DE112009002603T5

DE112009002603T5 - Fahrzeug und Verfahren zum Angeben von Empfehlungen für einen darin befindlichen Fahrer

Info

Publication number: DE112009002603T5
Application number: DE112009002603T
Authority: DE
Inventors: Dimitar Petrov Filev; Jianbo Lu; Kwaku O. Prakah-Asante; Fazal Urrahman Syed; Finn Tseng
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2008-10-30
Filing date: 2009-10-30
Publication date: 2012-08-02
Also published as: CN102186693A; WO2010051428A1; US20110187522A1; US20110187520A1; WO2010062671A1; CN102741780A; BRPI0914389A2; US9493171B2; WO2010051414A1; US9586599B2; CN102186693B; BRPI0914391A2; DE112009002530T5; DE112009002535T5; US9707975B2; BRPI0914388A2; CN102741780B; CN102216119B; US20110193693A1; CN102216119A

Abstract

Ein Fahrzeug kann eine Fahrerschnittstelle und wenigstens einen Controller, der mit der Schnittstelle betriebstechnisch verbunden ist, enthalten. Der wenigstens eine Controller kann konfiguriert sein, um eine Geschwindigkeit und eine Beschleunigung des Fahrzeugs zu bestimmen, um anhand einer im Voraus definierten Geschwindigkeit und der Geschwindigkeit und der Beschleunigung des Fahrzeugs eine Zeit vorherzusagen, bis eine künftige Geschwindigkeit des Fahrzeugs die im Voraus definierte Geschwindigkeit übersteigt, und um mittels der Schnittstelle eine Warnung auszugeben, falls die Zeit kürzer als eine im Voraus definierte Zeit ist.

