular, the time derivative. The slower road damage increases over time, the higher its resistance factor, especially if it is subject to high levels of environmental damage and vehicle damage potential. With the help of the resistance factor, different types of road damage can be compared particularly easily. In particular, road damage can be compared with the same or a similar resistance factor and the existing environmental conditions or the vehicle damage potential can be compared. This makes it possible to recognize patterns even more quickly and to identify factors that influence the wear and tear of road damage.
Eine weitere vorteilhafte Ausgestaltung des erfindungsgemäßen Verfahrens sieht ferner vor, dass die zentrale Recheneinrichtung unter Berücksichtigung der Fahrzeuginformationen für den Straßenabschnitt, dem der Fahrbahnschaden zugeordnet ist, ein Verkehrsbeschädigungspotenzial ermittelt. Das Fahrzeugbeschädigungspotenzial beschreibt den Einfluss des einzelnen Fahrzeugs auf die Abnutzung eines Fahrbahnschadens. Diese Informationen können über die einzelnen Fahrzeuge der Fahrzeugflotte und über die Zeit ebenfalls aggregiert werden, was das Bestimmen des Verkehrsbeschädigungspotenzials erlaubt. Hierbei handelt es sich somit um eine aus den Fahrzeuginformationen statistisch ermittelte Größe, wie ein Durchschnittswert, ein Extremwert oder auch eine Verteilung und dergleichen.A further advantageous embodiment of the method according to the invention further provides that the central computing device determines a traffic damage potential, taking into account the vehicle information for the road section to which the roadway damage is assigned. The vehicle damage potential describes the influence of the individual vehicle on the wear and tear of road damage. This information can also be aggregated across individual vehicles in the fleet and over time, allowing traffic damage potential to be determined. This is therefore a quantity statistically determined from the vehicle information, such as an average value, an extreme value or a distribution and the like.
So kann beispielsweise die Recheneinheit mittels der Abstandssensordaten der Fahrzeuge der Fahrzeugflotte eine Verkehrsdichte ermitteln. Je größer die Verkehrsdichte auf dem jeweiligen Straßenabschnitt ist, desto stärker kann die Abnutzung des Fahrbahnschadens ausfallen. Entsprechende Verkehrsdaten können auch von einem externen Dienstleister wie eine Dienststelle zur Überwachung des Straßenverkehrs bezogen werden. Das Verkehrsbeschädigungspotenzial wird dabei nicht zwangsweise mit den einzelnen individuellen Fahrbahnschäden verknüpft, sondern mit dem jeweiligen Straßenabschnitt selbst.For example, the computing unit can determine traffic density using the distance sensor data of the vehicles in the vehicle fleet. The greater the traffic density on the respective road section, the greater the wear and tear on the road damage can be. Corresponding traffic data can also be obtained from an external service provider such as a road traffic monitoring agency. The potential for traffic damage is not necessarily linked to the individual road damage, but rather to the respective road section itself.
Entsprechend einer weiteren vorteilhaften Ausgestaltung des erfindungsgemäßen Verfahrens trifft die zentrale Recheneinrichtung unter Berücksichtigung der bisherigen zeitlichen Änderung des Schweregrads, des Umweltbeschädigungspotenzials, des Fahrzeugbeschädigungspotenzials, des Resistenzfaktors und/oder des Verkehrsbeschädigungspotenzials eine Prognose, wie sich der Schweregrad in Zukunft entwickelt. Unter Erkenntnis der aus der Datenbank gewonnen Informationen ist die zentrale Recheneinrichtung dazu in der Lage zu ermitteln, wie sich Fahrbahnschäden in Abhängigkeit der äußeren Randbedingungen entwickeln werden. Dies ermöglicht es besonders kritische Fahrbahnschäden zu ermitteln, die in kurzer Zeit einen hohen Schweregrad annehmen werden und somit ein besonders hohes Verkehrsrisiko bieten. Diese Fahrbahnschäden können dann von weniger gravierenden Fahrbahnschäden, bei denen der Schweregrad über die Zeit nur langsam zunimmt, unterschieden werden. Insbesondere wird ein Zeitpunkt bestimmt, ab dem der Fahrbahnschaden ein besonders kritisches Ausmaß erreicht haben wird. Somit lassen sich gezielt Warnungen an die Verkehrsteilnehmer ausgeben.According to a further advantageous embodiment of the method according to the invention, the central computing device makes a prediction as to how the degree of severity will develop in the future, taking into account the previous temporal change in the severity, the environmental damage potential, the vehicle damage potential, the resistance factor and/or the traffic damage potential. By recognizing the information obtained from the database, the central computing device is able to determine how road damage will develop depending on the external boundary conditions. This makes it possible to identify particularly critical road damage that will become very serious in a short period of time and therefore pose a particularly high traffic risk. This road damage can then be differentiated from less serious road damage, where the severity only increases slowly over time. In particular, a point in time is determined from which the road damage will have reached a particularly critical extent. This means that targeted warnings can be issued to road users.
