EP4519711A1 - Verfahren und vorrichtung zur bewertung einer güte einer automatisierten funktion eines kraftfahrzeugs - Google Patents

Verfahren und vorrichtung zur bewertung einer güte einer automatisierten funktion eines kraftfahrzeugs

Info

Publication number
EP4519711A1
EP4519711A1 EP23713927.4A EP23713927A EP4519711A1 EP 4519711 A1 EP4519711 A1 EP 4519711A1 EP 23713927 A EP23713927 A EP 23713927A EP 4519711 A1 EP4519711 A1 EP 4519711A1
Authority
EP
European Patent Office
Prior art keywords
motor vehicle
data
function
backend
automated
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.)
Pending
Application number
EP23713927.4A
Other languages
English (en)
French (fr)
Inventor
Marco Baumgartl
Christian Unger
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bayerische Motoren Werke AG
Original Assignee
Bayerische Motoren Werke AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bayerische Motoren Werke AG filed Critical Bayerische Motoren Werke AG
Publication of EP4519711A1 publication Critical patent/EP4519711A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data

Definitions

  • the present disclosure relates to a method for evaluating the quality of an automated function of a motor vehicle.
  • a data processing device or a system for data processing is provided, which is designed to at least partially carry out the method.
  • an (optionally automated) motor vehicle with part of the data processing device is provided.
  • a computer program is provided which includes commands which, when the program is executed by a computer, cause it to at least partially carry out the method.
  • a computer-readable medium is provided which includes instructions which, when the instructions are executed by a computer, cause it to at least partially carry out the method.
  • Data or information from (customer) vehicles can be transmitted to a backend or cloud via mobile data connections in order to collect and analyze data there.
  • existing data interfaces are tapped and the data is sent via stream or buffered. For cost reasons, only a few low-frequency signals can be sent.
  • Typical signals that are provided upstream are availability information of customer functions or automated functions (or automated systems) or information as to whether and at what position the customer has activated (or deactivated) such a function, or where there is a problem with one such function occurred. This information allows analyzes of existing functions, limited to situations in which they are active or can be activated according to their ODD (operational design domain).
  • the ODD can be understood as a description or definition of specific operating areas in which an automated function or a Automated system is intended to function properly, including, but not limited to, road types, speed ranges, environmental conditions (weather, time of day/night, etc.) and/or other limitations on operating ranges.
  • ODD can be understood as the specific conditions under which a particular driving automation system or function thereof is intended to operate, including but not limited to driving modes. This can include a variety of restrictions such as: B. geographical, traffic, speed and/or road restrictions.
  • the task of the present disclosure is to specify a device and a method which are each suitable for enriching the prior art.
  • the task is then solved by a method for evaluating the quality of an automated function of a motor vehicle.
  • Quality can be understood as an objective quantity or an objective measure of a functionality or a quality of an automated function of the motor vehicle, in particular a sub-system of such a function (e.g. a fusion) or a SW component thereof.
  • the method can be a computer-implemented method, ie one, several or all steps of the method can be carried out by a computer or a data processing device.
  • the automated function can be understood as meaning a function or a (software and/or hardware) component which automatically carries out one or more predetermined tasks in the motor vehicle or without human intervention.
  • the automated function can be part of or represent a driving assistance system. Examples of an automated function include object recognition, trajectory planning and/or a direct and/or indirect intervention or a direct and/or indirect control of a transverse and/or longitudinal guidance of the motor vehicle.
  • the method includes providing at least one self-analysis function as a software module for the automated function.
  • the method includes determining a predetermined size based on input data and/or output data of the automated function using the self-analysis function.
  • an algorithm the so-called self-analysis function, is used to determine a quantity or information that is determined by a design of the algorithm. So it is not a value of the size or the information that is predetermined or predefined, but rather it is predetermined which size should be determined.
  • the respective algorithm can specify which signal or data stream should be tapped in the motor vehicle and how the tapped signal should be analyzed in order to obtain the (thus predetermined) size.
  • the method includes transmitting the (determined) predetermined size from the motor vehicle to a backend.
  • the size can be sent or transmitted wirelessly, for example via the Internet and/or the mobile phone network.
  • the transmission of the size and the execution of the method can be continuous, in particular cyclical continuously. Transmitting can then also be referred to as streaming (so-called up-stream).
  • customer functions or automated functions are usually composed of many building blocks, such as an object recognition, a road recognition, a trajectory planner, etc. It is proposed to use existing building blocks or those already present in the motor vehicle (e.g. a recognition function, such as an object recognition). to add a self-analysis function or “self-assessment” functionalities. Their task is to determine characteristic values (as part of determining the so-called predetermined size) that make it possible to assess the quality of the component.
  • the procedure can be used to analyze functional expansions and risks based on the self-assessment or self-analysis of on-board algorithms. This makes it possible to evaluate and ultimately implement new automated functions and/or ODD extensions of existing automated functions.
  • New functions can build on existing modules if signals or information provided for and/or by automated functions already installed in the motor vehicle are used in a novel way (e.g. a specific new reaction to pedestrians detected with existing automated functions that have a particular behavioral pattern show). Since the new automated function does not exist in the vehicle, it cannot be evaluated via the customer fleet using conventional means. However, the method described above can be used to evaluate the extent to which the building blocks underlying the new automated function deliver signals or information of a quality that is sufficient for the new automated function (e.g. the pedestrian detection is sufficiently good to be able to recognize the special behavior pattern ?). An understanding can be gained as to whether these signals are available in the required quality across the board or with certain restrictions (depending on situations, location, etc.).
  • ODD extensions of existing automated functions are also possible with the method.
  • ODDs are deliberately limited in their functional design in the expectation that an automated function cannot be offered with sufficient quality or quality in certain situations (e.g. an automated function that controls objects is not offered in small streets depending on the street class , because in such road classes one has to expect objects that are particularly difficult to detect and the built-in sensor system cannot nominally achieve this).
  • an evaluation of the behavior of the individual function modules in the ODD areas to be examined is necessary and using the above
  • the method described is possible through a suitable definition of the predetermined variables or data or information to be determined by the self-analysis function.
  • the predetermined size can be an uncertainty in an association of an object detected by means of a sensor of the motor vehicle to an object track, a frequency of a hypothesis change in the event of an ambiguous detection of an object recognized by a sensor of the motor vehicle, a frequency of a class change of a means an object detected by a sensor of the motor vehicle, and/or an a posteriori measure for incorrect detection of an object detected by a sensor of the motor vehicle.
  • it can be a measure of the uncertainty/ambiguity in the association of sensor objects to object tracks, a measure of the frequency of hypothesis changes in ambiguous sensor detections, a measure of the frequency of ID changes of ticked entities, and /or an a posteriori measure for false detections (e.g. how often objects in the long range were misclassified, what but only became apparent through observation after approaching at close range).
  • the method can provide a plurality of self-analysis functions each as a software module for the automated function, determine a predetermined size based on the input data and/or the output data of the automated function using the self-analysis functions, and determine a data vector from those determined using the self-analysis functions predetermined sizes, and transmitting the data vector from the motor vehicle to the backend.
  • the method may include creating a digital map based on the transmitted predetermined size and the position in the backend transmitted along with the predetermined size.
  • the digital map can then include a description, for example, of expected functional limitations, risks, etc. at specific geo-locations or at specific locations, sections and/or in specific areas of the digital map.
  • the method can include carrying out the method described above several times in order to obtain in the backend several predetermined variables or several data vectors that are determined at the same position of the motor vehicle and/or in the same driving situation. Furthermore, the method can include aggregating the multiple predetermined sizes or the multiple data vectors in the backend, whereby the digital map can be created based on the aggregated multiple predetermined sizes or the multiple data vectors. The digital map can also be created based on the availability of the automated function at the respective position of the motor vehicle and/or information about an ODD area of the automated function. The digital map can then contain information about the availability of the automated function at certain geo-locations or at certain locations, sections and/or in certain areas of the digital map.