Description

QUERVERWEIS AUF VERWANDTE ANMELDUNG
Diese Anmeldung beansprucht die Priorität der vorläufigen US-Anmeldung Nr. 61/109,584, eingereicht am 30. Oktober 2008, die hiermit durch Bezugnahme vollständig mit aufgenommen ist.
HINTERGRUND
Das Betreiben eines Fahrzeugs mit Geschwindigkeiten oberhalb angegebener Geschwindigkeitsbeschränkungen kann die Wahrscheinlichkeit, in einen Verkehrsunfall verwickelt zu werden, erhöhen. Ferner kann es die Zeit verringern, die verfügbar ist, um auf unterschiedliche Fahrbedingungen zu reagieren.
ZUSAMMENFASSUNG
Ein Verfahren zum Angeben von Empfehlungen für einen Fahrer eines Fahrzeugs kann das Vorhersagen einer Beschleunigung eines Fahrzeugs, das Bestimmen, ob die vorhergesagte Beschleunigung größer als eine Schwellenbeschleunigung ist, und das Erzeugen einer Warnung für den Fahrer, bevor eine Beschleunigung des Fahrzeugs die Schwellenbeschleunigung übersteigt, falls die vorhergesagte Beschleunigung größer als die Schwellenbeschleunigung ist, enthalten.
Ein Verfahren zum Angeben von Empfehlungen für einen Fahrer eines Fahrzeugs kann das Bestimmen einer Geschwindigkeit und einer Beschleunigung des Fahrzeugs und das Erzeugen einer Warnung für den Fahrer, bevor die Geschwindigkeit des Fahrzeugs eine im Voraus definierte Geschwindigkeit übersteigt, anhand der Geschwindigkeit und der Beschleunigung des Fahrzeugs und der im Voraus definierten Geschwindigkeit enthalten.
Obwohl beispielhafte Ausführungsformen gemäß der Erfindung veranschaulicht und offenbart werden, sollte diese Offenbarung nicht so verstanden werden, dass sie die Erfindung einschränkt. Es wird vorweggenommen, dass verschiedene Abwandlungen und alternative Entwürfe vorgenommen werden können, ohne vom Schutzbereich der Erfindung abzuweichen.
KURZBESCHREIBUNG DER ZEICHNUNGEN
1 ist ein Blockschaltplan einer Ausführungsform eines Fahrzeugsteuersystems.
2 ist eine graphische Darstellung beispielhafter Fahrzeuggeschwindigkeits-, Traktions- und Bremsprofile.
3A bis 3C sind graphische Darstellungen beispielhafter Fahrzeugbewegungszustände des Gierraten- und des Schleuderwinkels.
4A bis 4C sind graphische Darstellungen beispielhafter Gier-, Längs- und Schleuder-Handling-Grenzbereiche.
5 ist eine graphische Darstellung beispielhafter Fahrzeuggeschwindigkeits-, Traktions- und Bremsprofile.
6A bis 6C sind graphische Darstellungen beispielhafter Bewegungszustände des Gierraten- und des Schleuderwinkels.
7A bis 7C sind graphische Darstellungen beispielhafter Gier-, Längs- und Schleuder-Handling-Grenzbereiche.
8 ist eine graphische Darstellung beispielhafter Mitgliedschaftsfunktionen, die vier Fahrerkategorien anhand eines Handling-Risikofaktors charakterisieren.
9A, 10A und 11A sind graphische Darstellungen beispielhafter endgültiger Handling-Grenzbereiche und der Handling-Gefahr.
9B, 10B und 11B sind graphische Darstellungen beispielhafter Wahrscheinlichkeiten des Fahrerstils.
12 ist eine graphische Darstellung beispielhafter Determinanten für gleichmäßiges und abruptes Fahrverhalten.
13A und 13B sind graphische Darstellungen beispielhafter mittlerer Lückenzeiten für aggressives bzw. vorsichtiges Fahren.
14A und 14B sind graphische Darstellungen beispielhafter Standardabweichungen (STD) der Fahrpedalrate für aggressives bzw. vorsichtiges Fahren.
15A und 15B sind graphische Darstellungen beispielhafter Standardabweichungen (STD) der Bremspedalrate für aggressives bzw. vorsichtiges Fahren.
16A und 16B sind graphische Darstellungen beispielhafter Fahrerindizes für aggressives bzw. vorsichtiges Fahren.
17 ist eine graphische Darstellung eines beispielhaften relativen Bereichs, eines Bereichfehlers und einer Längsbeschleunigung zwischen einem vorausfahrenden und einem nachfolgenden Fahrzeug bei aggressivem Fahren.
18 ist eine graphische Darstellung ausgewählter beispielhafter Parameter, die das aggressive Fahren von 17 kennzeichnet.
19 ist eine graphische Darstellung eines beispielhaften relativen Bereichs, eines Bereichsfehlers und einer Längsbeschleunigung zwischen einem vorausfahrenden und einem nachfolgenden Fahrzeug bei vorsichtigem Fahren.
20 ist eine graphische Darstellung ausgewählter beispielhafter Parameter, die das vorsichtige Fahren von 19 kennzeichnet.
21 ist ein Blockschaltplan einer Ausführungsform eines Systems zum Angeben von Empfehlungen für einen Fahrer.
22 ist eine graphische Darstellung einer beispielhaften Fahrzeuggeschwindigkeit gegenüber der Abtastzeit.
23 und 24 sind graphische Darstellungen vergrößerter Abschnitte von 22.
GENAUE BESCHREIBUNG
I. Einleitung
Ein Ziel vorhandener elektronischer Fahrzeugsteuersysteme besteht darin, die Aufgabe des Fahrens durch Identifizieren der Absicht des Fahrers und durch Unterstützen des Fahrers durch Steuern des Fahrzeugs, um die Fahrerabsicht sicher, robust und gleichmäßig zu erreichen, zu erleichtern. Die Wirksamkeit der Steuerung elektronischer Steuersysteme kann erheblich gesteigert werden, wenn der Fahrer und das elektronische Steuersystem zusammenarbeiten, um dasselbe Unfallvermeidungsziel zu erreichen und um die Fähigkeit einer Unfallvermeidung des Fahrzeugs und des darin regelungstechnisch integrierten Fahrers als System maximal zu machen. Ein Lösungsweg, um dies zu erreichen, besteht darin, rechtzeitig klar und transparent Empfehlungsinformationen für einen Fahrer anzugeben, so dass ein verantwortlicher Fahrer entsprechend reagieren kann. Solche Empfehlungsinformationen können von Sensoren, die sich normalerweise in einem Fahrzeug befinden, gesammelt oder berechnet werden, um eine bilaterale geschlossene Regelschleife zwischen dem Fahrer und der elektronischen Steuerung zu implementieren. Die elektronische Steuerung folgt der Fahrerabsicht und der Fahrer reagiert auf die Empfehlungsinformationen von der elektronischen Steuerung, um seine Fahreingaben (wie etwa Verringern der Drosselklappenöffnung, Erleichtern von Lenkeingaben und dergleichen). Auf diese Weise ist eine nahtlose Koordination zwischen dem Fahrer und dem elektronischen Steuersystem möglich, wodurch wahrscheinlich die Auswirkung potentieller Sicherheitsbeeinträchtigungen aufgrund von Fahrerfehlern minimal gemacht wird.
Hier betrachten wir unter anderem Warnungen, die im Voraus vor der Überschreitung einer Geschwindigkeits- oder Beschleunigungsgrenze ausgegeben werden. Dies kann ein Teil einer Sammlung von Warnfunktionen sein, die als ein System eines intelligenten persönlichen Wächters (IPM, Intelligent Personal Minder) definiert sein können. Im Allgemeinen kann die für das IPM-System berechnete Intelligenz ausgesendet werden, um einen Fahrer mittels verschiedener Vorrichtungen einschließlich eines haptischen Pedals, eines Headup-Displays, einer Audiowarnvorrichtung, eines Sprachsystems und dergleichen zu warnen oder Empfehlungen für ihn anzugeben.
1 zeigt die Wechselwirkung einer Ausführungsform eines IPM-Systems 10 mit anderen Komponenten/Untersystemen 12 eines Fahrzeugs 14. Die anderen Komponenten/Untersysteme 12 können Fahrzeugsensoren 16, 18 (z. B. einen Gierratensensor, einen Einschlagwinkelsensor, einen Querbeschleunigungssensor, einen Längsbeschleunigungssensor, einen Raddrehzahlsensor, einen Bremsdrucksensor und dergleichen), Aktuatoren 20 und einen oder mehrere Controller 22 enthalten. Der eine oder die mehreren Controller 22 können eine Stabilitätskontrolle 24, eine Arbitrierungslogik 26 und andere Controller/Systeme 28 (z. B. ein Antiblockiersystem, ein Traktionssteuerungssystem und dergleichen) enthalten.
Das Anlagenmodell kann beim Entwurf einer effektiven Steuerstrategie für irgendein Steuersystem eine Rolle spielen. Ebenso ist ein Fahrermodell wichtig für die Erzeugung effektiver und geeigneter Fahrerempfehlungssignale. Daher könnte eine Fahrstilkennzeichnung erforderlich sein. Wir diskutieren Verfahren zum Identifizieren einer Charakterisierung eines Fahrers anhand seiner Fähigkeit zur Handhabung des Fahrzeugs. Obwohl eine Fahrermodellierung und eine Fahrerverhaltenscharakterisierung untersucht worden sind, schlagen wir einen Lösungsweg vor, in dem das Fahrverhalten/der Fahrstil und/oder der Fahrerfahrungsgrad abgeleitet werden können, beispielsweise anhand der Häufigkeit und der Dauer eines Fahrens in der Nähe der Handling-Grenze (sowie anderer Techniken). Solche Fahrercharakterisierungsinformationen können in vielen verschiedenen Anwendungen, wovon im Folgenden einige diskutiert werden, verwendet werden.
II. Kurze Diskussion von Fahrzeugstabilitätskontrollen
Das Handling eines Fahrzeugs bestimmt die Fähigkeit des Fahrzeugs bei der Kurvenfahrt und beim Manövrieren. Das Fahrzeug muss mit seinen vier Reifenaufstandsflächen auf der Straße haften, um seine Handling-Fähigkeit maximal zu machen. Ein Reifen, der seine Haftgrenze übersteigt, dreht entweder durch, blockiert oder gleitet. Ein Zustand, in dem ein oder mehrere Reifen ihre Haftgrenzen überschreiten, kann ein Grenzhandling-Zustand genannt werden und die Haftgrenze kann Handlinggrenze genannt werden. Sobald ein Reifen seine Handlinggrenze erreicht, besitzt der durchschnittliche Fahrer gewöhnlich nicht länger die Kontrolle. In dem so genannten Untersteuerungsfall führt das Fahrzeug die Lenkeingabe des Fahrers zu wenig aus, seine Vorderräder überschreiten ihre Handlinggrenze und das Fahrzeug bewegt sich unabhängig von der Lenkanforderung des Fahrers weiterhin geradeaus. Im so genannten Übersteuerungsfall führt das Fahrzeug die Lenkeingaben des Fahrers zu stark aus, seine Hinterräder überschreiten ihre Handlinggrenze und das Fahrzeug führt fortgesetzt eine Schleuderbewegung aus. Aus Sicherheitsgründen sind die meisten Fahrzeuge so konstruiert, dass sie an ihren Handlinggrenzen untersteuern.
Um die Fahrzeugkontrolle in einem Fall, in dem der Fahrer das Fahrzeug bei oder jenseits der Handlinggrenze nicht mehr kontrollieren kann, zu kompensieren, sind elektronische Stabilitätskontrollsysteme (ESC-Systeme) entworfen worden, um die Reifenkräfte umzuverteilen, um ein Moment zu erzeugen, das das Fahrzeug in Übereinstimmung mit der Lenkanforderung des Fahrers wirksam drehen kann. D. h., um das Fahrzeug so zu steuern, dass Untersteuerungs- und Übersteuerungszustände vermieden werden.
Seit ihrer Einführung im Jahr 1995 sind ESC-Systeme auf vielen verschiedenen Plattformen implementiert worden. Nach ihrer Einführung im Modelljahr 2010 und mit dem Ziel ihrer vollständigen Installation im Modelljahr 2012 fordert der Federal Motor Vehicle Safety Standard 126 ESC-Systeme in jedem Fahrzeug mit einem Gesamtgewicht von weniger als 10000 lb (4536 kg). ESC-Systeme können als eine Erweiterung von Antiblockierbremssystemen (ABS) und von im gesamten Geschwindigkeitsbereich wirksamen Traktionssteuersystemen (TCS) implementiert werden. Sie können für die Fahrzeugdynamik im Bereich der Absicht des Fahrers eine Unterstützung der Gier- und der Querstabilität bereitstellen. Sie können außerdem den Bremsdruck (oberhalb oder unterhalb des vom Fahrer ausgeübten Drucks) auf einzelne Räder aufteilen, um ein aktives Moment zu erzeugen, um unerwarteten Gier- und Quergleitbewegungen des Fahrzeugs entgegenzuwirken. Dies führt zu einer verbesserten Lenkkontrolle an den Handlinggrenzen für jede Traktionsoberfläche während des Bremsens, Beschleunigens oder beschleunigungsfreien Fahrens. Genauer vergleichen derzeitige ESC-Systeme den vom Fahrer beabsichtigen Weg mit der tatsächlichen Fahrzeugantwort, auf die von bordinternen Sensoren geschlossen wird. Falls die Fahrzeugantwort von dem beabsichtigten Weg verschieden ist (entweder Untersteuern oder Übersteuern), wendet der ESC-Controller auf ein oder mehrere ausgewählte Räder eine Bremskraft an und reduziert das Motordrehmoment, falls erforderlich, um das Fahrzeug auf dem beabsichtigten Weg zu halten und um den Kontrollverlust des Fahrzeugs minimal zu machen.
Ein Grenzhandling-Zustand kann unter Verwendung von Daten, die in ESC-Systemen bereits vorhanden sind, detektiert werden, so dass keine neuen Sensoren erforderlich sind. Es sei beispielsweise ein Fahrzeug betrachtet, das mit einem ESC-System ausgerüstet ist, das einen Gierratensensor, einen Lenkradsensor, einen Querbeschleunigungsmesser, Raddrehzahlsensoren, einen Hauptzylinderbremsdruck-Sensor, einen Längsbeschleunigungsmesser und dergleichen enthält. Die Fahrzeugbewegungsvariablen sind in den Koordinatensystemen wie in ISO-8855 definiert, in denen ein an der Fahrzeugkarosserie fixierter Rahmen eine nach oben gerichtete vertikale Achse, eine in Längsrichtung der Fahrzeugkarosserie gerichtete Längsachse und eine von der Beifahrerseite zur Fahrerseite zeigende Querachse besitzt.