Eine weitere vorteilhafte Ausgestaltung des erfindungsgemäßen Verfahrens sieht es ferner vor, dass die zentrale Recheneinrichtung einem Straßenabschnitt ein Umweltbeschädigungspotenzial und ein Verkehrsbeschädigungspotenzial zuordnet und eine Prognose trifft, wann auf dem Straßenabschnitt ein neuer Fahrbahnschaden entstehen wird. Somit lassen sich nicht nur bestehende Fahrbahnschäden in ihrer Entwicklung nachverfolgen, sondern, dank der aus der Datenbank gewonnenen Erkenntnisse über die bereits untersuchten Fahrbahnschäden, auch noch Vorhersagen tätigen, wann und wo mit dem Entstehen neuer Fahrbahnschäden zu rechnen ist. Hierdurch lässt sich die Sicherheit im Straßenverkehr noch zuverlässiger schützen, da somit prädiktiv vor künftig entstehenden Fahrbahnschäden gewarnt werden kann. Dabei können auch potenzielle Fahrbahnschäden für solche Straßenabschnitte prädiziert werden, auf denen noch gar kein Fahrbahnschaden vorliegt. Hierzu ist es erforderlich, dass die Fahrzeuge der Fahrzeugflotte besagte Umweltinformationen und/oder Fahrzeuginformationen beim Befahren des jeweiligen Straßenabschnitts erheben und diese direkt, oder zumindest daraus gewonnene Erkenntnisse, an die zentrale Recheneinrichtung übermitteln.A further advantageous embodiment of the method according to the invention further provides that the central computing device assigns a road section an environmental damage potential and a traffic damage potential and makes a prediction as to when new road damage will occur on the road section. This means that not only can existing road damage be tracked in its development, but thanks to the knowledge gained from the database about the road damage that has already been examined, predictions can also be made as to when and where new road damage can be expected to occur. This makes it possible to protect road safety even more reliably, as it can be used to provide predictive warnings about future road damage. Potential road damage can also be predicted for road sections where there is no road damage at all. For this purpose, it is necessary that the vehicles in the vehicle fleet collect said environmental information and/or vehicle information when driving on the respective road section and transmit this directly, or at least the knowledge gained from it, to the central computing device.
Entsprechende Umweltinformationen sowie für die Fahrzeuginformationen stellvertretende Verkehrsinformationen können jedoch auch von anderen Quellen bezogen werden wie entsprechenden Wetter- bzw. Verkehrsdiensten oder lokal am Straßenabschnitt fest angeordneten Sensorsystemen wie beispielsweise Temperatur-, Feuchte- und Windsensoren, wie sie bspw. oftmals an einer Brücke montiert sind, oder Kamerasysteme zur Überwachung des Verkehrsaufkommens auf kritischen Autobahnabschnitten oder Tunneleinfahrten.However, corresponding environmental information as well as traffic information representative of the vehicle information can also be obtained from other sources such as corresponding weather or traffic services or sensor systems permanently arranged locally on the road section, such as temperature, humidity and wind sensors, such as those often mounted on a bridge , or camera systems for surveillance Controlling traffic volumes on critical motorway sections or tunnel entrances.