  • logical conditions can be created from linking “self-assessment” vectors. These logics can be provided to the on-board system through a down-channel (ie from the backend to the vehicle) as part of specific data collection campaigns. From this, the on-board system creates trigger conditions that initiate an upload of specific (or all available) sensor data in a period before and/or after the trigger event. This data can then be analyzed in detail in the backend, for example to analyze the reasons for loss of quality in recognition functions in a specific context.
  • the system can be a distributed system that can include a data processing device (i.e. the backend) external to the motor vehicle, which is operated, for example, by the motor vehicle manufacturer, and/or a data processing device connected thereto (in particular wirelessly) which is in or on the motor vehicle is arranged.
  • a data processing device i.e. the backend
  • a data processing device external to the motor vehicle, which is operated, for example, by the motor vehicle manufacturer, and/or a data processing device connected thereto (in particular wirelessly) which is in or on the motor vehicle is arranged.
  • the latter data processing device can therefore be part of a motor vehicle.
  • the data processing device of the motor vehicle can be, for example, a data logger and/or an electronic control unit (ECU). electronic control unit).
  • the data processing device of the motor vehicle can be an intelligent processor-controlled unit, which can communicate with other modules, for example via a central gateway (CGW) and, if necessary, via field buses such as the CAN bus, LIN bus, MOST bus and FlexRay or can form the vehicle on-board network via automotive Ethernet, for example together with telematics control devices.
  • CGW central gateway
  • field buses such as the CAN bus, LIN bus, MOST bus and FlexRay
  • the data processing device can be connected to a sensor system, for example via the above-mentioned vehicle electrical system.
  • the data processing device comprises a storage unit in which collected data and/or the determined size(s) are temporarily stored before they are sent to the external data processing device. It is conceivable that the data processing device sends the collected data to the data processing device operated by the motor vehicle manufacturer, in particular streams it (optionally without buffering).
  • a motor vehicle having a data processing device, wherein the data processing device is designed to carry out the method for evaluating the quality of the automated function of the motor vehicle, the method comprising: determining a predetermined size based on input data and/or output data of the automated function by means of a self-analysis function, and transmitting the predetermined size from the motor vehicle to the backend.
  • the motor vehicle can be a passenger car, in particular an automobile.
  • the motor vehicle can be an automated motor vehicle, which can be designed to at least partially and/or at least temporarily take over longitudinal guidance and/or transverse guidance during automated driving of the motor vehicle. Automated driving can be done in such a way that the movement of the motor vehicle is (largely) autonomous.
  • the motor vehicle can be a motor vehicle with autonomy level 0, i.e. the driver takes over the dynamic driving task, even if supporting systems (e.g. ABS or ESP) are present.
  • supporting systems e.g. ABS or ESP
  • the motor vehicle can be a motor vehicle with autonomy level 1, i.e. have certain driver assistance systems that support the driver in operating the vehicle, such as adaptive cruise control (ACC).
  • ACC adaptive cruise control
  • the motor vehicle can be a motor vehicle of autonomy level 2, i.e. be partially automated so that functions such as automatic parking, lane keeping or lateral guidance, general longitudinal guidance, acceleration and/or braking are taken over by driver assistance systems.
  • the motor vehicle can be a motor vehicle of autonomy level 3, i.e. conditionally automated so that the driver does not have to continuously monitor the vehicle system.
  • the motor vehicle independently carries out functions such as triggering the turn signal, changing lanes and/or keeping in lane. The driver can turn his attention to other things, but if necessary the system will ask him to take over within a warning period.
  • the motor vehicle can be a motor vehicle with autonomy level 4, i.e. so highly automated that control of the vehicle is permanently taken over by the vehicle system. If the system can no longer handle the driving tasks, the driver can be asked to take over the lead.
  • autonomy level 4 i.e. so highly automated that control of the vehicle is permanently taken over by the vehicle system. If the system can no longer handle the driving tasks, the driver can be asked to take over the lead.
  • the motor vehicle can be a motor vehicle of autonomy level 5, ie so fully automated that the driver is not required to fulfill the driving task. No human intervention is required other than setting the target and starting the system. What has been described above with reference to the method and the data processing system also applies analogously to the motor vehicle and vice versa.
  • the computer program is characterized in that it includes commands which, when the program is executed by a computer, cause it to at least partially carry out the method described above.
  • a program code of the computer program can be in any code, in particular in a code that is suitable for controlling motor vehicles, for example comprising LUA scripts.
  • a computer-readable medium in particular a computer-readable storage medium, is provided.
  • the computer-readable medium is characterized in that it includes instructions which, when the program is executed by a computer, cause it to at least partially carry out the method described above.
  • a computer-readable medium may be provided that includes a computer program as defined above.
  • the computer-readable medium can be any digital data storage device, such as a USB flash drive, hard drive, CD-ROM, SD card, or SSD card.
  • the computer program does not necessarily have to be stored on such a computer-readable storage medium in order to be made available to the motor vehicle, but can also be obtained externally via the Internet or otherwise.
  • Fig. 1 shows schematically a system for data processing, comprising means for executing a method for evaluating the quality of an automated function of a motor vehicle, and
  • Fig. 2 shows a schematic flowchart of the method.
  • the system 1 shown in Figure 1 has a backend 2 and a motor vehicle 3 connected to the backend via a wireless data connection 4.
  • the motor vehicle 3 has a data processing device 31 and a module or part 32 connected thereto (e.g. a driving assistance system), which is designed to have an automated function (e.g. object recognition based on sensor data from a sensor system, not shown, of the motor vehicle 3 ).
  • the system 1 is designed to carry out the method for evaluating the quality of the automated function, which is also described below with reference to FIG.
  • a predetermined variable is determined based on input data and/or output data of the automated function using the self-analysis functions that are carried out by the data processing device 31.
  • the input data can be sensor data, such as image data.
  • the output data can, for example, be a result of an analysis of the sensor data carried out by the automated function.
  • the predetermined size can be an uncertainty in an association of a object recognized by means of a sensor of the motor vehicle to an object track, a frequency of a hypothesis change in the event of an ambiguous detection of an object recognized by means of a sensor of the motor vehicle, a frequency of a class change of an object recognized by means of a sensor of the motor vehicle, and / or an a posteriori measure act for incorrect detection of an object detected by a sensor of the motor vehicle. Furthermore, a position of the motor vehicle at which the predetermined variables are determined is determined or determined. In addition, availability of the automated function at the respective position of the motor vehicle 3, ie at the time at which the predetermined variables are determined, and information about an ODD range of the automated function are determined.
  • a data vector is determined comprising the predetermined variables determined using the self-analysis functions, the determined position of the motor vehicle, the availability of the automated function at the time of determining the position and the predetermined variables, and the information about the ODD Area of automated function by the data processing device 31.
  • a fourth step S4 of the method the data vector is transmitted from the motor vehicle 3 to the backend 2.
  • the steps S1 - S4 described above are carried out repeatedly or several times by several motor vehicles in a motor vehicle fleet to which the motor vehicle 3 belongs, so that the predetermined variables and thus the data vector based on them are at the same position (at different times) and / or in the same driving situation (e.g. driving through a roundabout) is determined several times and transmitted to the backend 2 by the respective motor vehicle.
  • the multiple data vectors are aggregated in the backend 2. This can be done, for example, by forming an average of the variables determined and contained in the data vectors.
  • a sixth step S6 of the method an existing digital map is created or supplemented based on the aggregated multiple data vectors.
  • a seventh step S7 of the method the quality of the automated function is assessed based on predetermined or predefined criteria using the digital map and the automated function is adapted, for example by expanding its ODD range, and/or determining a further automated one Function based on a result of the analysis.
  • the adapted and/or further automated function can be implemented in the motor vehicle 3, in particular the entire motor vehicle fleet to which the motor vehicle 3 belongs, by means of a software update via the wireless data connection 4 in an eighth step S8 of the method.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