Im Allgemeinen können Fahrzeugniveau-Rückkopplungssteuerungen aus einzelnen Bewegungsvariablen wie etwa der Gierrate, dem Schleuderwinkel oder ihrer Kombination zusammen mit Zuweisungen unter anderen Steuerbefehlen wie etwa einem Bremsen durch den Fahrer, einer Motordrehmomentanforderung, ABS und TCS berechnet werden. Im Folgenden werden Fahrzeugniveau-Steuerbefehle diskutiert.
Das wohlbekannte Fahrradmodell umfasst die Dynamik des Fahrzeugs, seine Gierrate ω_z längs der vertikalen Achse der Fahrzeugkarosserie und seinen Schleuderwinkel β_r, der an seiner Hinterachse definiert ist, und gehorcht den folgenden Gleichungen: I_zω ._z = –b_fc_f(β_r + bω_ztv –1 / x – δ) + b_rc_rβ_r + M_z M(v ._xβ_r + v_xβ ._r + b_rω ._z + ω_zv_x)= –c_f(β_r + bω_zv –1 / r – δ) – c_rβ_r (1) wobei v_x die Fahrzeugfahrgeschwindigkeit ist, M und I_z die Gesamtmasse bzw. das Gier-Trägheitsmoment des Fahrzeugs ist, c_f und c_r die Kurvenfahrtsteifigkeit der vorderen und hinteren Reifen sind, b_f und b_r die Abstände vom Schwerpunkt des Fahrzeugs zur Vorder- bzw. zur Hinterachse sind, b = b_f + b_r ist, M_z das auf das Fahrzeug ausgeübte aktive Moment ist und δ der Vorderrad-Einschlagwinkel ist.
Eine Soll-Gierrate ω_zt und ein Soll-Schleuderwinkel β_rt, die verwendet werden, um die Lenkabsicht des Fahrers wiederzugeben, können aus (1) unter Verwendung des gemessenen Lenkradwinkels δ und der geschätzten Fahrgeschwindigkeit v_x als Eingänge berechnet werden. In einer solchen Berechnung nehmen wir an, dass das Fahrzeug auf einer Straße mit normalem Oberflächenzustand gefahren wird (z. B. hoher Reibungsgrad mit Nenn-Kurvenfahrtsteifigkeit c_f und c_r). Eine Signalkonditionierung, Filterungskorrekturen und Nichtlinearitätskorrekturen für eine stationäre Grenzkurvenfahrt können ausgeführt werden, um die Soll-Gierrate und den Soll-Schleuderwinkel fein abzustimmen. Diese berechneten Sollwerte charakterisieren den vom Fahrer beabsichtigten Weg auf einer normalen Fahrbahnoberfläche.
Die Gierraten-Rückkopplungssteuereinheit ist im Wesentlichen eine Rückkopplungssteuereinheit, die aus dem Gierfehler (der Differenz zwischen der gemessenen Gierrate und der Soll-Gierrate) berechnet wird. Falls das Fahrzeug nach links fährt und ω_z ≥ ω_zt + ω_zdbos gilt (wobei ω_zdbos ein zeitlich veränderlicher Unempfindlichkeitsbereich ist) oder wenn das Fahrzeug nach rechts fährt und ω_z ≤ ω_zt – ω_zdbos gilt, führt das Fahrzeug ein Übersteuern aus und wird die Übersteuerungskontrollfunktion in der ESC aktiviert. Beispielsweise könnte eine aktive Drehmomentanforderung (die auf das Fahrzeug angewendet wird, um die Übersteuerungsneigung zu reduzieren) wie folgt berechnet werden: während einer Linkskurve M_z = min(0, –k_os(ω_z – ω_zt – ω_zdbos)) während einer Rechtskurve M_z = max(0, –k_os(ω_z – ω_zt – ω_zdbos)) (2) wobei k_os eine geschwindigkeitsabhängige Verstärkung ist, die folgendermaßen definiert sein könnte:
wobei die Parameter k₀, k_dbl, k_dbu, v_xdbl, v_xdbu abstimmbar sind.
Falls ω_z ≤ ω_z – ω_zdbus (wobei ω_zdbus ein zeitlich veränderlicher Unempfindlichkeitsbereich ist) und wenn das Fahrzeug nach links fährt oder falls ω_z ≥ ω_z + ω_zdbus und wenn das Fahrzeug nach rechts fährt, wird die Untersteuerungs-Kontrollfunktion in der ESC aktiviert.
Die aktive Drehmomentanforderung kann folgendermaßen berechnet werden: während einer Linkskurve: M_z = max(0, –k_us(ω_z – ω_zt + ω_zdbus)) während einer Rechtskurve: M_z = min(0, –k_us(ω_z – ω_zt – ω_zdbus)) (4) wobei k_us ein abstimmbarer Parameter ist.
Der Schleuderwinkel-Controller ist eine zusätzliche Rückkopplungssteuerung für die oben erwähnte Übersteuerungs-Gier-Rückkopplungssteuereinheit. Sie vergleicht die Schleuderwinkel-Schätzung β_r mit dem Soll-Schleuderwinkel β_rt. Falls die Differenz einen Schwellenwert β_rdb übersteigt, wird die Schleuderwinkel-Rückkopplungssteuerung aktiviert. Beispielsweise wird die aktive Drehmomentanforderung folgendermaßen berechnet: während einer Linkskurve: β_r ≥ 0: M_z = min(0, k_ss(β_r – B_rt – B_rdb) – k_sscmpβ ._rcmp) während einer Rechtskurve: β_r < 0: M_z = max(0, k_ss(β – B_rt + B_rdb) – k_sscmpβ ._rcmp) (5) wobei k_ss und k_sscmp abstimmbare Parameter sind und β_rcmp eine kompensierte Zeitableitung des Schleuderwinkels ist.
Andere Rückkopplungssteuerungsterme, die auf Variablen wie etwa der Gierbeschleunigung und dem Schleudergradienten beruhen, können auf ähnliche Weise erzeugt werden. Wenn die vorherrschende Fahrzeugbewegungsvariable entweder die Gierrate oder der Schleuderwinkel ist, kann das oben erwähnte aktive Drehmoment direkt genutzt werden, um das oder die Räder, für die eine Steuerung notwendig ist, und den Betrag der Bremsdrücke, die zu dem bzw. den entsprechenden zu steuernden Rädern geschickt werden sollen, zu bestimmen. Falls die Fahrzeugdynamik durch mehrere Bewegungsvariablen beherrscht wird, kann eine Steuerungszuweisung und Prioritätszuweisung ausgeführt werden. Das endgültig zugewiesene aktive Drehmoment wird dann verwendet, um die endgültig zu steuernden Räder und die entsprechenden Bremsdrücke zu bestimmen. Beispielsweise wird während eines Übersteuerungsereignisses das vordere äußere Rad als das zu steuernde Rad ausgewählt, hingegen wird während eines Untersteuerungsereignisses das hintere innere Rad als das zu steuernde Rad ausgewählt. Im Fall eines starken Schleuderns wird stets das vordere äußere Rad als das zu steuernde Rad ausgewählt. Wenn sowohl ein Schleudern als auch ein Übersteuerungsgieren gleichzeitig auftreten, kann der Betrag des Bremsdrucks durch Integrieren sowohl des Gierfehlers als auch des Schleuderwinkel-Steuerbefehls berechnet werden.
Neben den obigen Fällen, in denen die Handlinggrenze aufgrund von Lenkmanövern des Fahrers überschritten wird, kann ein Fahrzeug seinen Grenzhandling-Zustand auch in seiner longitudinalen Bewegungsrichtung erreichen. Beispielsweise kann ein Bremsen auf einer verschneiten oder vereisten Fahrbahn zu blockierten Rädern führen, was den Bremsweg des Fahrzeugs erhöht. Eine geöffnete Drosselklappe auf einer ähnlichen Fahrbahn kann ein Durchdrehen der Antriebsräder hervorrufen, ohne dass das Fahrzeug vorwärts bewegt wird. Aus diesem Grund kann die Handlinggrenze auch für diese Antriebsbedingungen ohne Lenken verwendet werden. Das heißt, dass die Bedingungen, unter denen die longitudinalen Brems- oder Antriebskräfte des Reifens ihre Spitzenwerte erreichen, ebenfalls in eine Definition der Handlinggrenze aufgenommen werden können.
Die ABS-Funktion überwacht die Drehbewegung der einzelnen Räder in Bezug auf die Fahrzeugfahrgeschwindigkeit, die durch die longitudinalen Schlupfverhältnisse λ_i mit i = 1, 2, 3, 4 für das vordere linke, das vordere rechte, das hintere linke und das hintere rechte Rad charakterisiert werden können und folgendermaßen berechnet werden:
wobei t_f und t_r die Halbspuren für die Vorderachse und die Hinterachse sind, ω_i der i-te Raddrehzahlsensorausgang ist, κ_i der i-te Raddrehzahlskalierungsfaktor ist, v_y die Quergeschwindigkeit des Fahrzeugs an seinem Schwerpunktsort ist und v_min ein im Voraus festgelegter Parameter ist, der die zulässige minimale Längsgeschwindigkeit angibt. Es wird angemerkt, dass (6) nur gültig ist, wenn das Fahrzeug nicht in der Rückwärtsantriebsbetriebsart ist. Wenn ein durch den Fahrer ausgelöstes Bremsen an einem Rad einen zu hohen Schlupf erzeugt (z. B. –λ_i ≥ λ_bp = 20%), entlastet das ABS-Modul den Bremsdruck an jenem Rad. Ebenso wird während der Anwendung einer großen Drosselklappenöffnung, die einen großen Schlupf an dem i-ten angetriebenen Rad hervorruft, das TCS-Modul eine Motordrehmomentreduzierung und/oder das Anlegen eines Bremsdrucks an das gegenüberliegende Rad an derselben Achse anfordern. Folglich können ABS- oder TCS-Aktivierungen durch Überwachen, wie nahe die λ_i's bei λ_bp und λ_tp liegen, vorhergesagt werden.
III. Handlinggrenzen-Fahrstilcharakterisierung
Obwohl die oben erwähnte ESC (einschließlich ABS und TCS) für das Erreichen des Sicherheitsziels wirksam ist, ist eine weitere Verbesserung noch immer möglich. Beispielsweise könnte eine Verbesserung von ECS-Systemen für die Rollstabilitätssteuerung wünschenswert sein. Der geeigneten Korrektur, die die ESC auszuführen versucht, können jedoch der Fahrer oder Umgebungsbedingungen entgegen wirken. Ein schnell fahrendes Fahrzeug, dessen Reifenkräfte weit jenseits der Traktionsfähigkeit der Fahrbahn und der Reifen liegen, könnte selbst bei einem ESC-Eingriff nicht in der Lage sein, einen Untersteuerungsunfall zu vermeiden.
Wir führen eine Integration des Fahrers und des ESC-Systems ein, so dass sie im Hinblick auf eine verbesserte Steuerungsleistung des Systems mit regelungstechnisch integriertem Fahrer zusammenwirken. In bestimmten Ausführungsformen bestimmt der vorgeschlagene Handlinggrenzen-Wächter (HLM), wie nahe der momentane Fahrzustand bei der Handlinggrenze liegt.
Im Allgemeinen würde eine genaue Bestimmung der Handlinggrenzenbedingungen direkte Messungen von Fahrbahn- und Reifencharakterisierungen oder sehr umfassende Informationen von vielen darauf bezogenen Variablen, falls direkte Messungen nicht verfügbar sind, erfordern. Derzeit sind diese beiden Verfahren für eine Echtzeitimplementierung nicht hinreichend ausgereift.
Aufgrund ihres Rückkopplungsmerkmals können ESC-Systeme konfiguriert sein, um potentielle Handlinggrenzenbedingungen durch Überwachen der Bewegungsvariablen eines Fahrzeugs wie etwa jener, die im letzten Abschnitt beschrieben worden sind, zu bestimmen. Wenn die Bewegungsvariablen von ihren Referenzwerten um einen bestimmten Betrag (z. B. jenseits bestimmter Unempfindlichkeitsbereiche) abweichen, können die ESC-Systeme beginnen, differentielle Bremssteuerungsbefehle zu berechnen und zu steuernde Räder zu bestimmen. Der bzw. die entsprechenden Bremsdrücke werden dann zu den zu steuernden Rädern gesendet, um das Fahrzeug zu stabilisieren. Der Startpunkt der ESC-Aktivierung kann als der Beginn der Handlinggrenze aufgefasst werden.
Genauer definieren wir einen relativen Handlinggrenzenbereich h_x folgendermaßen:
wobei x die Abweichung einer Bewegungsvariablen von ihrem Referenzwert ist und [x, x ] das Unempfindlichkeitsintervall definiert, in das x fällt, ohne dass ESC, ABS oder TCS ausgelöst werden. x kann irgendeine der Steuervariablen sein, die im letzten Abschnitt definiert worden sind (oder irgendeine andere geeignete Steuervariable).
Der Nutzen von h_x, der in (8) definiert worden ist, besteht darin, dass der Fahrzustand quantitativ in unterschiedliche Kategorien klassifiziert werden kann. Wenn beispielsweise h_x ≤ 10%, kann der Fahrzustand als ein Zustand der roten Zone kategorisiert werden, indem der Fahrer besondere Aufmerksamkeit aufwenden muss oder einige spezielle Aktionen vornehmen muss (z. B. Verlangsamen des Fahrzeugs); wenn 10% < h_x < 40%, kann der Antriebszustand als ein Zustand der gelben Zone kategorisiert werden, der ein gewisses Maß an spezieller Aufmerksamkeit vom Fahrer erfordert; wenn 40% < h_x ≤ 100%, kann der Fahrzustand als ein normaler Zustand charakterisiert werden. Im normalen Zustand muss der Fahrer nur seine normale Fahraufmerksamkeit beibehalten. Selbstverständlich können andere Bereiche ebenfalls verwendet werden.
Es können verschiedene hörbare und/oder sichtbare Warnungen aktiviert werden, um einen Fahrer bezüglich des Handlinggrenzenbereichs zu warnen. Wenn beispielsweise h_x ≤ 10%, kann eine Warnlichtvorrichtung/haptische Vorrichtung aktiviert werden, um den Fahrer zu informieren, dass er langsamer fahren muss. Alternativ kann ein Angabesystem auf Sprachbasis den Fahrer anweisen, eine besondere Aktion vorzunehmen. Wenn 10% < h_x < 40%, kann ein hörbarer Ton oder eine Anzeige den Fahrer informieren, dass er sich instabilen Fahrzuständen annähert und dergleichen.
Genauer seien die Steuervariablen, die im letzten Abschnitt berechnet wurden, verwendet, um die Berechnung von h_x's zu diskutieren. Der Gier-Handlinggrenzenbereich des Fahrzeugs während Übersteuerungssituationen h_OS (wobei ω_z > ω_zt, wenn das Fahrzeug nach links fährt, und ω_z > ω_zt, wenn das Fahrzeug nach rechts fährt) kann aus (8) berechnet werden, indem x = ω_z – ω_zt und x = ω_zdbos = –x gesetzt wird, wobei ω_zdbos der Unempfindlichkeitsbereich der Übersteuerungsgierrate ist, der in (2) definiert ist.