Entsprechend einer weiteren vorteilhaften Ausgestaltung des erfindungsgemäßen Verfahrens trifft die zentrale Recheneinrichtung die Prognose unter der Verwendung heuristischer Formeln und/oder Methoden des maschinellen Lernens. Mit Hilfe heuristischer Formeln lässt sich eine zuverlässige Prognose erzielen, wenn die einzelnen relevanten Einflussfaktoren auf die Abnutzung der Fahrbahnschäden bekannt sind. So kann die Abnutzung eines Fahrbahnschadens über die zeitliche Historie der auf einen Fahrbahnschaden wirkenden Einflüsse ins Verhältnis gesetzt werden. Liegen dann für einzelne Parameter bestimmte Mittelwerte, Extremwerte, Verteilungen oder dergleichen vor, so wird ihr respektiver Einfluss auf die Abnutzung des Fahrbahnschadens entsprechend gewürdigt. Beispielsweise kann die Änderung des Schweregrads eines Schlaglochs eine Funktion der Anzahl von Frostnächten, der mittleren Niederschlagsmenge während der Frostnächte sowie des aktuellen Schweregrad des Schlaglochs sein.According to a further advantageous embodiment of the method according to the invention, the central computing device makes the prediction using heuristic formulas and/or machine learning methods. With the help of heuristic formulas, a reliable forecast can be achieved if the individual relevant factors influencing the wear of the road damage are known. In this way, the wear and tear of road damage can be put into perspective over the temporal history of the influences that have an impact on road damage. If certain mean values, extreme values, distributions or the like are available for individual parameters, their respective influence on the wear of the road damage is assessed accordingly. For example, the change in pothole severity may be a function of the number of frost nights, the average amount of precipitation during the frost nights, and the current severity of the pothole.
Methoden der sogenannten künstlichen Intelligenz, wie beispielsweise des maschinellen Lernens, erlauben es zudem, den Einfluss nicht offensichtlich erkennbarer Muster in den in der Datenbank hinterlegten Informationen auf die Abnutzungsentwicklung von Fahrbahnschäden zu berücksichtigen. So stellt beispielsweise ein maschinelles Lernmodell eine Abbildung dar, in welche die Informationen aus der Datenbank eingelesen werden, und welche als Ergebnis besagte Prognosen bereitstellt. Entsprechende Maschinenlernmodelle werden mit Hilfe der von der Fahrzeugflotte generierten Daten trainiert. Beispielsweise kann ein tiefes neuronales Netz die Tiefe eines Schlaglochs zu einem künftigen Zeitpunkt auf Basis der aktuellen Tiefe des Schlaglochs sowie statistisch aufbereiteten Nutzungs- und Umgebungsinnformationen vorhersagen.Methods of so-called artificial intelligence, such as machine learning, also make it possible to take into account the influence of patterns that are not obviously recognizable in the information stored in the database on the development of wear and tear on road damage. For example, a machine learning model represents an image into which the information from the database is read and which provides the forecasts as a result. Corresponding machine learning models are trained using the data generated by the vehicle fleet. For example, a deep neural network can predict the depth of a pothole at a future point in time based on the current depth of the pothole and statistically processed usage and environmental information.
Eine weitere vorteilhafte Ausgestaltung des erfindungsgemäßen Verfahrens sieht ferner vor, dass die zentrale Recheneinrichtung durch das Aussenden einer Auftragsnachricht einen Dienstleister zum Reparieren eines Fahrbahnschadens beauftragt oder eine Behörde informiert, die für die Erhaltung/Instandhaltung der Infrastruktur zuständig ist, sobald der Schweregrad des Fahrbahnschadens ein festgelegtes Maß erreicht oder - im Sinne einer Prognose - zukünftig erreichen wird. Hierdurch lässt sich die Sicherheit im Straßenverkehr in besonderem Maße verbessern, da solche Fahrbahnschäden, die besonders kritisch für die Verkehrssicherheit sind, bevorzugt repariert werden können. So können beispielsweise Fahrbahnschäden, die schon lange bekannt sind, jedoch einen so geringen Schweregrad aufweisen, dass sie für die Verkehrssicherheit nicht von Bedeutung sind, ignoriert werden und plötzlich entstehende Fahrbahnschäden, die jedoch besonders schnell in ihrem Schweregrad anwachsen, bevorzugt repariert werden, da hier sonst schnell die Gefahr eines Unfalls droht.A further advantageous embodiment of the method according to the invention further provides that the central computing device commissions a service provider to repair road damage by sending an order message or informs an authority that is responsible for the preservation/maintenance of the infrastructure as soon as the severity of the road damage reaches a specified level reached or - in the sense of a forecast - will reach in the future. This makes it possible to improve road safety to a particular extent, since road damage that is particularly critical for road safety can be repaired as a priority. For example, road damage that has been known for a long time but is so low in severity that it is not important for traffic safety can be ignored and road damage that occurs suddenly but increases in severity particularly quickly can be repaired preferably because here Otherwise there is a risk of an accident.