Bereitgestellt wird ein Verfahren zur Bewertung einer Güte einer automatisierten Funktion eines Kraftfahrzeugs, wobei das Verfahren ein Bereitstellen zumindest einer Selbstanalysefunktion als Softwarebaustein für die automatisierte Funktion, ein Ermitteln von einer vorbestimmten Größe basierend auf Eingangsdaten und/oder Ausgangsdaten der automatisierten Funktion mittels der Selbstanalysefunktion, und ein Übermitteln der vorbestimmten Größe von dem Kraftfahrzeug an ein Backend umfasst.

Description

VERFAHREN UND VORRICHTUNG ZUR BEWERTUNG EINER GÜTE EINER AUTOMATISIERTEN FUNKTION EINES KRAFTFAHRZEUGS
Die vorliegende Offenbarung betrifft ein Verfahren zur Bewertung einer Güte einer automatisierten Funktion eines Kraftfahrzeugs. Zusätzlich oder alternativ wird eine Datenverarbeitungsvorrichtung bzw. ein System zur Datenverarbeitung bereitgestellt, die bzw. das ausgestaltet ist, um das Verfahren zumindest teilweise auszuführen. Zusätzlich oder alternativ wird ein (optional automatisiertes) Kraftfahrzeug mit einem Teil der Datenverarbeitungsvorrichtung bereitgestellt. Zusätzlich oder alternativ wird ein Computerprogramm bereitgestellt, das Befehle umfasst, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das Verfahren zumindest teilweise auszuführen. Zusätzlich oder alternativ wird ein computerlesbares Medium bereitgestellt, das Befehle umfasst, die bei der Ausführung der Befehle durch einen Computer diesen veranlassen, das Verfahren zumindest teilweise auszuführen.
Über mobile Datenverbindungen können Daten bzw. Informationen aus (Kunden-) Fahrzeugen an ein Backend bzw. eine Cloud übermittelt werden, um dort Daten zu sammeln und zu analysieren. Herkömmlich werden dafür bestehende Daten- Schnittstellen abgegriffen, und die Daten per stream oder gepuffert versendet. Dabei können aus Kostengründen lediglich wenige Signale mit niedriger Frequenz verschickt werden.
Typische Signale, die zum up-stream bereitgestellt werden, sind Verfügbarkeitsinformationen von Kundenfunktionen bzw. automatisierten Funktionen (oder automatisierten Systemen) oder Informationen, ob und an welcher Position der Kunde eine solche Funktion aktiviert (oder deaktiviert) hat, oder wo ein Problem bei einer solchen Funktion aufgetreten ist. Diese Informationen erlauben Analysen von bestehenden Funktionen, und zwar beschränkt auf Situationen, in denen diese laut ihrer ODD (engl. für operational design domain) aktiv oder aktivierbar sind.
Unter der ODD kann eine Beschreibung bzw. Festlegung spezifischer Betriebsbereiche verstanden werden, in denen eine automatisierte Funktion oder ein automatisiertes System ordnungsgemäß funktionieren soll, einschließlich, aber nicht beschränkt auf Straßentypen, Geschwindigkeitsbereiche, Umgebungsbedingungen (Wetter, Tages-/Nachtzeit usw.) und/oder andere Einschränkungen der Betriebsbereiche. Mit anderen Worten, unter der ODD können die spezifischen Bedingungen verstanden werden, unter denen ein bestimmtes Fahrautomatisierungssystem oder eine Funktion davon funktionieren soll, einschließlich, aber nicht beschränkt auf Fahrmodi. Dies kann eine Vielzahl von Einschränkungen beinhalten, wie z. B. geografische, verkehrsbedingte, geschwindigkeitsbedingte und/oder straßenbedingte Einschränkungen.
Neuartige Funktionen oder Funktionen außerhalb ihrer ODD können jedoch nicht analysiert werden, da die Analysefähigkeit an eine Aktivierung bzw. Aktivierbarkeit der Funktion gekoppelt ist.
Vor dem Hintergrund dieses Standes der Technik besteht die Aufgabe der vorliegenden Offenbarung darin, eine Vorrichtung und ein Verfahren anzugeben, welche jeweils geeignet ist, den Stand der Technik zu bereichern.
Gelöst wird die Aufgabe durch die Merkmale des unabhängigen Anspruchs. Die nebengeordneten Ansprüche und Unteransprüche haben mögliche Weiterbildungen der Offenbarung zum Inhalt.
Danach wird die Aufgabe durch ein Verfahren zur Bewertung einer Güte einer automatisierten Funktion eines Kraftfahrzeugs gelöst.
Unter der Güte kann eine objektive Größe bzw. ein objektives Maß für eine Funktionsfähigkeit bzw. eine Qualität einer automatisierten Funktion des Kraftfahrzeugs, insbesondere eines sub-Systems einer solchen Funktion (z.B. einer Fusion) bzw. eines SW-Bausteins davon, verstanden werden.
Bei dem Verfahren kann es sich um ein computer-implementiertes Verfahren handeln, d.h. einer, mehrere oder alle Schritte des Verfahrens können von einem Computer bzw. einer Datenverarbeitungsvorrichtung durchgeführt werden. Unter der automatisierten Funktion kann eine Funktion bzw. ein (Software- und/oder Hardware-) Baustein verstanden werden, welche bzw. welcher automatisiert bzw. ohne menschliches Zutun eine oder mehrere vorbestimmte Aufgaben im Kraftfahrzeug übernimmt. Die automatisierte Funktion kann dabei Teil eines Fahrassistenzsystems sein oder ein solches darstellen. Beispiele für eine automatisierte Funktion umfassen eine Objekterkennung, eine Trajektorienplanung und/oder einen direkten und/oder indirekten Eingriff bzw. eine direkte und/oder indirekte Steuerung einer Quer- und/oder Längsführung des Kraftfahrzeugs.
Das Verfahren umfasst ein Bereitstellen zumindest einer Selbstanalysefunktion als Softwarebaustein für die automatisierte Funktion.
Das Verfahren umfasst ein Ermitteln von einer vorbestimmten Größe basierend auf Eingangsdaten und/oder Ausgangsdaten der automatisierten Funktion mittels der Selbstanalysefunktion.