Ebenso kann die Gier-Handlinggrenze des Fahrzeugs h_US für Untersteuerungssituationen aus (8) berechnet werden, indem x = ω_z – ω_zt und x =ω_zdbus = –x gesetzt wird, wobei ω_zdbus der Unempfindlichkeitsbereich der Untersteuerungsgierrate ist, der in (4) definiert ist. Es wird angemerkt, dass die oben erwähnten Unempfindlichkeitsbereiche Funktionen der Fahrzeuggeschwindigkeit, der Größe der Soll-Gierrate, der Größe der gemessenen Gierrate und dergleichen sein können. Die Unempfindlichkeitsbereiche für die Untersteuerungssituation (x < 0) und für die Übersteuerungssituation (x > 0) sind unterschiedlich und bilden abstimmbare Parameter.
Der Schleuder-Handlinggrenzenbereich des Fahrzeugs h_SSRA kann aus (8) berechnet werden, indem x = β_r – β_rt und x = β_rdb = –x gesetzt wird.
Die longitudinalen Handlinggrenzen des Fahrzeugs umfassen die Bedingungen, in denen sich die Antriebs- oder die Bremskräfte der Reifen der Handlinggrenze nähern. Der Traktionssteuerungs-Handlinggrenzenbereich für das i-te angetriebene Rad, h_TCSi kann aus (8) berechnet werden, indem x = λ_i, x = 0 und x = λ_tb gesetzt wird. Der ABS-Handlinggrenzenbereich für das i-te Rad h_ABSi kann ebenfalls aus (8) berechnet werden, indem x = λ_i, x = λ_bp und x = 0 gesetzt wird. Die endgültigen Traktions- und Brems-Handlinggrenzenbereiche können folgendermaßen definiert werden:
Es wird angemerkt, dass weitere Klassifizierungsbedingungen bei der Berechnung der oben erwähnten Handlinggrenzenbereiche verwendet werden können. Beispielsweise können eine der Folgenden oder die Kombination einiger der folgenden Bedingungen verwendet werden, um den Handlinggrenzenbereich auf 0 zu setzen: eine Größe der Soll-Gierrate ist jenseits eines bestimmten Schwellenwerts; eine Größe der gemessenen Gierrate ist größer als ein bestimmter Schwellenwert; eine Lenkeingabe des Fahrers überschreitet einen bestimmten Schwellenwert; oder Extrembedingungen wie etwa die Kurvenbeschleunigung des Fahrzeugs ist größer als 0,5 g, die Fahrzeugverzögerung ist größer als 0,7 g, das Fahrzeug wird mit einer Geschwindigkeit oberhalb eines Schwellenwerts (z. B. 100 mph) angetrieben und dergleichen.
Um die oben erwähnten Handlinggrenzenbereich-Berechnungen zu testen und um ihre Wirksamkeit in Bezug auf bekannte Fahrbedingungen zu verifizieren, wurde ein Fahrzeug, das mit einem Forschungs-ESC-System ausgerüstet war, das bei der Ford Motor Company entwickelt wurde, verwendet, um einen Fahrzeugtest auszuführen.
Für den Fahrzustand, dessen Profil durch die Fahrzeuggeschwindigkeit, die Drosselklappenstellung und das Bremsen gegeben ist, wie in 2 gezeigt ist, sind die gemessenen und berechneten Fahrzeugbewegungsvariablen in den 3A bis 3C angegeben. Die entsprechenden einzelnen Handlinggrenzenbereiche h_US, h_OS, h_TCS, h_ABS und h_SSRA sind in den 4A bis 4C gezeigt. Dieser Test wurde als Freiform-Slalom auf einem verschneiten Weg unter Ausführung sämtlicher ESC-Berechnungen ausgeführt. Die Bremsdruckausübung war abgeschaltet, damit sich das Fahrzeug dem wahren Grenzhandlingzustand annähert.
Für einen weiteren Test wurde das Fahrzeug auf einer Fahrbahnoberfläche mit hohem Reibungsgrad gefahren. Die Profile der Fahrzeuggeschwindigkeit, der Traktion und des Bremsens für diesen Test sind in 5 dargestellt. Die Fahrzeugbewegungszustände sind in den 6A bis 6C dargestellt. Die entsprechenden einzelnen Handlinggrenzenbereiche h_US, h_OS, h_TCS, h_ABS und h_SSRA sind in den 7A und 7B gezeigt.
Eine einhüllende Variable sämtlicher einzelner Handlinggrenzenbereiche ist folgendermaßen definiert: h_env = min{h_OS, h_US, h_TCS, h_ABS, h_SSRA} (10)
Unter der Annahme, dass plötzliche Änderungen in dem einhüllenden Handlinggrenzenbereich durch Signalrauschen verursacht sein könnten, wird ein Tiefpassfilter F(z) verwendet, um h_env zu glätten, um den endgültigen Handlinggrenzenbereich zu erhalten: h = F(z)h_env (11)
Für die Fahrzeugtestdaten, die in den 2 und 3A bis 3C gezeigt sind, ist der endgültige Handlinggrenzenbereich in 9A dargestellt, während für die in den 5 und in den 6A bis 6C gezeigten Fahrzeugtestdaten der endgültige Handlinggrenzenbereich in 10A dargestellt ist.
Wir verwenden nun den in (11) berechneten endgültigen Handlinggrenzenbereich, um das Fahrzeughandling, das mit Antriebsbedingungen und dem Fahrstil in Beziehung steht, zu charakterisieren. Wir führen das Konzept eines Handling-Gefahrenfaktors (HRF) als das Maß, wie ein Fahrzustand mit der Handlinggrenze in Beziehung steht, ein. Der Handling-Gefahrenfaktor r ist als das Komplement des endgültigen Handlinggrenzenbereichs h definiert, d. h.: r = 1 – h (12)
Der Handling-Gefahrenfaktor ist minimal (r = 0), wenn der endgültige Handlinggrenzenbereich h maximal (h = 1) ist, und umgekehrt. Der HRF kann ferner verwendet werden, um ein probabilistisches Modell zu entwickeln, das verschiedene Kategorien von Fahrstilen beschreibt, die durch die momentanen Fahrzustände in Bezug auf die Handlinggrenze wiedergegeben werden.
Im Allgemeinen fährt ein vorsichtiger Fahrer gewöhnlich ohne häufige Aggressivität, d. h. schnelle Änderungen des Lenkens, der Geschwindigkeit und der Beschleunigung. Daher ist es vernünftig, einen vorsichtigen Fahrer als einen Fahrer zu charakterisieren, der ständig die Verwendung extremer Antriebseingaben und die Annäherung an die maximale Handling-Gefahr vermeidet. Ein durchschnittlicher Fahrer zeigt wahrscheinlich einen höheren Grad eines HRF als ein vorsichtiger Fahrer. Ein erfahrener Fahrer könnte bei der Steuerung des Fahrzeugs mehr Übung haben, d. h. er kann mit einem verhältnismäßig hohen Grad eines HRF für eine lange Zeitdauer fahren, ohne dass das Fahrzeug die maximale Handlinggrenze überschreitet. Ein leichtsinniger Fahrer zeigt ein sorgloses Handlingverhalten, das nicht vorhersagbar ist und schnelle Änderungen hervorrufen kann. Der leichtsinnige Fahrer lässt erwarten, dass er mit einem Handling-Gefahrenfaktor fährt, der sich von Zeit zu Zeit sehr schnell dem Maximum annähert (r = 1), so dass ein häufige Auslösung der darauf bezogenen Sicherheitssysteme (z. B. ABS, TCS, ESC) hervorgerufen wird.
Es wird angemerkt, dass der Unterschied zwischen dem erfahrenen Fahrer und dem leichtsinnigen Fahrer darin besteht, dass der Erstere einen Fahrzustand bei verhältnismäßig hohem HRF-Grad für eine lange Zeitdauer durchhalten kann, während der Letztere den gleichen Grad nur für eine kurze Zeitdauer durchhalten kann, bevor das Fahrzeug die maximale Handlinggrenze aufgrund der geringen Steuerungsfähigkeit des Fahrers überschreitet. Da die Handling-Gefahrenfaktor-Bereiche, die beispielsweise ein vorsichtiges, ein durchschnittliches, ein erfahrenes und ein leichtsinniges Fahrverhalten (in Bezug auf die Grenzhandling-Bedingungen) definieren, nicht wohl definiert sein könnten, verwenden wir unscharfe Untermengen, um die vier Kategorien von Fahrern zu quantifizieren. Wir werten ferner diese Kategorien probabilistisch auf der Grundlage eines bestimmten Fahrerstils aus. Die unscharfen Untermengen, die den Kategorien vorsichtiger, durchschnittlicher, erfahrener und leichtsinniger Fahrer zugeordnet sind, können durch die folgenden Mitgliedschaftsfunktionen beschrieben werden: μ_c(r), μ_e(r), μ_a(r), μ_r(r), die über dem HRF-Universum [0, 1] definiert sind. 8 zeigt die Beziehung zwischen den Graden der Mitgliedschaft für jede dieser Kategorien und dem HRF.
Die Mitgliedschaftsfunktionen in 8 können irgendeinem Ereignis zugewiesen werden, das durch einen bestimmten HRF mit Wert r_k repräsentiert wird, indem ein vierdimensionaler Vektor D_k = [μ_c(r_k)μ_e(r_k)μ_a(r_k)μ_r(r_k)]^T (13) des Mitgliedschaftsgrades zu jeder der vier beispielhaften Kategorien verwendet wird: vorsichtig, durchschnittlich, erfahren und leichtsinnig. Beispielsweise wird ein HRF-Wert r_k = 0,4 (der dem Handlinggrenzenbereich-Wert h_k = 0,6 entspricht) in die Mitgliedschaftsgrade zu den Kategorien vorsichtig, durchschnittlich, erfahren und leichtsinnig überführt: μ_c(0.4) = 0.46, μ_e(0.4) = 0.85 μ_a(0.4) = 0.09, μ_r(0.4) = 0.22
Die Mitgliedschaftsgrade codieren die Möglichkeiten, dass das durch einen HRF mit Wert r = 0,4 (oder dem Handlinggrenzenbereich h = 0,6) chrakterisiertes Ereignis irgendeiner der vier beispielhaften Partitionen zugeordnet werden kann. Der Vektor der Mitgliedschaftswerte d_k besorgt die Zuordnung zwischen einem einzelnen Fahrereignis und der möglichen Fahrercharakterisierung in Bezug auf den HRF jenes Ereignisses. Um das langfristige Verhalten des Fahrers zu charakterisieren, benötigen wir eine probabilistische Interpretation der Möglichkeiten, die durch mehrere Ereignisse erzeugt werden. Durch Addieren der Mitgliedschaftswerte für jedes Ereignis häufen wir im Wesentlichen die gesamten Möglichkeiten an, dass ein bestimmter Fahrer als vorsichtig, durchschnittlich, erfahren und leichtsinnig kategorisiert werden kann, d. h. durch den Vektor
wobei N die Anzahl von Abtastungen ist. Die gehäuften Möglichkeiten können als Häufigkeiten (manchmal auch als unscharfe Häufigkeiten bezeichnet) angesehen werden, da sie angeben, wie häufig und in welchem Ausmaß die HRFs für die mehreren Ereignissen zu den vier beispielhaften Kategorien zugewiesen werden können. Die Alternative zum Anhäufen der Möglichkeiten d. h. zum Addieren der Mitgliedschaftsfunktionen, besteht darin, 1 zu addieren, falls der bestimmte Mitgliedschaftsgrad μ_i(r_k), i ∊ {c, a, e, r} größer als ein vorgeschriebener Schwellenwert, z. B. 0,8, oder andernfalls 0 ist, was die Berechnung der herkömmlichen Häufigkeit der vier beispielhaften Kategorien zur Folge hat. Aus den angehäuften Möglichkeiten können wir die Wahrscheinlichkeiten für den vorsichtigen, den durchschnittlichen, den erfahrenen und den leichtsinnigen Fahrerstil berechnen:
wobei i ∊ {c, a, e, r}. Die Wahrscheinlichkeiten werden aus den angehäuften Möglichkeiten (unscharfen Häufigkeiten) berechnet und können als unscharfe Wahrscheinlichkeiten angesehen werden. Der Grund für diese Unschärfe ist hier das Fehlen einer Sicherheit bei der Charakterisierung der Beziehung zwischen den vier beispielhaften Kategorien und dem HRF. Für den speziellen Fall von scharf definierten Kategorien (die eher durch Intervalle als durch unscharfe Untermengen repräsentiert werden), werden die Möglichkeiten in Boolsche Werte transformiert, werden ihre angehäuften Werte Häufigkeiten und werden folglich die unscharfen Wahrscheinlichkeiten in herkömmliche Wahrscheinlichkeiten überführt.
Die wahrscheinlichste Fahrerkategorie i* ist jene, die mit der höchsten Wahrscheinlichkeit versehen ist, d. h.
Die Häufigkeiten, die auf der Berechnung der Wahrscheinlichkeiten beruhen, können anhand der durchschnittlichen Häufigkeiten ausgedrückt werden:
Alternativ können sie durch die exponentiell gewichteten durchschnittlichen Häufigkeiten ausgedrückt werden, wo höhere Gewichte jenen Möglichkeiten zugewiesen sind, die mit den jüngsten Ereignissen in Beziehung stehen. Numerisch kann der Prozess des Erzeugens eines gewichteten Durchschnitts, in dem höhere Gewichte der jüngsten Beobachtung entsprechen, durch Anwenden eines Tiefpassfilters erzielt werden, das den exponentiellen Glättungsalgorithmus im Zeitbereich implementiert: d * / new =(1 – α)d * / old + αd_k = d * / old + α(d_k – d * / old) (17) wobei der konstante Vergessensfaktor 0 < α ≤ 1 die Aktualisierungsrate des Mittelwerts d* durch Zuweisen einer Menge exponentiell abnehmender Gewichte zu den älteren Beobachtungen steuert. Für einen konstanten Vergessensfaktor α erzeugt der Ausdruck (17) rekursiv einen Vektor positiver Gewichte W = [(1 – α)^kα(1 – α)^k-1α(1 – α)^k-2...α] (18) mit einer Einheitssumme. Der Vektor W skizziert einen Anhäufungsoperator des Typs mit gewichtetem Durchschnitt mit exponentiell abnehmenden Gewichten, die durch den Vergessensfaktor α parametrisiert sind. Der Parameter α definiert die Speichertiefe (die Länge des sich bewegenden Fensters) des Anhäufungsoperators mit gewichtetem Durchschnitt. Daher repräsentiert der gefilterte Wert d* des Mitgliedschaftsgradvektors in (17) die gewichteten Durchschnitte der einzelnen Möglichkeiten über die Gewichte W. Da alle angehäuften Möglichkeiten über demselben sich bewegenden Fenster mit Länge K_α = 1/α berechnet werden, betrachten wir sie als Darstellungen der Häufigkeiten der Zuordnungen zu jedem der vier Konzepte. Der gewichtete Durchschnitt (17) wird über die Ereignisse mit Indizes, die zu einem weichen Intervall s ∊ {k – K_α + l, k] (19) gehören, in dem das Symbol {eine weiche untere Grenze angibt, die Werte mit kleineren Indizes als (k – K_α) mit verhältnismäßig geringem Beitrag enthält, berechnet. Folglich können die angehäuften Möglichkeiten, die den Vektor d* bilden, gemäß dem Ausdruck (14) in Wahrscheinlichkeiten umgewandelt werden.