Durch das Berücksichtigen der von der zentralen Recheneinrichtung getroffenen Prognosen ist zudem eine effiziente Planung der Ressourcen des Dienstleisters zum Reparieren der Fahrbahnschäden möglich. Wird beispielsweise im Sommer bevorzugt mit dem Auftreten von hitzebedingten Fahrbahnrissen gerechnet oder im Winter mit Kälte und feuchtebedingten Rissen auf Brücken, so kann ein entsprechendes Reparaturunternehmen frühzeitig entsprechendes Baumaterial bestellen und Arbeitskräfte einstellen, damit alle kritischen Fahrbahnschäden ausreichend schnell repariert werden können.By taking into account the forecasts made by the central computing device, efficient planning of the service provider's resources for repairing the road damage is also possible. For example, if heat-related road cracks are expected to occur in summer or cold and moisture-related cracks on bridges in winter, a corresponding repair company can order the appropriate building materials and hire workers at an early stage so that all critical road damage can be repaired sufficiently quickly.
Bevorzugt ermittelt ein Fahrzeug durch Auslesen der Datenbank, wann das Fahrzeug an einem bekannten Fahrbahnschaden vorbeifährt und erhöht beim Vorbeifahren am Fahrbahnschaden eine Sensorauflösung und/oder richtet einen Sensor auf den Fahrbahnschaden aus, um den Fahrbahnschaden gezielt zu vermessen. Fährt ein jeweiliges Fahrzeug an einem Fahrbahnschaden vorbei, so ist das Fahrzeug je nach Situation mehr oder weniger gut dazu in der Lage den Fahrbahnschaden mit Hilfe seiner Sensoren zu erfassen. Befindet sich der Fahrbahnschaden beispielsweise im Randbereich der Fahrbahn, insbesondere, wenn diese mehrere Fahrspuren aufweist, dann wird der Fahrbahnschaden vom Fahrzeug gegebenenfalls nur partiell abgetastet. Die Fahrzeuge können jedoch ihre Eigenposition während der Fahrt mit den Ortsinformationen der Fahrbahnschäden abgleichen, und verfügen somit über die Information, wann ein jeweiliger Fahrbahnschaden angetroffen werden wird. Entsprechend können die Fahrzeuge ihre Sensoren auf einen Fahrbahnschaden ausrichten bzw. gezielt die Sensorauflösung temporär erhöhen, was es ermöglicht, entsprechende Fahrbahnschäden noch genauer zu erfassen. Dies ermöglicht es den Schweregrad des jeweiligen Fahrbahnschadens noch genauer und damit zuverlässiger zu bestimmen.A vehicle preferably determines by reading the database when the vehicle drives past known road damage and increases a sensor resolution when driving past the road damage and / or aligns a sensor to the road damage in order to specifically measure the road damage. If a vehicle drives past road damage, depending on the situation, the vehicle is more or less able to detect the road damage with the help of its sensors. If the road damage is, for example, in the edge area of the road, especially if it has several lanes, then the road damage may only be partially scanned by the vehicle. However, the vehicles can compare their own position while driving with the location information of the road damage, and thus have the information as to when a respective road damage will be encountered. Accordingly, the vehicles can align their sensors to road damage or temporarily increase the sensor resolution, which makes it possible to detect corresponding road damage even more precisely. This makes it possible to determine the severity of the respective road damage even more precisely and therefore more reliably.