Mit anderen Worten, es wird mittels eines Algorithmus, der sog. Selbstanalysefunktion, eine Größe bzw. eine Information ermittelt, die durch eine Ausgestaltung des Algorithmus festgelegt wird. Es ist also nicht ein Wert der Größe bzw. der Information vorbestimmt bzw. vordefiniert, sondern es ist vorbestimmt, welche Größe ermittelt werden soll. Dabei kann in dem jeweiligen Algorithmus festgelegt sein, welches Signal bzw. welcher Datenstrom in dem Kraftfahrzeug abgegriffen werden soll und wie das abgegriffene Signal analysiert werden soll, um die (dadurch vorbestimmte) Größe zu erhalten.
Das Verfahren umfasst ein Übermitteln der (ermittelten) vorbestimmten Größe von dem Kraftfahrzeug an ein Backend.
Das Senden bzw. Übermitteln der Größe kann drahtlos, z.B. über das Internet und/oder das Mobilfunknetz, erfolgen. Das Übermitteln der Größe sowie die Ausführung des Verfahrens kann fortlaufend, insbesondere zyklisch oder durchgehend, erfolgen. Das Übermitteln kann dann auch als Streamen (sog. Up- Stream) bezeichnet werden.
Mit anderen Worten, Kundenfunktionen bzw. automatisierte Funktionen sind meist aus vielen Bausteinen zusammengesetzt, wie z.B. eine Objekterkennung, eine Straßenerkennung, ein Trajektorienplaner etc. Es wird vorgeschlagen, bestehende bzw. bereits im Kraftfahrzeug vorhandene Bausteine (z.B. eine Erkennungsfunktion, wie eine Objekterkennung) durch eine Selbstanalysefunktion bzw. „Self- Assessment“-Funktionalitäten zu ergänzen. Deren Aufgabe ist es, charakteristische Werte (im Rahmen der Ermittlung der sog. vorbestimmte Größe) zu ermitteln, die es ermöglichen, die Qualität des Bausteins beurteilen.
Das Verfahren kann zur Analyse von Funktionserweiterungen und -risiken basierend auf dem Self-Assessment bzw. Selbstanalyse von on-board-Algorithmen dienen. Damit wird es möglich neue automatisierte Funktionen und/oder ODD-Erweiterungen bestehender automatisierter Funktionen zu bewerten und letztlich zu implementieren.
Neue Funktionen können auf bestehenden Bausteinen aufbauen, wenn für und/oder von bereits im Kraftfahrzeug verbauten automatisierte Funktionen bereitgestellte Signale bzw. Informationen in einer neuartigen Weise verwendet werden (z.B. eine spezifische neue Reaktion auf mit bereits bestehenden automatisierten Funktionen erkannte Fußgänger, die ein besonderes Verhaltensmuster zeigen). Da die neue automatisierte Funktion im Fahrzeug nicht existiert, kann sie mit herkömmlichen Mitteln nicht über die Kundenflotte bewertet werden. Es kann aber mit dem oben beschriebenen Verfahren bewertet werden, inwieweit die der neuen automatisierten Funktion zugrundeliegenden Bausteine Signale bzw. Informationen in einer Güte liefern, die für die neue automatisierte Funktion ausreicht (z.B. ist die Fußgängererkennung ausreichend gut, um das spezielle Verhaltensmuster erkennen zu können?). Dabei kann ein Verständnis erlangt werden, ob diese Signale z.B. flächendeckend oder mit bestimmten Einschränkungen (abhängig von Situationen, Ort etc.) in der benötigten Güte verfügbar sind. ODD-Erweiterungen bestehender automatisierter Funktionen sind, wie oben erwähnt, mit dem Verfahren ebenfalls möglich. ODDs werden in der funktionalen Auslegung bewusst in der Erwartung eingeschränkt, dass eine automatisierte Funktion in bestimmten Situationen nicht in ausreichender Qualität bzw. Güte angeboten werden kann (z.B. eine automatisierte Funktion, die auf Objekte regelt, wird in kleinen Straßen abhängig von der Straßenklasse nicht angeboten, weil in solchen Straßenklassen mit besonders schwer zu erkennenden Objekten zu rechnen ist und die verbaute Sensorik dies nominal nicht leisten kann). Möchte man nun bewerten, ob eine Funktion außerhalb ihrer nominalen ODD betrieben werden kann, oder welche Maßnahmen nötig wären, um ihre ODD zu erweitern, ist eine Bewertung des Verhaltens der einzelnen Funktionsbausteine, in den zu untersuchenden ODD- Bereichen, notwendig und mittels des oben beschriebenen Verfahrens durch eine geeignete Definition der vorbestimmten durch die Selbstanalysefunktion zu ermittelnden Größen bzw. Daten bzw. Information möglich.
Das oben beschriebene Verfahren wird nachfolgend im Detail mit Bezug zu möglichen Weiterbildungen erläutert.
Bei der vorbestimmten Größe kann es sich um eine Unsicherheit bei einer Assoziation eines mittels eines Sensors des Kraftfahrzeugs erkannten Objekts zu einem Objekt-Track, eine Häufigkeit eines Hypothesenwechsels bei einer uneindeutigen Detektion eines mittels eines Sensors des Kraftfahrzeugs erkannten Objekts, eine Häufigkeit eines Klassenwechsels eines mittels eines Sensors des Kraftfahrzeugs erkannten Objekts, und/oder ein a posteriori Maß für eine Fehldetektion eines mittels eines Sensors des Kraftfahrzeugs erkannten Objekts handeln.
Mit anderen Worten, es kann ein Maß für die Unsicherheit/Ambiguität bei der Assoziation von Sensor-Objekten zu Objekt-Tracks, ein Maß für die Häufigkeit von Hypothesenwechsel bei uneindeutigen Sensordetektionen, ein Maß für die Häufigkeit von ID-Wechseln get ckter Entitäten, und/oder ein a posteriori-Maß für Fehldetektionen (z.B. wie oft wurden Objekte im Fernbereich falsch klassifiziert, was aber erst durch eine Beobachtung nach Annäherung im Nahbereich erkennbar wurde) herangezogen werden.
Das Verfahren kann ein Bereitstellen einer Vielzahl der Selbstanalysefunktionen jeweils als Softwarebaustein für die automatisierte Funktion, ein Ermitteln von jeweils einer vorbestimmten Größe basierend auf den Eingangsdaten und/oder den Ausgangsdaten der automatisierten Funktion mittels der Selbstanalysefunktionen, ein Ermitteln eines Datenvektors aus den mittels der Selbstanalysefunktionen ermittelten vorbestimmten Größen, und ein Übermitteln des Datenvektors von dem Kraftfahrzeug an das Backend umfassen.