In bestimmten Ausführungsformen kann α so gewählt werden, dass eine Charakterisierung für eine bestimmte Zeitdauer erreicht wird. Beispielsweise kann ein Anwender eine mit α in Beziehung stehende Eingabe liefern, so dass jede halbe Stunde eine Charakterisierung erfolgt. Andere Szenarien sind ebenfalls möglich.
Für die in den 2, 3A bis 3C und 4A bis 4C dargestellten Fahrzeugtests sind in 9B die einzelnen p_i's gezeigt, die angeben, dass der Fahrer für den größten Teil der Fahrt ein leichtsinniges Fahrverhalten zeigte, was mit dem großen Wert des Schleuderwinkels in 3C (Spitzengröße des Schleuderwinkels überschreitet 10 Grad) konsistent ist. Für den in den 5 bis 7C dargestellten Fahrzeugtests sind die einzelnen p_i's in 10B gezeigt, die angeben, dass der Fahrer anfangs ein durchschnittliches Fahrerverhalten zeigte und dann zu einem leichtsinnigen Fahrerverhalten überging.
Die berechneten Wahrscheinlichkeiten definieren die wahrscheinlichste Charakterisierung auf HRF-Basis eines Fahrers für das Zeitfenster, das durch den Vergessensfaktor α spezifiziert ist. Durch Modifizieren des sich bewegenden Fensters können wir die langfristige und kurzfristige Charakterisierung für einen bestimmten Fahrer auf der Grundlage des HRF lernen und zusammenfassen.
Um die Auswirkung der Änderungen des HRF auf die Charakterisierung des Fahrers vorherzusagen, führen wir den Begriff von Übergangswahrscheinlichkeiten ein. Das Markov-Modell P beschreibt probabilistisch die Menge von Übergängen zwischen dem momentanen und dem vorhergesagten Wert der Fahrerkategorie:
wobei p_ij die Wahrscheinlichkeit des Wechsels von der Kategorie i zum Zeitpunkt k zur Kategorie j zum Zeitpunkt k + 1 ist und p_ii = max(p_i) die Wahrscheinlichkeit ist, die der vorherrschenden Kategorie i zum Zeitpunkt k zugeordnet ist, i, j ∊ {c, a, e, r}. Die Übergangswahrscheinlichkeiten p_ij werden aus den angehäuften Übergangsmöglichkeiten abgeleitet, die nur aktualisiert werden, falls i = arg max(p_l) zum Zeitpunkt k und j = arg max(p_l), l ∊ {c, a, e, r}.
Die Übergangswahrscheinlichkeiten werden dann durch Umwandeln der angehäuften Übergangsmöglichkeiten in die Wahrscheinlichkeiten berechnet. Die maximale Übergangswahrscheinlichkeit p_ij bestimmt den Übergang von der Kategorie i zur Kategorie j als den wahrscheinlichsten Übergang.
Die 11A und 11B verwenden einen Fahrzeug-Fahrtest, um eine langfristige Fahrverhaltenscharakterisierung zu verifizieren. Der Fahrer zeigt im Allgemeinen einen vorsichtigen Fahrstil (er könnte ein Anfänger, ein durchschnittlicher oder ein erfahrener Fahrer sein). Bei etwa 190 Sekunden wurde das Fahrzeug mit einem gewissen Aggressivitätsgrad um eine Kurve gefahren, was aus der Spitze der graphischen Darstellung von HRF ersichtlich ist, wobei der Fahrstil zur durchschnittlichen Kategorie überging. Da keine Haupt-HRF-Ereignisse mehr identifiziert wurden, wurde diese Kategorie für den Rest des Fahrzyklus in Verbindung mit dem Konzept der langfristigen Charakterisierung ausgeführt.
Wie oben erwähnt, können verschiedene hörbare und/oder sichtbare Warnungen aktiviert werden, um einen Fahrer bezüglich des Handlinggrenzenbereichs zu warnen. Die Bereichsschwellenwerte, die definieren, ob eine Warnung (und/oder welcher Warnungstyp) ausgegeben werden soll, können anhand der Fahrercharakterisierung verändert (oder aufgehoben) werden. Falls beispielsweise bestimmt wird, dass der Fahrer ein erfahrener Fahrer ist, kann der Warnungsschwellenwert von h_x ≤ 10% auf h_x ≤ 2% reduziert werden oder können die Warnungen bezüglich des Handlinggrenzenbereichs aufgehoben werden (ein erfahrener Fahrer könnte keine Warnungen benötigen).
IV. Nicht überwachte Fahrstilcharakterisierung
Während eines normalen Fahrmanövers kann die langfristige longitudinale Fahrzeugsteuerung eines Fahrers verwendet werden, um das Fahrverhalten unabhängig von der dynamischen Antwort des Fahrzeugs zu bestimmen. Beispielsweise kann ein Fahrer während des Fahrens auf einer Schnellstraße während einer langen Zeitdauer ein bestimmtes longitudinales Steuermuster zeigen. Sein Muster der Fahrpedalbetätigung kann gleichmäßig oder abrupt sein, selbst wenn keine Notsituationen vorliegen. Die Variabilität des Pedals und seine Änderungsrate können verwendet werden, um zwischen einer gleichmäßigen und einer plötzlichen Anwendung zu unterscheiden. Eine solche gleichmäßige oder plötzliche Anwendung zeigt eine starke Korrelation mit der Kraftstoffsparsamkeit und mit dem Beschleunigungsverhalten, wenn Fahrbedingungen nicht beschränkt sind. Das Identifizieren solcher Fahrverhalten kann beispielsweise verwendet werden, um einen Kraftstoffsparsamkeits-Ratgeber zu implementieren.
Eine Anomaliedetektion kann verwendet werden, um Hauptänderungen in der Gesamtvariabilität der Steuerwirkungen zu schätzen, die Änderungen im entsprechenden Verhalten angeben. Die Anomaliedetektion ist eine Technik, die das Hauptgewicht auf die ununterbrochene Überwachung, das Maschinenlernen und die nicht überwachte Klassifizierung legt, um eine Tendenz einer Abweichung von einen normalen Verhalten zu identifizieren und um eine mögliche signifikante Änderung vorherzusagen. Die Determinante der Kovarianzmatrix der Population von Fahreraktionen kann als ein Maß der verallgemeinerten Varianz (Streuung) der Population verwendet werden, weshalb sie als ein Indikator für eine Änderung des Fahrerverhaltens verwendet werden kann.
Der Merkmalsraum der Antriebsdrehmomentanforderung τ_d und ihrer Ableitung ist durch den Vektor y = [τ_dτ ._d] ausgespannt. Die Determinante D der Kovarianzmatrix der Population kann folgendermaßen rekursiv berechnet werden: D_k+1 = (1 – α)^k-1D_k(1 – α + (y_k – v_k)Q_k(y_k – v_k)^T) (21) mit v_k+1 = (1 – α)v_k + αy_k, Q_k+1 = (I – G_k(y_k – v_k))Q_k(1 – α)^–1 G_k+1 = Q_k(y_k – v_k)^Tα(1 – α + α(y_k – v_k)Q_k(y_k – v_k)^T)^–1 (22) wobei v_k eine gefilterte Version von y_k ist, Q_k die geschätzte inverse Kovarianzmatrix ist und α eine Konstante ist, die den mit der Filterspeichertiefe in Beziehung stehenden Vergessensfaktor wiedergibt.
D_k, das auf diese Weise in (21) berechnet wird, besitzt Anfangsmittelwerte und Standardabweichungen für Verhalten des abrupten und des gleichmäßigen Typs. Das momentane Verhalten wird als abrupt klassifiziert, wenn sein Wert höher als eine Steuergrenze l_abrupt ist, während es als gleichmäßig klassifiziert wird, falls sein Wert niedriger als eine Steuergrenze u_smooth ist. l_abrupt und u_smooth sind folgendermaßen definiert: l_abrupt = μ_abrupt – 3σ_abrupt, u_smooth = μ_smooth + 3σ_smooth wobei μ_abrupt und σ_abrupt der Mittelwert und die Standardabweichung der Klasse des abrupten Verhaltens sind. μ_smooth und σ_smooth sind ähnlich für die Klasse des gleichmäßigen Verhaltens definiert. Falls das momentane Verhalten entweder als abrupt oder als gleichmäßig klassifiziert wird, werden der entsprechende Mittelwert und die Standardabweichung des passenden Verhaltens rekursiv aktualisiert w_k+1 = (1 – β)w_k + βD_k+1 H_k+1 = (1 – β)H_k + (β – β²)(D_k+1 – w_k)^T(D_k+1 – w_k) σ_k+1 =(H_k+1)^1/2 (23) wobei w und H der geschätzte Mittelwert bzw. die Varianz sind und β ein weiterer Vergessensfaktor ist.
12 zeigt die Determinante der Kovarianzmatrix aus dem Vektor der Fahrpedalposition und seiner Änderungsrate für acht Durchläufe von Fahrzeugtests. Die vier Durchläufe mit durchgezogenen Linien der Determinante standen für Pedalanwendungen bei abrupter Beschleunigung. Diese Determinanten zeigen einen großen Wert, der beispielsweise größer als 7 ist. Die vier Durchläufe in Strichlinien der Determinante standen für Pedalanwendungen mit gleichmäßiger Beschleunigung. Diese Determinanten zeigen einen kleinen Wert, beispielsweise kleiner als 4. Daher offenbart die Größe der Determinante die eindeutigen informativen Muster, die verwendet werden können, um ein gleichmäßiges Fahrverhalten von einem abrupten Fahrverhalten zu unterscheiden.
Da Wechselwirkungen zwischen dem Fahrer und der Fahrumgebung häufige Fahrzeugstopps mit unterschiedlichen Dauern enthalten, kann eine Beendigung der ununterbrochenen Aktualisierung erforderlich sein, um numerische Probleme während der rekursiven Berechnung zu verhindern. Die folgenden Beendigungsbedingungen können verwendet werden: (i) falls die Fahrzeuggeschwindigkeit kleiner als 1 mph ist, werden die auf die Fahrzeuggeschwindigkeit und auf die Beschleunigung bezogenen rekursiven Berechnungen beendet; (ii) falls die Fahrpedalposition kleiner als 1% ist, werden die auf das Pedal bezogenen rekursiven Berechnungen beendet.
Obwohl die obige Abweichung auf das Fahrpedal konzentriert ist, kann sie einfach auf den Bremsfall angewendet werden. Da ein plötzliches aggressives Bremsen während Notsituationen auftreten kann (was nicht notwendigerweise das allgemeine Verhalten des Fahrers angibt), kann ein Fahren im quasistationären Zustand, wo ein Bremsen nicht extrem ist, für die rechnerische Klassifikation verwendet werden.
Während einer Übergangsbeschleunigung und -verzögerung können bestimmte Räder des Fahrzeugs einen großen longitudinalen Schlupf zeigen, wobei die Reifenlängskräfte jener Räder ihre Spitzenwerte erreichen können. Solche Bedingungen können durch Überwachen der Drehbewegungen der einzelnen Räder in Beziehung zu der Fahrgeschwindigkeit des Fahrzeugs überwacht werden, weshalb das Fahrerverhalten während Übergangsmanövern wie oben diskutiert bestimmt werden kann.
V. Teilweise überwachte Fahrstilcharakterisierung
Es könnten nicht alle Fahrereingaben für elektronische Steuersysteme zugänglich sein. Bestimmte Variablen können jedoch ein Eingangs/Ausgangs-Paar bilden, das verwendet werden kann, um die Fahrersteuerstruktur zu deduzieren. Beispielsweise werden während eines Fahrzeugverfolgungsmanövers der relative Abstand zwischen dem vorausfahrenden und dem nachfolgenden Fahrzeug und die Fahreranforderungen bezüglich Bremsen und Drosselklappe gewöhnlich gut koordiniert. Hier ziehen wir die Verwendung eines Tagaki-Sugeno-Modells (TS-Modell) in Betracht, um die Varianz der Brems- und Drosselklappenbefehle des Fahrers mit dem relativen Bereich und der relativen Geschwindigkeit zwischen dem vorausfahrenden und dem nachfolgenden Fahrzeug in Beziehung zu setzen.
Ein unscharfes System könnte den signalkonditionierten mittleren Fahrabstand (Lückenzeit) relativ zu dem anderen Fahrzeug sowie die Standardabweichung der Ratenänderungen des Fahrpedals und des Bremspedals verwenden, um zu bestimmen, ob der Fahrer aggressiv oder vorsichtig ist. Der Fahrerindexwert aus der unscharfen Berechnung und die Regelauswertung können die Aggressivität des Fahrers anhand des nachfolgenden Fahrzeugs, der Fahrzeuggeschwindigkeit und der Steuerungsaktionen des Fahrers bezüglich Beschleunigung und Verzögerung bestimmen.
Für eine Echtzeit-Fahrzeugimplementierung wird die rekursive Schätzung des Mittelwerts und der Varianz einer interessierenden Variablen angewendet. Die signalkonditionierte durchschnittliche mittlere Lückenzeit zum Abtastzeitpunkt k kann folgendermaßen berechnet werden:
wobei Δs_k der relative Abstand zwischen dem vorausfahrenden und dem nachfolgenden Fahrzeug ist und v_fk die Geschwindigkeit des nachfolgenden Fahrzeugs ist. α ist ein Filterkoeffizient ähnlich jenem, der in (22) verwendet wird. Die 13A und 13B zeigen die mittleren Lückenzeiten, die aus zwei Durchlaufen des Fahrzeugtests berechnet wurden: eine für aggressives Fahren und die andere für vorsichtiges Fahren.
Der Fahrpedalraten-Mittelwert kann folgendermaßen berechnet werden: ρ _k – ρ _k-1 + α((ρ_k – ρ_k-1)/ΔT = p _k-1) (25) wobei ρ der Fahrpedalmittelwert ist und ΔT die Abtastzeit ist. Die entsprechende Varianz kann folgendermaßen berechnet werden: v_kαv_k-1 + (1 – α)(ρ_k – ρ _k)² (26) wobei die Standardabweichung aus der Quadratwurzel der Varianz erhalten wird. Die 14A und 14B zeigen die Standardabweichungen für zwei Durchläufe von Testdaten für aggressives und vorsichtiges Fahren.
Ähnlich zu (25) und (26) können der Mittelwert und die Varianz der Bremspedalratenänderung berechnet werden. Die 15A und 15B zeigen die Standardabweichungen von zwei Durchläufen von Testdaten für aggressives und vorsichtiges Fahren. Die Variablen werden zunächst normiert, bevor sie in das System für unscharfes Schließen eingegeben werden. Die unscharfen Mengen und Mitgliedschaftsfunktionen wurden für die Merkmale bestimmt, um die scharfen Eingaben in unscharfe Ausdrücke zu transformieren. Die unscharfe Menge G_s für die mittlere Lückenzeit ist definiert durch G_s = {(g, μ(g))|g ∊ G} (27) wobei G durch die beschränkte Sammlung von Lückenzeiten g in dem Fahrzeugweg gegeben ist. Die Lückenzeit-Mitgliedschaftsfunktion μ ist als eine Gaußsche Funktion gewählt.