Bei einem System, umfassend wenigstens ein Fahrzeug und eine zentrale Recheneinrichtung, sind erfindungsgemäß das Fahrzeug und die zentrale Recheneinrichtung zur Durchführung eines im vorigen beschriebenen Verfahrens eingerichtet. Bei dem Fahrzeug handelt es sich um ein beliebiges Fahrzeug wie eine Pkw, Lkw, Transporter, Bus oder dergleichen. Das jeweilige Fahrzeug kann eine fahrzeuginterne Recheneinheit aufweisen, wie besagten zentralen Bordcomputer oder das Steuergerät eines Fahrzeuguntersystems. Die zentrale Recheneinrichtung ist bevorzugt als Cloudserver ausgebildet. Es kann sowohl die zentrale Recheneinrichtung, als auch eine fahrzeuginterne Recheneinheit die Recheneinheit ausbilden, welche den jeweiligen Fahrbahnschaden unter Auswertung der Sensordaten erkennt. Besonders bevorzugt sind mehrere solcher Fahrzeuge vorgesehen, die dann gemeinsam eine Fahrzeugflotte ausbilden. Generell könnte jedoch ein einzelnes Fahrzeug die Fahrzeugflotte ausbilden. Je mehr Fahrzeuge in der Flotte vorhanden sind, desto umfangreicher lässt sich jedoch das befahrene Straßennetz überwachen und somit die Wahrscheinlichkeit erhöhen, dass sämtliche relevante Fahrbahnschäden erkannt werden.In a system comprising at least one vehicle and a central computing device, according to the invention the vehicle and the central computing device are set up to carry out a method described above. The vehicle is any vehicle such as a car, truck, van, bus or the like. The respective vehicle can have an in-vehicle computing unit, such as said central on-board computer or the control unit of a vehicle subsystem. The central computing device is preferably designed as a cloud server. It Both the central computing device and a vehicle-internal computing unit can form the computing unit, which detects the respective road damage by evaluating the sensor data. Particularly preferably, several such vehicles are provided, which then together form a vehicle fleet. In general, however, a single vehicle could form the vehicle fleet. However, the more vehicles there are in the fleet, the more extensively the road network can be monitored and thus increase the likelihood that all relevant road damage will be detected.
Weitere vorteilhafte Ausgestaltungen des erfindungsgemäßen Verfahrens zur Erfassung von Fahrbahnschäden ergeben sich auch aus dem Ausführungsbeispiel, welches nachfolgend unter Bezugnahme auf die Figuren näher beschrieben wird.Further advantageous embodiments of the method according to the invention for detecting road damage also result from the exemplary embodiment, which is described in more detail below with reference to the figures.
Dabei zeigen:
-
1 eine schematisierte Draufsicht auf eine Fahrbahn mit einem Fahrbahnschaden; und -
2 ein schematisierter Verfahrensablauf einer Schweregradprognose eines Fahrbahnschadens durch eine zentrale Recheneinrichtung.
-
1 a schematic top view of a roadway with roadway damage; and -
2 a schematized process sequence for predicting the severity of road damage by a central computing device.
Solche Fahrbahnschäden 1 können ein Unfallpotenzial bergen und somit die Sicherheit im Straßenverkehr reduzieren. Es sind Verfahren bekannt, solche Fahrbahnschäden 1 mit Hilfe von Sensoren zu detektieren und so erkannte Fahrbahnschäden 1 in einer zentralen Datenbank zu sammeln. Orte, an denen ein solcher Fahrbahnschaden 1 anzutreffen ist, können dann von den Fahrzeugen 2 aus der Datenbank ausgelesen werden, was es erlaubt die fahrzeugführende Person des Fahrzeugs 2 vor dem Fahrbahnaschaden zu warnen. Mit Hilfe eines erfindungsgemäßen Verfahrens zur Erfassung von Fahrbahnschäden 1 werden diese Fahrbahnschäden 1 nicht nur erfasst, sondern auch ihre zeitliche Entwicklung nachverfolgt.