Das Verfahren kann ein Ermitteln einer Position des Kraftfahrzeugs, an der die vorbestimmte Größe ermittelt wird, und ein Übermitteln der ermittelten Position zusammen mit der vorbestimmten Größe von dem Kraftfahrzeug an das Backend umfassen.
Das Verfahren kann ein Erstellen einer digitalen Karte basierend auf der übermittelten vorbestimmten Größe und der zusammen mit der vorbestimmten Größe übermittelten Position in dem Backend umfassen. Die digitale Karte kann dann Beschreibung beispielsweise zu erwartende funktionale Einschränkungen, Risiken usw. an bestimmten Geo-Locations bzw. an bestimmten Stellen, Abschnitten und/oder in bestimmten Bereichen der digitalen Karte umfassen.
Das Verfahren kann ein mehrmaliges Durchführen des oben beschriebenen Verfahrens umfassen, um mehrere vorbestimmte Größen bzw. mehrere Datenvektoren, die an derselben Position des Kraftfahrzeugs und/oder in derselben Fahrsituation ermittelt werden, in dem Backend zu erhalten. Ferner kann das Verfahren ein Aggregieren der mehreren vorbestimmten Größen bzw. der mehreren Datenvektoren in dem Backend umfassen, wobei das Erstellen der digitalen Karte basierend auf den aggregierten mehreren vorbestimmten Größen bzw. der mehreren Datenvektoren erfolgen kann. Das Erstellen der digitalen Karte kann ferner basierend auf einer Verfügbarkeit der automatisierten Funktion an der jeweiligen Position des Kraftfahrzeugs und/oder einer Information über einen ODD-Bereich der automatisierten Funktion erfolgen. Die digitale Karte kann dann Informationen über die Verfügbarkeit der automatisierten Funktion an bestimmten Geo-Locations bzw. an bestimmten Stellen, Abschnitten und/oder in bestimmten Bereichen der digitalen Karte enthalten.
Das oben Beschriebene lässt sich mit anderen Worten und auf eine konkrete Ausgestaltung bezogen, die als für die vorliegende Offenbarung nicht limitierend beschrieben wird, wie folgt zusammenfassen: Es können eine Vielzahl solcher „Self- Assessment“-Funktionalitäten betrieben werden, und ein daraus resultierender Datenvektor kann z.B. über einen permanenten up-Kanal in ein Daten-Backend gestreamt werden. Dort kann nun eine Karte erstellt werden, die die Datenvektoren, aggregiert von vielen Kunden- oder Entwicklerflottenfahrzeugen, zusammen mit Funktions-ODD-Bereichen und Informationen zur Kundenfunktionsverfügbarkeit darstellt. Damit ergeben sich - unter anderem - die folgenden Möglichkeiten: Die Korrelation zwischen den „Self-Assessment“ -Vektoren und Kundenfunktionsverhalten können evaluiert werden. Beispielsweise können erhöhte Ambiguitäten in der Objekterkennung mit Falschbremsungen auf Objekte korreliert werden. Es können, zusätzlich oder alternativ, risikobehaftete Orte und Situationen identifiziert werden, in denen die „Self-Assessment“ -Vektoren auf ein schlechtes oder fehlerhaftes Verhalten hindeuten, das unter Umständen jedoch noch nicht zu Funktionseinbußen geführt hat. Beispielsweise können in engen einspurigen Kurven gehäuft ID-Wechsel von getrackten Spuren beobachtet werden, die aber in Tests nie zu Beanstandungen geführt haben, da aufgrund der Einspurigkeit kein Fehler beim Neu-Aufsetzen der Spur gemacht wurde. Hiermit wurde nun ein Risiko, das für mehrspurige enge Kurven relevant werden könnte, identifiziert, welches mit Flottendaten quantifiziert und bewertet werden kann. Zusätzlich oder alternativ können chancenbehaftete Orte und Situationen identifiziert werden, in denen die „Self-Assessment“- Vektoren auf ein ausreichend gutes Verhalten hindeuten, um bestehende Funktionen außerhalb ihrer ODD zu betreiben, oder neue Funktionen bereit zu stellen. Als Beispiel hierfür kann eine Funktion betrachtet werden, die auf einer guten Objekterkennung beruht, jedoch nie für kleine Streßentypen freigegeben wurde. Aus den Daten kann sich nun zeigen, dass die Erkennungsgüte tatsächlich ausreicht, um die Funktion auch diese kleinen Straßentypen auszudehnen. Zusätzlich oder alternativ können logische Bedingungen aus der Verknüpfung von „Self-Assessment“ -Vektoren erstellt werden. Diese Logiken können dem on-board-System durch einen down-channel (d.h. vom Backend zum Kraftfahrzeug) im Rahmen von spezifischen Kampagnen zur Datensammlung bereitgestellt werden. Daraus erstellt das on-board-System Triggerbedingungen, die einen upload bestimmer (oder aller verfügbaren) Sensordaten in einem Zeitraum vor und/oder nach dem Trigger-Ereignis initiieren. Diese Daten können dann im Backend eingehend analysiert werden, um z.B. die Gründe für Qualitätseinbußen bei Erkennungsfunktionen in einem spezifischen Kontext zu analysieren. Als Beispiel hierfür kann eine Fahrfunktion dienen, die in seltenen Fällen Fehler in Kreisverkehren aufweist. Aus den „Self-Assessment“- Vektoren kann dann ersichtlich werden, dass diese Fälle mit Auffälligkeiten bei Spur- ID-Wechsel, erhöhter Unsicherheit bei der Objekterkennung und langsamem Gegenverkehr korrelieren. Die Kombination dieser drei Elemente der „Self- Assessment“ -Vektoren (ID-Wechsel, Unsicherheit, Gegenverkehrsgeschwindigkeit) zusammen mit der Ortsinformation „in einem Kreisverkehr“ wird dem on-board- System als Triggerbedingung bereitgestellt. Damit können Daten aus dem Feld mit diesen spezifischen Auffälligkeiten gesammelt und analysiert, und Verbesserungen in Form von Software-Updates abgeleitet werden.
Ferner wird ein System zur Datenverarbeitung, umfassend Mittel zur Ausführung des oben beschriebenen computer-implementierten Verfahrens, bereitgestellt.