Ein TS-Modell nullter Ordnung wurde verwendet, um den Fahrerindexgrad zu berechnen. Eine normierte Ausgangsskala von 0 bis 1,0 repräsentierte die Grade von vorsichtigem zu weniger aggressivem und zu aggressivem Fahrverhalten. Der Fahrerindex wird aus einer unscharfen Berechnung und einer Regelbewertung erhalten. Die Tabelle 1 zeigt die verwendeten Regeln. Es wird angemerkt, dass eine höhere Zeitlücke im Vergleich zu einer niedrigeren Lückenzeit ein relativ sicheres Bewusstsein darstellt. Tabelle 1 Regeln für die Fahrverhaltenscharakterisierung

Falls Lückenzeit	falls Fahrpedalraten-STD	falls Bremspedalraten-STD	dann ist der Fahrerindex
niedrig	niedrig	niedrig	weniger aggressiv
hoch	niedrig	niedrig	vorsichtig
niedrig	hoch	niedrig	aggressiv
niedrig	niedrig	hoch	aggressiv
niedrig	hoch	hoch	aggressiv
hoch	hoch	hoch	weniger aggressiv
hoch	niedrig	hoch	vorsichtig
hoch	hoch	niedrig	weniger aggressiv

Die 16A und 16B zeigen den Fahrerindex, der aus zwei Durchläufen von Fahrzeugtestdaten berechnet wurde: einer für aggressives Fahren mit einem Fahrerindex größer als 0,8 und der andere für vorsichtiges Fahren mit einem Fahrerindex kleiner als 0,2.
VI. Überwachte Fahrstilcharakterisierung
Die Aufgabe des Hinterherfahrens hinter einem Fahrzeug erfordert, dass der Fahrer zu dem vorausfahrenden Fahrzeug eines der Folgenden aufrechterhält: (i) eine Geschwindigkeitsdifferenz von null; (ii) einen konstanten relativen Abstand; und (iii) eine konstante relative Zeitlücke, die durch die Division des relativen Abstands durch die relative Geschwindigkeit definiert ist.
Ein menschlicher Fahrer kann als ein PD-Rückkopplungs-Controller modelliert werden. Das System mit geschlossener Schleife während eines Fahrzeugverfolgungsmanövers kann folgendermaßen ausgedrückt werden:
wobei x_l und x_f die Bewegungsstrecke des vorausfahrenden bzw. des nachfolgenden Fahrzeugs sind und x _g die Lückenversatzreferenz ist. Aufgrund der Implementierung eines Radars, der in Fahrzeugen verwendet wird, die mit der Funktion einer adaptiven Geschwindigkeitsregelung ausgerüstet sind, werden der relative Abstand und die relative Geschwindigkeit gemessen und folgendermaßen definiert: Δs = x_l – x_f, Δv = x ._l – x ._f (29)
Ein Fahrzeug, das mit einer Stabilitätskontrolle ausgerüstet ist, besitzt einen Längsbeschleunigungsmesser mit Ausgang α_x, wobei x_f gemessen wird. (28) kann ferner folgendermaßen ausgedrückt werden:
Die unbekannten Parameter c_v und c_s in (30) können verwendet werden, um eine Steuerungsstruktur eines Fahrers während des Verfolgens eines Fahrzeugs zu charakterisieren. Unter Verwendung der tiefpassgefilterten Δs und Δv, um die Lückenversatzreferenz x _g und ihre Ableitung x _g zu ersetzen, und bei Betrachtung der Zeitverzögerungen erhalten wir die folgenden Gleichungen:
wobei der Index i in ☐xk + i die Zeitverzögerung zwischen der Brems-/Drosselklappenbetätigung des Fahrers und dem gemessenen relativen Abstand und der gemessenen relativen Geschwindigkeit wiedergibt, wobei die Beschleunigung α ein tiefpassgefilterter Koeffizient ähnlich jenem ist, der in (22) verwendet wird, und wobei w ein Hochfrequenz-Unsicherheitssignal ist, das als weißes Rauschen behandelt werden kann. Unter Verwendung des Algorithmus zur bedingten Identifizierung mittels der kleinsten Quadrate können cv und cs aus (31) in Echtzeit identifiziert werden. Die Antwortzeit tp und das Dämpfungsverhältnis ☐ des in das System regelungstechnisch integrierten Fahrers können mit cv und cs folgendermaßen in Beziehung gesetzt werden:
was verwendet werden kann, um das Fahrverhalten des Fahrers zu deduzieren: (i) für einen normalen Fahrer ist es erwünscht, dass die Übergangsantwort des in das System regelungstechnisch integrierten Fahrers schnell ist (ausreichend kleines t_p, z. B. kleiner als 0,5 s) und gedämpft wird (ausreichend großes ζ); (ii) für einen alten Fahrer oder einen Fahrer mit physischer Einschränkung kann t_p groß sein; (iii) für einen aggressiven Fahrer zeigt ζ wahrscheinlich einen kleinen Wert, etwa kleiner als 0,5, wobei die Systemantwort wahrscheinlich ein übermäßiges Überschwingen zeigt; (iv) für einen vorsichtigen Fahrer zeigt ζ wahrscheinlich einen vernünftig großen Wert, etwa größer als 0,7.
Es wurde eine Parameteridentifizierung mittels der kleinsten Quadrate implementiert, um c_v und c_s zu berechnen. Zwei Durchläufe von Fahrzeugtests wurden ausgeführt. Im ersten Durchlauf versuchte der Fahrer im nachfolgenden Fahrzeug, eine aggressive Drosselklappen- und Bremsbetätigung zu verwenden, um eine konstante relative Zeitlücke zwischen seinem Fahrzeug und dem vorausfahrenden Fahrzeug zu erzielen, was zu einem größeren Bereichsfehler Δs_k – μ_k(Δs) führte. Siehe 17. Das identifizierte c_v beträgt etwa 0,2 und das identifizierte c_s beträgt etwa 0,05. Siehe 18. Das Dämpfungsverhältnis, das somit aus (32) berechnet wurde, zeigte einen Wert kleiner als 0,5, was ein Hinweis auf ein geringfügig dämpfendes System mit regelungstechnisch integriertem Fahrer ist und daher einem aggressiven Fahrverhalten entspricht.
Im zweiten Durchlauf verwendete der Fahrer eine vorsichtige Drosselklappen- und Bremsbetätigung, um das Verfolgen eines Fahrzeugs zu erzielen, wobei der relative Bereichsfehler Δs_k – μ_k(Δs) in 19 im Vergleich zu jenem, der in 17 gezeigt ist, eine geringere Größe hatte. Die identifizierten c_v und c_s sind in 20 dargestellt. Das Dämpfungsverhältnis zeigte mit Ausnahme der ersten 150 Sekunden einen Wert größer als 0,8. Siehe 20. Dies ist ein Hinweis auf ein stark gedämpftes System mit regelungstechnisch integriertem Fahrer, weshalb es einem vorsichtigen Fahrverhalten entspricht.
VII. Geschwindigkeits- und Beschleunigungsgrenzen-Wächter
Bestimmte Ausführungsformen, die hier beschrieben sind, stellen eine Fahrzeuggeschwindigkeits- und/oder Beschleunigungsgrenzen-Wächter bereit, der Warnungen beispielsweise über ein haptisches Fahrpedal oder eine Anzeige ausgeben kann, bevor das Fahrzeug eine Geschwindigkeits-/Beschleunigungsgrenze verletzt. Bestimmte Algorithmen können beispielsweise bestimmen, ob ein Fahrer-Beschleunigungsprofil eine Neigung zeigt, eine Geschwindigkeits- und/oder Beschleunigungsgrenze zu überschreiten. Wenn dies der Fall ist, kann die Beschleunigung des Fahrzeugs in Bezug auf ein gegebenes maximales Beschleunigungsprofil begrenzt oder beschränkt (ohne Bremsen) werden. Das maximale Beschleunigungsprofil kann aus einer bordinternen/nicht bordinternen Navigationsdatenbank wiedergewonnen oder durch den Fahrer definiert werden.
Ein Beschleunigungsmodell für ein Fahrzeug kann durch die folgende lineare Funktion approximiert werden: Acc_s(t + Δt) = α₀ + α₁AP_s(t) + α₂AP_s(t)² (33) wobei