Hierzu wird ein entsprechender Fahrbahnschaden 1, beispielsweise ein Riss oder Schlagloch, mittels der Sensoren der Fahrzeuge 2 erfasst. Das in
Das auf der mittleren Fahrspur 8 fahrende Fahrzeug 2 hingegen erfasst den Fahrbahnschaden 1 mittels eines LiDARs 10 und eines Radarsensorsystems 11. Von den Sensoren generierte Daten werden vom jeweiligen Fahrzeug 2 mittels einer fahrzeuginternen Recheneinheit 12 verarbeitet. Die Rohdaten selbst und/oder daraus durch die fahrzeuginterne Recheneinheit 12 gewonnene Erkenntnisse werden von einer drahtlosen Kommunikationseinheit 13 an eine zentrale Recheneinrichtung 4 übermittelt. Der Fahrbahnschaden 1 wird dann von einer Recheneinheit 3, hier in Form der zentralen Recheneinrichtung 4 und/oder der fahrzeuginternen Recheneinheit 12, detektiert. Dabei wird nicht nur der Ort erfasst, an dem sich der Fahrbahnschaden 1 befindet, sondern auch noch ein Schweregrad SG sowie ein Zeitstempel t. Der Zeitstempel t entspricht dem aktuellen Zeitpunkt, an dem die jeweiligen Sensordaten vom Fahrzeug 2 generiert wurden, also der Fahrbahnschaden 1 erfasst wurde. Der Schweregrad SG beschreibt einen Abnutzungsgrad des Fahrbahnschadens 1, beispielsweise in Form von dessen Dimensionen. Es kann sich jedoch auch beim Schweregrad SG um eine aus unterschiedlichen Informationen zusammengesetzte Größe handeln.The
Die zentrale Recheneinrichtung 4 aggregiert die Informationen sämtlicher detektierten Fahrbahnschäden 1. Dabei sieht das erfindungsgemäße Verfahren vor, dass bei jeder erneuten Detektion eines bestimmten Fahrbahnschadens 1 der aktuelle Schweregrad SG ermittelt wird und dieser über die Zeit nachverfolgt wird.
Zur noch genaueren Vermessung eines Fahrbahnschadens 1 können die Fahrzeuge 2 beim Vorbei- oder Überfahren des Fahrbahnschadens 1 ihre Sensoren auf den Fahrbahnschaden 1 gezielt ausrichten und die Sensorgenauigkeit dabei erhöhen.For even more precise measurement of
Aufgrund unterschiedlicher Ausführungen der Fahrzeuge 2 der Fahrzeugflotte und insbesondere aufgrund von Messfehlern bzw. Messungenauigkeit werden sich die von unterschiedlichen, oder auch von demselben Fahrzeug 2 zu verschiedenen Zeitpunkten generiert Sensordaten unterscheiden. Es werden Maßnahmen getroffen, angemessen darauf zu reagieren. So kann die zentrale Recheneinrichtung 4 beispielsweise über einen festgelegten Zeitraum einen Mittelwert aus den übermittelten Größendimensionen des Fahrbahnschadens 1 bilden und diesen als „aktuellen“ Größenwert des Fahrbahnschadens 1 erachten.Due to different designs of the
Durch Auswerten der in der zentralen Recheneinrichtung 4 vorgehaltenen Datenbank lassen sich Muster erkennen, wie sich die jeweiligen Fahrbahnschäden 1 über der Zeit ändern und welche Einflussfaktoren hierfür besonders relevant sind. Dies kann erfindungsgemäß dazu genutzt werden Warnungen frühzeitig auszugeben, wenn ein bestimmter Fahrbahnschaden 1 ein kritisches Ausmaß erreicht und/oder Maßnahmen zu treffen, dass ausreichend früh ein entsprechender Fahrbahnschaden 1 repariert wird, sodass der jeweilige Fahrbahnschaden 1 das kritische Ausmaß erst gar nicht annimmt.By evaluating the database held in the
So erfassen bevorzugt die Fahrzeuge 2 nicht nur Schweregrad SG und Zeitstempel t sondern auch Umweltinformationen und/oder Fahrzeuginformationen. Die Umweltinformationen beschreiben die Umweltbedingungen, die beim Aufnehmen der Sensordaten vorliegen, wie: aktuelle Luft- und/oder Bodentemperatur, Windrichtung und Windgeschwindigkeit, Niederschlagsmenge und dergleichen. Die Fahrzeuginformationen beschreiben Eigenschaften des Fahrzeugs, wie: Leermasse und Zuladung, Fortbewegungsgeschwindigkeit, Vorhandensein eines Anhängers und dergleichen. Insbesondere werden Fahrzeuginformationen für einen jeweiligen Streckenabschnitt des Straßennetzes aggregiert, woraus ein in
Folgende Beispiele verdeutlichen dies:The following examples illustrate this:
Unter einer Brücke bildet sich ein Schlagloch. Das Schlagloch wird von den Fahrzeugen 2 detektiert und entsprechende Informationen in der zentralen Recheneinrichtung 4 hinterlegt. Die Daten ergeben, dass nur selten Fahrzeuge über das Schlagloch fahren und dies meist leichte Fahrzeuge sind. Zudem ist das Schlagloch witterungsgeschützt und es liegen keine Frostnächte vor. Das Prognosemodell, beispielsweise besagtes künstliches neuronales Netz 15, ermittelt hieraus, dass das Schlagloch erst in 15 Jahren so groß geworden sein wird, dass ein nicht mehr zu vernachlässigendes Unfallpotential entsteht. Da die Abnutzung langsam voran schreitet ist eine schnelle Ausbesserung nicht erforderlich.A pothole forms under a bridge. The pothole is detected by the
Auf besagter Brücke bildet sich ebenfalls ein Schlagloch. Das Schlagloch wird von den Fahrzeugen 2 detektiert und entsprechende Informationen in der zentralen Recheneinrichtung 4 hinterlegt. Die Daten ergeben, dass häufig insbesondere besonders schwere Fahrzeuge über das Schlagloch fahren. Das Schlagloch weist zudem eine exponierte Lage auf und erlebt häufige Temperaturschwankungen, starken Wind und ist hohen Niederschlagsmengen ausgesetzt. Das Prognosemodell ermittelt in diesem Falle, dass das Schlagloch bereits nach 5 Monaten auf ein kritisches Maß anwachsen wird. Die zentrale Recheneinrichtung 4 kann proaktiv einen Dienstleister zum Instandsetzen des Schlaglochs beauftragen.A pothole also forms on the said bridge. The pothole is detected by the
Zudem lässt sich das Auftreten neuer Fahrbahnschäden 1 prognostizieren. Beispielsweise kann das Einschwingverhalten eines Fahrzeugs 2 nach Überfahren einer Bodenwelle analysiert werden. In Fahrtrichtung hinter der Bodenwelle kann mit hohem Risiko ein Schlagloch entstehen, insbesondere wenn die Fahrzeuge hinter der Bodenwelle auf der Fahrbahn aufsetzen. Je nach Häufigkeit solcher Ereignisse und insbesondere unter Berücksichtigung der Fahrzeugeigenschaften wie Geschwindigkeit und Masse sowie (materialbedingtem) Widerstand des Fahrbahnbelags gegenüber äußeren Krafteinwirkungen lässt sich dann abschätzen wann ein Fahrbahnschaden 1 entsteht.In addition, the occurrence of
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN THE 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 listed 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 PatentliteraturCited patent literature
- DE 102019000403 A1 [0005]DE 102019000403 A1 [0005]
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102023000560.6A DE102023000560A1 (en) | 2023-02-20 | 2023-02-20 | Method for detecting road damage and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102023000560.6A DE102023000560A1 (en) | 2023-02-20 | 2023-02-20 | Method for detecting road damage and system |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102023000560A1 true DE102023000560A1 (en) | 2023-12-14 |
Family
ID=88874265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102023000560.6A Ceased DE102023000560A1 (en) | 2023-02-20 | 2023-02-20 | Method for detecting road damage and system |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102023000560A1 (en) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1145186B1 (en) | 1998-11-14 | 2004-02-18 | DaimlerChrysler AG | Method and apparatus for increasing the power of a traffic sign recognition system |
DE102007042877A1 (en) | 2007-09-08 | 2009-03-12 | Bayerische Motoren Werke Aktiengesellschaft | Motor vehicle, has computing device designed such that roadway characteristic and appropriate position are converted into roadway characteristic-position-data objects, where objects are transmitted by transmitting device |
DE102019000403A1 (en) | 2019-01-22 | 2019-06-13 | Daimler Ag | Method at least for issuing a warning of a danger point |
DE102017212361B4 (en) | 2017-07-19 | 2021-02-25 | Audi Ag | Method for operating a motor vehicle |
DE102020206128A1 (en) | 2020-05-15 | 2021-11-18 | Continental Automotive Gmbh | 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 |
-
2023