Das System kann ein verteiltes System sein, dass eine (vom Kraftfahrzeug) externe Datenverarbeitungsvorrichtung (d.h. das Backend) umfassen kann, die z.B. von dem Kraftfahrzeughersteller betrieben wird, und/oder eine dazu (insbesondere drahtlos) verbundene Datenverarbeitungsvorrichtung umfassen, die in bzw. an dem Kraftfahrzeug angeordnet ist.
Letztere Datenverarbeitungsvorrichtung kann also Teil eines Kraftfahrzeugs sein. Bei der Datenverarbeitungsvorrichtung des Kraftfahrzeugs kann es sich beispielsweise um einen Datenlogger und/oder eine elektronische Steuereinheit (engl. ECU = electronic control unit) handeln. Die Datenverarbeitungsvorrichtung des Kraftfahrzeugs kann eine intelligente prozessor-gesteuerte Einheit sein, die z.B. über ein Central Gateway (CGW) mit anderen Modulen kommunizieren kann und die ggf. über Feldbusse, wie den CAN-Bus, LIN-Bus, MOST-Bus und FlexRay oder über Automotive-Ethernet, z.B. zusammen mit Telematiksteuergeräten, das Fahrzeugbordnetz bilden kann. Die Datenverarbeitungsvorrichtung kann, z.B. über oben genanntes Bordnetz, zu einem Sensorsystem verbunden sein.
Denkbar ist, dass die Datenverarbeitungsvorrichtung eine Speichereinheit umfasst, in der gesammelte Daten und/oder die ermittelte(n) Größe(n) zwischengespeichert werden, bevor diese an die externe Datenverarbeitungsvorrichtung gesendet werden. Denkbar ist, dass die Datenverarbeitungsvorrichtung die gesammelten Daten an die von dem Kraftfahrzeughersteller betriebene Datenverarbeitungsvorrichtung sendet, insbesondere (optional ohne Zwischenspeicherung) streamt.
Das oben mit Bezug zum Verfahren Beschriebene gilt analog auch für das System zur Datenverarbeitung und umgekehrt.
Ferner kann ein Kraftfahrzeug aufweisend eine Datenverarbeitungsvorrichtung bereitgestellt werden, wobei die Datenverarbeitungsvorrichtung ausgestaltet ist, um das Verfahren zur Bewertung der Güte der automatisierten Funktion des Kraftfahrzeugs auszuführen, das Verfahren umfassend: Ermitteln von einer vorbestimmten Größe basierend auf Eingangsdaten und/oder Ausgangsdaten der automatisierten Funktion mittels einer Selbstanalysefunktion, und Übermitteln der vorbestimmten Größe von dem Kraftfahrzeug an das Backend.
Bei dem Kraftfahrzeug kann es sich um einen Personenkraftwagen, insbesondere ein Automobil, handeln. Bei dem Kraftfahrzeug kann es sich um ein automatisiertes Kraftfahrzeug handeln, das ausgestaltet sein kann, um eine Längsführung und/oder eine Querführung bei einem automatisierten Fahren des Kraftfahrzeugs zumindest teilweise und/oder zumindest zeitweise zu übernehmen. Das automatisierte Fahren kann so erfolgen, dass die Fortbewegung des Kraftfahrzeugs (weitgehend) autonom erfolgt.
Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 0 sein, d.h. der Fahrer übernimmt die dynamische Fahraufgabe, auch wenn unterstützende Systeme (z. B. ABS oder ESP) vorhanden sind.
Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 1 sein, d.h. bestimmte Fahrerassistenzsysteme aufweisen, die den Fahrer bei der Fahrzeugbedienung unterstützen, wie beispielsweise der Abstandsregeltempomat (ACC).
Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 2 sein, d.h. so teilautomatisiert sein, dass Funktionen wie automatisches Einparken, Spurhalten bzw. Querführung, allgemeine Längsführung, Beschleunigen und/oder Abbremsen von Fahrerassistenzsystemen übernommen werden.
Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 3 sein, d.h. so bedingungsautomatisiert, dass der Fahrer das System Fahrzeug nicht durchgehend überwachen muss. Das Kraftfahrzeug führt selbstständig Funktionen wie das Auslösen des Blinkers, Spurwechsel und/oder Spurhalten durch. Der Fahrer kann sich anderen Dingen zuwenden, wird aber bei Bedarf innerhalb einer Vorwarnzeit vom System aufgefordert die Führung zu übernehmen.
Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 4 sein, d.h. so hochautomatisiert, dass die Führung des Fahrzeugs dauerhaft vom System Fahrzeug übernommen wird. Werden die Fahraufgaben vom System nicht mehr bewältigt, kann der Fahrer aufgefordert werden, die Führung zu übernehmen.
Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 5 sein, d.h. so vollautomatisiert, dass der Fahrer zum Erfüllen der Fahraufgabe nicht erforderlich ist. Außer dem Festlegen des Ziels und dem Starten des Systems ist kein menschliches Eingreifen erforderlich. Das oben mit Bezug zum Verfahren und zum System zur Datenverarbeitung Beschriebene gilt analog auch für das Kraftfahrzeug und umgekehrt.
Ferner kann ein Computerprogramm bereitgestellt werden. Das Computerprogramm zeichnet sich dadurch aus, dass diese Befehle umfasst, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das oben beschriebene Verfahren zumindest teilweise auszuführen.
Ein Programmcode des Computerprogramms kann in einem beliebigen Code, insbesondere in einem Code, der für Steuerungen von Kraftfahrzeugen geeignet ist, z.B. umfassend LUA-Skripte, vorliegen.
Ferner wird ein computerlesbares Medium, insbesondere ein computerlesbares Speichermedium, bereitgestellt. Das computerlesbare Medium zeichnet sich dadurch aus, dass diese Befehle umfasst, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das oben beschriebene Verfahren zumindest teilweise auszuführen.
Das heißt, es kann ein computerlesbares Medium bereitgestellt werden, das ein oben definiertes Computerprogramm umfasst. Bei dem computerlesbaren Medium kann es sich um ein beliebiges digitales Datenspeichergerät handeln, wie zum Beispiel einen USB-Stick, eine Festplatte, eine CD-ROM, eine SD-Karte oder eine SSD-Karte.