Acc_s(t + Δt): die momentane Beschleunigung des Fahrzeugs zum Zeitpunkt t + Δt ist;
AP_s(t): die momentane Fahrpedalposition zum Zeitpunkt t ist; und
a₀, a₁ und a₂: Koeffizienten sind, die unter Verwendung bekannter rekursiver Techniken ständig berechnet werden.

Acc_s(t + Δt) und AP_s(t) können exponentiell geglättet und folgendermaßen berechnet werden: X_s(t) = α*X_s(t – 1) + (1 – α)*X(t) (34) wobei

X_s(t): entweder Acc_s(t + Δt) oder AP_s(t) ist; und
α: eine Abstimmkonstante ist.

Ein Glätten der Signale kann die Approximation durch ein lineares Modell mit vom Rauschen befreiten Informationen erleichtern und Warnungen angeben, die stabiler sind und nicht signifikant durch inhärente Rauschdaten von Fahrer-Pedalmanövern und Fahrbedingungen beeinflusst werden.
Wenn die lineare Beziehung zwischen der Fahrzeugbeschleunigung, Acc_s, und der Fahrpedalposition, AP_s, in (1) gegeben ist, kann der folgende rekursive Lernalgorithmus mittels kleinster Quadrate angewendet werden, um die Funktionsparameter in Echtzeit zu approximieren:
Par(t + 1) = Par(t) + (InCov(t + 1)*x*(y – x'*Par)) (36) wobei

InCov: die inverse Kovarianzmatrix von K_c*eye(r) ist, wobei
K_c: gleich 1000 ist und
r: die Dimensionalität von Par ist;
Par: die Parameter [a₀, a₁, a₂] der linearen Funktion sind, die bei [0, 0, 0] initialisiert werden;
α: eine Abstimmkonstante ist;
x: der Eingangsvektor [1, AP_s(t), AP_s(t)²] ist; und
y: die gemessene Beschleunigung des Fahrzeugs ist.