- 2023-02-20 DE DE102023000560.6A patent/DE102023000560A1/en not_active Ceased
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1145186B1 (en) | 1998-11-14 | 2004-02-18 | DaimlerChrysler AG | Method and apparatus for increasing the power of a traffic sign recognition system |
DE102007042877A1 (en) | 2007-09-08 | 2009-03-12 | Bayerische Motoren Werke Aktiengesellschaft | Motor vehicle, has computing device designed such that roadway characteristic and appropriate position are converted into roadway characteristic-position-data objects, where objects are transmitted by transmitting device |
DE102017212361B4 (en) | 2017-07-19 | 2021-02-25 | Audi Ag | Method for operating a motor vehicle |
DE102019000403A1 (en) | 2019-01-22 | 2019-06-13 | Daimler Ag | Method at least for issuing a warning of a danger point |
DE102020206128A1 (en) | 2020-05-15 | 2021-11-18 | Continental Automotive Gmbh | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102015100812B4 (en) | Method for using road level images to improve an automated driving mode for a vehicle | |
DE102015119495B4 (en) | Using participatory sensor systems to enable improved estimation of road adhesion | |
EP3482160B1 (en) | Method and system for generating map information for emergengy areas | |
DE112019000714T5 (en) | GLASS FIBER DETECTION FOR MOTORWAY MAINTENANCE | |
DE102014013672B4 (en) | Method and system for securing autonomous or semi-autonomous operation of vehicles on a traffic route network | |
DE102018221179A1 (en) | Method and system for determining certain status information for at least one geographical position using autonomous or semi-autonomous vehicles | |
DE102011085287A1 (en) | Method for determining texture of roadway, involves detecting continuously road surface by ultrasonic sensor system built in vehicle, where road surface is classified based on reflected frequency spectrum | |
DE102015215605A1 (en) | Method for controlling a traffic control system | |
DE102017223634A1 (en) | Determination of a road condition by evaluation of sensor data of a road vehicle | |
DE102017212361B4 (en) | Method for operating a motor vehicle | |
DE102006004130B4 (en) | Method for determining a future course of the road by communicating between motor vehicles | |
DE102015008968A1 (en) | Method for evaluating vehicle data | |
DE102020206128B4 (en) | Method for controlling fleet-based condition monitoring of a road section of a road network and associated system and motor vehicle and associated server device | |
EP3374242B1 (en) | Method and device for analysing a driving manner of a driver of a vehicle | |
DE102019203543B4 (en) | Method, computer program product and motor vehicle for determining an accident risk | |
DE102023000560A1 (en) | Method for detecting road damage and system | |
DE102011122825B4 (en) | Device for detecting environmental information of a motor vehicle | |
DE102022120968A1 (en) | NETWORKED VEHICLE-BASED DETERMINATION OF ROAD SURFACE QUALITY | |
EP1695314B1 (en) | Recognition of junction areas on traffic status recognition | |
Zegeer | Roadway Widths for Low-Traffic Volume Roads | |
DE102011009464A1 (en) | Device for acquiring environment information e.g. track temperature, of e.g. road vehicle, has tire pressure and/or tire temperature sensor determining environment information based on pressure and/or temperature data | |
EP1695320B1 (en) | Method for the provision of traffic status information | |
DE102020204964A1 (en) | Method for monitoring current attention of a driver during operation of a vehicle | |
DE102015008720A1 (en) | Remote control of motor vehicles for environmental impact | |
DE102018218308B4 (en) | Method for detecting air quality, motor vehicle and server device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R230 | Request for early publication | ||
R016 | Response to examination communication | ||
R002 | Refusal decision in examination/registration proceedings | ||
R003 | Refusal decision now final |