Das Computerprogramm muss nicht zwingend auf einem solchen computerlesbarem Speichermedium gespeichert sein, um dem Kraftfahrzeug zur Verfügung gestellt zu werden, sondern kann auch über das Internet oder anderweitig extern bezogen werden.
Das oben mit Bezug zum Verfahren, zum System zur Datenverarbeitung und zum Kraftfahrzeug Beschriebene gilt analog auch für das Computerprogramm und das computerlesbare Medium und umgekehrt. Nachfolgend wird eine Ausführungsform mit Bezug zu Figuren 1 und 2 beschrieben.
Fig. 1 zeigt schematisch ein System zur Datenverarbeitung, umfassend Mittel zur Ausführung eines Verfahrens zur Bewertung einer Güte einer automatisierten Funktion eines Kraftfahrzeugs, und
Fig. 2 zeigt schematisch ein Ablaufdiagramm des Verfahrens.
Das in Figur 1 dargestellte System 1 weist ein Backend 2 und ein über eine drahtlose Datenverbindung 4 zu dem Backend verbundenes Kraftfahrzeug 3 auf. Das Kraftfahrzeug 3 weist eine Datenverarbeitungsvorrichtung 31 und einen dazu verbundenen Baustein bzw. ein dazu verbundenes Teil 32 (z.B. ein Fahrassistenzsystem) auf, der bzw. das ausgestaltet ist, eine automatisierte Funktion (z.B. eine Objekterkennung basierend auf Sensordaten eines nicht dargestellten Sensorsystems des Kraftfahrzeugs 3) auszuführen. Das System 1 ist ausgestaltet, um das nachfolgend auch mit Bezug zu Figur 2 beschriebene Verfahren zur Bewertung einer Güte der automatisierten Funktion auszuführen.
In einem ersten Schritt S1 des Verfahrens erfolgt ein Bereitstellen mehrerer Selbstanalysefunktionen, jeweils als Softwarebaustein oder gesammelt als ein (einziger) Softwarebaustein, für die automatisierte Funktion. Die Selbstanalysefunktionen können dazu beispielsweise über die drahtlose Datenverbindung 4 von dem Backend 2 an das Kraftfahrzeug 3, genauer gesagt an die Datenverarbeitungsvorrichtung 31 , übermittelt werden.
In einem zweiten Schritt S2 des Verfahrens erfolgt ein Ermitteln von jeweils zumindest einer vorbestimmten Größe basierend auf Eingangsdaten und/oder Ausgangsdaten der automatisierten Funktion mittels den Selbstanalysefunktionen, die von der Datenverarbeitungsvorrichtung 31 ausgeführt werden. Bei den Eingangsdaten kann es sich um Sensordaten, z.B. Bilddaten, handeln. Bei den Ausgangsdaten kann es sich z.B. um ein Ergebnis einer Analyse der Sensordaten, die von der automatisierten Funktion durchgeführt wird, handeln. Bei der vorbestimmten Größe kann es sich um eine Unsicherheit bei einer Assoziation eines mittels eines Sensors des Kraftfahrzeugs erkannten Objekts zu einem Objekt-Track, eine Häufigkeit eines Hypothesenwechsels bei einer uneindeutigen Detektion eines mittels eines Sensors des Kraftfahrzeugs erkannten Objekts, eine Häufigkeit eines Klassenwechsels eines mittels eines Sensors des Kraftfahrzeugs erkannten Objekts, und/oder ein a posteriori Maß für eine Fehldetektion eines mittels eines Sensors des Kraftfahrzeugs erkannten Objekts handeln. Ferner wird eine Position des Kraftfahrzeugs, an der die vorbestimmten Größen ermittelt werden, bestimmt bzw. ermittelt. Zudem wird eine Verfügbarkeit der automatisierten Funktion an der jeweiligen Position des Kraftfahrzeugs 3, d.h. zu dem Zeitpunkt, zu dem die vorbestimmten Größen ermittelt werden, und eine Information über einen ODD- Bereich der automatisierten Funktion ermittelt.
In einem dritten Schritt S3 des Verfahrens erfolgt ein Ermitteln eines Datenvektors umfassend die mittels der Selbstanalysefunktionen ermittelten vorbestimmten Größen, die ermittelte Position des Kraftfahrzeugs, die Verfügbarkeit der automatisierten Funktion zum Zeitpunkt der Ermittlung der Position und der vorbestimmten Größen, und die Information über den ODD-Bereich der automatisierten Funktion durch die Datenverarbeitungsvorrichtung 31 .
In einem vierten Schritt S4 des Verfahrens erfolgt ein Übermitteln des Datenvektors von dem Kraftfahrzeug 3 an das Backend 2.
Die oben beschriebene Schritte S1 - S4 werden dabei wiederholt bzw. mehrmals von mehreren Kraftfahrzeugen einer Kraftfahrzeugflotte durchgeführt, der das Kraftfahrzeug 3 angehört, sodass die vorbestimmten Größen und damit der darauf basierende Datenvektor an derselben Position (zu verschiedenen Zeitpunkten) und/oder in derselben Fahrsituation (z.B. Durchfahrt durch einen Kreisverkehr) mehrmals ermittelt und vom jeweiligen Kraftfahrzeug an das Backend 2 übermittelt wird.
In einem fünften Schritt S5 des Verfahrens erfolgt ein Aggregieren der mehreren Datenvektoren in dem Backend 2. Dies kann z.B. durch Bildung eines Mittelwerts der ermittelten und in den Datenvektoren enthaltenen Größen erfolgen. In einem sechsten Schritt S6 des Verfahrens erfolgt ein Erstellen oder ein Ergänzen einer bestehenden digitalen Karte basierend auf den aggregierten mehreren Datenvektoren.
In einem siebten Schritt S7 des Verfahrens erfolgt eine Bewertung der Güte der automatisierten Funktion anhand vorbestimmter bzw. vordefinierter Kriterien mittels der digitalen Karte und ein Anpassen der automatisierten Funktion, z.B. durch eine Erweiterung von deren ODD-Bereich, und/oder ein Ermitteln einer weiteren automatisierten Funktion basierend auf einem Ergebnis der Analyse.
Die angepasste und/oder weitere automatisierte Funktion kann mittels einem Software-Update über die drahtlose Datenverbindung 4 in einem achten Schritt S8 des Verfahrens in dem Kraftfahrzeug 3, insbesondere der gesamten Kraftfahrzeugflotte, der das Kraftfahrzeug 3 angehört, implementiert werden.
Bezugszeichenliste
1 System zur Datenverarbeitung 2 Backend
3 Kraftfahrzeug
31 Datenverarbeitungsvorrichtung
32 Baustein mit automatisierter Funktion
4 drahtlose Datenverbindung
S1 - S8 Verfahrensschritte