Die obigen Parameter ordnen die Fahrpedalposition und die Fahrzeugbeschleunigung in einem geglätteten Datenraum in Echtzeit zu. Bei einer gegebenen, vom Fahrer veranlassten Fahrpedalposition erzeugt der Algorithmus eine vorhergesagte kurzfristige Beschleunigung a_p(t) α_p(t) = [1, AP_s(t), AP_s(t)²]*Par (37)
Selbstverständlich kann die Fahrzeugbeschleunigung auf jede geeignete Weise bestimmt werden. Beispielsweise kann die Beschleunigung mittels eines Beschleunigungsmessers oder anhand einer zeitlichen Änderung der Fahrzeuggeschwindigkeit bestimmt werden.
Die Zeit T(t), bis das Fahrzeug eine Geschwindigkeitsgrenze L erreicht, kann anhand der Geschwindigkeitsgrenze, der Geschwindigkeit des Fahrzeugs S(t) und der Beschleunigung des Fahrzeugs a_p(t) bestimmt werden:
Die Geschwindigkeitsgrenze kann beispielsweise durch den Fahrer mittels eines Eingabeschalters/einer Schnittstelle festgelegt oder auf bekannte Weise über ein Navigationssystem anhand eines Ortes des Fahrzeugs bestimmt werden. Beispielsweise kann ein Navigationssystem Fahrbahngeschwindigkeitsbeschränkungsinformationen, z. B. 65 mph, anhand des geographischen Ortes des Fahrzeugs bereitstellen. Die Geschwindigkeit des Fahrzeugs kann auf jede bekannte/geeignete Weise, etwa durch einen Geschwindigkeitssensor und dergleichen bestimmt werden.
In bestimmten Ausführungsformen kann, falls die Beschleunigung a_p(t) positiv ist, die Zeit T(t) kleiner als eine im Voraus definierte Schwellenzeit ist, etwa 2 Sekunden usw. und das Fahrzeug nicht in einem Bremszustand ist, eine Warnung erzeugt werden, um dem Fahrer zu empfehlen, die Geschwindigkeitsbeschränkungsverletzung zu verhindern. (Ob das Fahrzeug in einem Zustand des Bremsens ist, kann auf irgendeine bekannte/geeignete Weise bestimmt werden. Beispielsweise kann die Bremspedalposition verwendet werden, um zu bestimmen, ob das Fahrzeug in einem Bremszustand ist.)
In anderen Ausführungsformen muss eine Zeit nicht berechnet werden. Eine Tabelle einer Geschwindigkeitsbeschränkung gegenüber der Fahrzeuggeschwindigkeit gegenüber der Fahrzeugbeschleunigung kann beispielsweise verwendet werden, um zu bestimmen, ob Warnungen ausgegeben werden sollen. Falls unter einer gegebenen Menge von Umständen die Geschwindigkeitsbeschränkung, die Fahrzeuggeschwindigkeit und die Fahrzeugbeschleunigung irgendeinen Wert (oder einen Wertebereich) ergeben, kann eine Warnung erzeugt werden.
In nochmals anderen Ausführungsformen kann, falls die Beschleunigung a_p(t) positiv ist und die Geschwindigkeit des Fahrzeugs S(t) in irgendeinen Bereich von Geschwindigkeiten fällt, der kleiner als die Geschwindigkeitsbeschränkung ist, eine Warnung erzeugt werden, um dem Fahrer zu empfehlen, eine Geschwindigkeitsbeschränkungsverletzung zu verhindern. Falls beispielsweise das Fahrzeug beschleunigt wird und die Fahrzeuggeschwindigkeit innerhalb von 3 mph der Geschwindigkeitsbeschränkung liegt, kann eine Warnung erzeugt werden.
Alternativ kann eine Warnung erzeugt werden, falls die Beschleunigung a_p(t) eine im Voraus definierte Schwelle übersteigt. Falls beispielsweise a_p(t) (die vorhergesagte Beschleunigung) größer als 3 m/s² ist, kann eine Warnung erzeugt werden, wie hier beschrieben wird. Die im Voraus definierte Schwelle kann ein im Voraus eingestellter Wert sein, von einem Fahrer eingegeben werden oder anhand eines Fahrertyps ausgewählt werden, wie im Folgenden diskutiert wird.
In 21 kann eine Ausführungsform eines Systems 30 für die Bereitstellung von Empfehlungen für einen Fahrer für ein Fahrzeug 32, das ein Fahrpedal 34, ein Antriebsstrangsystem 36 und ein Navigationssystem 38 enthält, Positions- und Geschwindigkeitssensoren 40, 42, einen oder mehrere Controller 44 und eine Audio-, eine visuelle und/oder eine haptische Schnittstelle 46 enthalten. Der Positionssensor 40 detektiert eine Position des Fahrpedals 34. Der Geschwindigkeitssensor 42 detektiert eine dem Fahrzeug 32 zugeordnete Geschwindigkeit. Die Schnittstelle 46 kann irgendeine geeignete/bekannte Fahrerschnittstelle wie etwa ein Anzeigeschirm, eine Lautsprecheranordnung, ein haptisches Fahrpedal und dergleichen sein.
Der eine oder die mehreren Controller 44 können Informationen bezüglich der Fahrpedalposition vom Sensor 40, Fahrzeuggeschwindigkeitsinformationen vom Sensor 42 und lokale Geschwindigkeitsbeschränkungsinformationen vom Navigationssystem 38 empfangen. Bei Verwendung der oben diskutierten Algorithmen können der eine oder die mehreren Controller 44 eine Beschleunigung des Fahrzeugs 32 vorhersagen, eine Zeit, bis eine künftige Fahrzeuggeschwindigkeit die Geschwindigkeitsbeschränkung übersteigt, vorhersagen und eine hörbare, visuelle und/oder haptische Warnung über die Schnittstelle 46 ausgeben, falls diese Zeit kleiner als irgendeine im Voraus eingestellte Schwelle (z. B. 3 Sekunden) ist. Diese im Voraus eingestellte Schwelle kann beispielsweise durch den Fahrzeughersteller im Voraus festgelegt werden oder durch den Fahrer über irgendeine geeignete Schnittstelle (einschließlich der Schnittstelle 46) eingegeben werden. Bei Verwendung der oben diskutierten Algorithmen können der eine oder die mehreren Controller 44 alternativ eine Beschleunigung des Fahrzeugs 32 vorhersagen, bestimmen, ob die vorhergesagte Beschleunigung größer als eine Schwellenbeschleunigung ist und eine hörbare, visuelle und/oder haptische Warnung über die Schnittstelle 46 ausgeben, falls die vorhergesagte Beschleunigung größer als die Schwellenbeschleunigung ist. Andere Szenarien können ebenfalls in Betracht gezogen werden.
Der eine oder die mehreren Controller 44 können das Fahrverhalten unter Verwendung der oben diskutierten Algorithmen charakterisieren/kategorisieren und die Schwellenwerte anhand der Charakterisierung/Kategorisierung verändern/auswählen. Falls beispielsweise der eine oder die mehreren Controller 44 bestimmen, dass der Fahrer ”erfahren” ist, kann die im Voraus eingestellte Schwellenzeit gesenkt (oder beseitigt) werden. Falls in einem weiteren Beispiel die eine oder die mehreren Controller 44 bestimmen, dass der Fahrer ”leichtsinnig” ist, kann die im Voraus eingestellte Schwellenzeit erhöht werden und/oder kann die im Voraus eingestellte Schwellenbeschleunigung gesenkt werden, und dergleichen. In einem nochmals weiteren Beispiel können mehrere verschiedene Schwellenwerte in einer Tabelle gehalten werden. Jeder dieser Schwellenwerte kann mit einer anderen Charakterisierung/Kategorisierung verknüpft werden. Ein besonderer Schwellenwert kann somit anhand der Charakterisierung/Kategorisierung mittels der Tabelle ausgewählt werden.
VIII. Experimentelle Ergebnisse
Ein Fahrzeug, das mit einem haptischen Fahrpedal ausgerüstet ist und mit einem Empfehlungsangabesystem ähnlich dem Empfehlungsangabesystem 30 konfiguriert ist, wurde mit Beschränkungen von 40 mph und 60 mph getestet. Wie in den 22, 23 und 24 gezeigt ist, stellte ein Fahrer die erste Geschwindigkeitsbeschränkung für Abtastungen 1 bis 5000 auf 40 mph ein, während ein Navigationssystem nach der Abtastung 5000 eine zweite Geschwindigkeitsbeschränkung von 60 mph bereitgestellt hat. Für beide Beschränkungen sagten die Algorithmen eine kurzfristige Beschleunigung voraus (bei gegebener momentaner Fahrpedalposition), die dazu führte, dass die Fahrzeuggeschwindigkeit die Geschwindigkeitsbeschränkung überschritten hat. Es wurden über die Aktivierung des haptischen Fahrpedals Warnungen erzeugt, bevor eine tatsächliche Verletzung auftrat (wie in den 22, 23 und 24 durch ”*” angegeben ist).
Wie für den Durchschnittsfachmann erkennbar ist, können die hier offenbarten Algorithmen an eine Verarbeitungsvorrichtung ausgegeben werden, die irgendeinen vorhandenen elektronischen Controller oder einen dedizierten elektronischen Controller enthalten kann, und dies in vielen Formen, einschließlich Informationen, die in einem nicht beschreibbaren Speichermedium wie etwa in ROM-Vorrichtungen permanent gespeichert sind, und Informationen, die in einem beschreibbaren Speichermedium, etwa Disketten, Magnetbänder, CDs, RAM-Vorrichtungen und andere magnetische und optische Medien, veränderbar gespeichert sind, ohne jedoch darauf eingeschränkt zu sein. Die Algorithmen können auch in einem als Software ausführbaren Objekt implementiert sein. Alternativ können die Algorithmen als Ganzes oder teilweise unter Verwendung geeigneter Hardware-Komponenten wie etwa anwendungsspezifischer integrierter Schaltungen (ASICs), Zustandsmaschinen, Controllern oder anderen Hardware-Komponenten oder Vorrichtungen oder in einer Kombination aus Hardware-, Software- und Firmware-Komponenten ausgeführt sein.
Obwohl Ausführungsformen der Erfindung veranschaulicht und beschrieben worden sind, ist nicht beabsichtigt, dass diese Ausführungsformen alle möglichen Formen der Erfindung veranschaulichen und beschreiben. Der in der Beschreibung verwendete Wortlaut ist eher der Wortlaut der Beschreibung als eine Beschränkung, wobei selbstverständlich verschiedene Änderungen vorgenommen werden können, ohne vom Erfindungsgedanken und vom Schutzbereich der Erfindung abzuweichen.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
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.
Zitierte Nicht-Patentliteratur

ISO-8855 [0035]

Claims

Fahrzeug, mit: einer Fahrerschnittstelle; und wenigstens einem Controller, der mit der Schnittstelle betriebstechnisch verbunden ist und konfiguriert ist, um eine Geschwindigkeit und eine Beschleunigung des Fahrzeugs zu bestimmen, eine Zeit, bis eine künftige Geschwindigkeit des Fahrzeugs eine im Voraus definierte Geschwindigkeit übersteigt, anhand der im Voraus definierten Geschwindigkeit und der Geschwindigkeit und der Beschleunigung des Fahrzeugs vorherzusagen und über die Schnittstelle eine Warnung auszugeben, falls die Zeit kürzer als eine im Voraus definierte Zeit ist.
Fahrzeug nach Anspruch 1, wobei der wenigstens eine Controller ferner konfiguriert ist, um eine dynamische Steuerung des Fahrers des Fahrzeugs entsprechend dem Typ zu kategorisieren, wobei die im Voraus definierte Zeit auf dem Typ beruht.
Fahrzeug nach Anspruch 1, wobei die Schnittstelle ein haptisches Fahrpedal ist.
Fahrzeug nach Anspruch 1, das ferner ein Fahrpedal, das eine Position besitzt, enthält, wobei die Beschleunigung des Fahrzeugs anhand der Position des Fahrpedals bestimmt wird.
Fahrzeug nach Anspruch 1, wobei die Beschleunigung des Fahrzeugs eine vorhergesagte Beschleunigung des Fahrzeugs ist.
Fahrzeug nach Anspruch 1, wobei der Controller ferner konfiguriert ist, um zu bestimmen, ob das Fahrzeug in einem Bremszustand ist, und wobei die Warnung ausgegeben wird, bevor die Geschwindigkeit des Fahrzeugs die im Voraus definierte Geschwindigkeit übersteigt, falls die Zeit kürzer als eine im Voraus definierte Zeit ist und das Fahrzeug nicht in einem Bremszustand ist.
Fahrzeug nach Anspruch 1, wobei, um anhand der im Voraus definierten Geschwindigkeit und der Geschwindigkeit und der Beschleunigung des Fahrzeugs eine Zeit vorherzusagen, bis eine künftige Geschwindigkeit des Fahrzeugs eine im Voraus definierte Geschwindigkeit übersteigt, das Bestimmen einer Differenz zwischen der im Voraus definierten Geschwindigkeit und der Geschwindigkeit des Fahrzeugs und das Dividieren der Differenz durch die Beschleunigung des Fahrzeugs vorgesehen sind.
Fahrzeug nach Anspruch 1, wobei die im Voraus definierte Zeit durch den Fahrer eingegeben werden kann.
Verfahren, um für einen Fahrer eines Fahrzeugs Empfehlungen anzugeben, das enthält: Vorhersagen einer Beschleunigung des Fahrzeugs; Bestimmen, ob die vorhergesagte Beschleunigung größer als eine Schwellenbeschleunigung ist; und Erzeugen einer Warnung für den Fahrer, bevor eine Beschleunigung des Fahrzeugs die Schwellenbeschleunigung übersteigt, falls die vorhergesagte Beschleunigung größer ist als die Schwellenbeschleunigung.
Verfahren nach Anspruch 9, das ferner das Kategorisieren der dynamischen Steuerung eines Fahrers des Fahrzeugs entsprechend dem Typ enthält, wobei die Schwellenbeschleunigung auf dem Typ beruht.
Verfahren nach Anspruch 9, wobei das Fahrzeug ein Fahrpedal enthält und wobei das Vorhersagen einer Beschleunigung des Fahrzeugs das Bestimmen einer Position des Fahrpedals enthält.
Verfahren nach Anspruch 9, wobei das Fahrzeug eine haptische Fahrerschnittstelle enthält und wobei das Erzeugen einer Warnung für den Fahrer, bevor eine Beschleunigung des Fahrzeugs die Schwellenbeschleunigung übersteigt, das Aktivieren der Schnittstelle enthält.
Verfahren zum Angeben von Empfehlungen für einen Fahrer eines Fahrzeugs, das enthält: Bestimmen einer Geschwindigkeit und einer Beschleunigung des Fahrzeugs; und Erzeugen einer Warnung für den Fahrer, bevor die Geschwindigkeit des Fahrzeugs eine im Voraus definierte Geschwindigkeit übersteigt, anhand der Geschwindigkeit und der Beschleunigung des Fahrzeugs und der im Voraus definierten Geschwindigkeit.
Verfahren nach Anspruch 13, wobei das Fahrzeug eine haptische Fahrerschnittstelle enthält und wobei das Erzeugen einer Warnung für den Fahrer das Aktivieren der haptischen Fahrerschnittstelle enthält.
Verfahren nach Anspruch 13, wobei die Beschleunigung des Fahrzeugs eine vorhergesagte Beschleunigung des Fahrzeugs ist.
Verfahren nach Anspruch 13, wobei das Fahrzeug ein Fahrpedal, das eine Position besitzt, enthält und wobei die Beschleunigung des Fahrzeugs anhand der Position des Fahrpedals bestimmt wird.
Verfahren zum Angeben von Empfehlungen für einen Fahrer eines Fahrzeugs, das enthält: Bestimmen einer Geschwindigkeit des Fahrzeugs; Bestimmen, ob das Fahrzeug beschleunigt wird; und Erzeugen einer Warnung für den Fahrer, falls das Fahrzeug beschleunigt wird und die Geschwindigkeit des Fahrzeugs kleiner als eine im Voraus definierte Geschwindigkeit ist.