Claims

Patentansprüche Verfahren zur Bewertung einer Güte einer automatisierten Funktion eines Kraftfahrzeugs (3), wobei das Verfahren umfasst:
Bereitstellen zumindest einer Selbstanalysefunktion als Softwarebaustein für die automatisierte Funktion,
- Ermitteln von einer vorbestimmten Größe basierend auf Eingangsdaten und/oder Ausgangsdaten der automatisierten Funktion mittels der Selbstanalysefunktion, und
- Übermitteln der vorbestimmten Größe von dem Kraftfahrzeug (3) an ein Backend
(2). Verfahren nach Anspruch 1 , wobei es sich bei der vorbestimmten Größe um:
- eine Unsicherheit bei einer Assoziation eines mittels eines Sensors des Kraftfahrzeugs (3) erkannten Objekts zu einem Objekt-Track,
- eine Häufigkeit eines Hypothesenwechsels bei einer uneindeutigen Detektion eines mittels eines Sensors des Kraftfahrzeugs (3) erkannten Objekts,
- eine Häufigkeit eines Klassenwechsels eines mittels eines Sensors des Kraftfahrzeugs (3) erkannten Objekts, und/oder
- ein a posteriori Maß für eine Fehldetektion eines mittels eines Sensors des Kraftfahrzeugs (3) erkannten Objekts handelt. Verfahren nach Anspruch 1 oder 2, wobei das Verfahren:
- Bereitstellen einer Vielzahl der Selbstanalysefunktionen als Softwarebaustein für die automatisierte Funktion,
- Ermitteln von jeweils einer vorbestimmten Größe basierend auf den Eingangsdaten und/oder den Ausgangsdaten der automatisierten Funktion mittels der Selbstanalysefunktionen,
Ermitteln eines Datenvektors aus den mittels der Selbstanalysefunktionen ermittelten vorbestimmten Größen, und
- Übermitteln des Datenvektors von dem Kraftfahrzeug
(3) an das Backend (2).
4. Verfahren nach einem der Ansprüche 1 bis 3, wobei das Verfahren umfasst:
- Ermitteln einer Position des Kraftfahrzeugs (3), an der die vorbestimmte Größe ermittelt wird, und
- Übermitteln der ermittelten Position zusammen mit der vorbestimmten Größe von dem Kraftfahrzeug (3) an das Backend (2).
5. Verfahren nach einem der Ansprüche 1 bis 4, wobei das Verfahren ein Erstellen einer digitalen Karte basierend auf der übermittelten vorbestimmten Größe und der zusammen mit der vorbestimmten Größe übermittelten Position in dem Backend umfasst.
6. Verfahren nach Anspruch 5, wobei das Verfahren umfasst:
- mehrmaliges Durchführen des Verfahrens nach einem der Ansprüche
1 bis 4, um mehrere vorbestimmte Größen bzw. mehrere Datenvektoren, die an derselben Position des Kraftfahrzeugs (3) und/oder in derselben Fahrsituation ermittelt werden, in dem Backend (2) zu erhalten, und
- Aggregieren der mehreren vorbestimmten Größen bzw. der mehreren Datenvektoren in dem Backend (2),
- wobei das Erstellen der digitalen Karte basierend auf den aggregierten mehreren vorbestimmten Größen bzw. der mehreren Datenvektoren erfolgt.
7. Verfahren nach Anspruch 5 oder 6, wobei das Erstellen der digitalen Karte ferner basierend auf einer Verfügbarkeit der automatisierten Funktion an der jeweiligen Position des Kraftfahrzeugs (3) und/oder einer Information über einen ODD-Bereich der automatisierten Funktion erfolgt.
8. System zur Datenverarbeitung (1 ), umfassend Mittel zur Ausführung des Verfahrens nach einem der Ansprüche 1 bis 7.
9. Computerprogramm, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das Verfahren nach einem der Ansprüche 1 bis 7 auszuführen.
10. Computerlesbares Medium, umfassend Befehle, die bei der Ausführung des der Befehle durch einen Computer diesen veranlassen, das Verfahren nach einem der Ansprüche 1 bis 7 auszuführen.
EP23713927.4A 2022-05-05 2023-03-28 Verfahren und vorrichtung zur bewertung einer güte einer automatisierten funktion eines kraftfahrzeugs Pending EP4519711A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102022111181.4A DE102022111181A1 (de) 2022-05-05 2022-05-05 Verfahren und vorrichtung zur bewertung einer güte einer automatisierten funktion eines kraftfahrzeugs
PCT/EP2023/057934 WO2023213476A1 (de) 2022-05-05 2023-03-28 Verfahren und vorrichtung zur bewertung einer güte einer automatisierten funktion eines kraftfahrzeugs

Publications (1)

Publication Number Publication Date
EP4519711A1 true EP4519711A1 (de) 2025-03-12

Family

ID=85778839

Family Applications (1)

Application Number Title Priority Date Filing Date
EP23713927.4A Pending EP4519711A1 (de) 2022-05-05 2023-03-28 Verfahren und vorrichtung zur bewertung einer güte einer automatisierten funktion eines kraftfahrzeugs

Country Status (5)

Country Link
US (1) US20250292633A1 (de)
EP (1) EP4519711A1 (de)
CN (1) CN119032294A (de)
DE (1) DE102022111181A1 (de)
WO (1) WO2023213476A1 (de)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102023210266A1 (de) * 2023-10-19 2025-04-24 Robert Bosch Gesellschaft mit beschränkter Haftung Computerimplementiertes Verfahren zum Betreiben eines zumindest teilweise autonom operierenden Fahrzeugs

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9612123B1 (en) * 2015-11-04 2017-04-04 Zoox, Inc. Adaptive mapping to navigate autonomous vehicles responsive to physical environment changes
US10726577B2 (en) * 2018-01-12 2020-07-28 Intel Corporation Post-incident management for autonomous vehicles
DE102018201130A1 (de) 2018-01-25 2019-07-25 Robert Bosch Gmbh Vorrichtung und Verfahren zum Registrieren und Überwachen autonomer Fahrzeuge
DE102018205322A1 (de) * 2018-04-10 2019-10-10 Audi Ag Verfahren und Steuervorrichtung zum Erkennen einer Fehlfunktion zumindest eines Umfeldsensors eines Kraftfahrzeugs
GB2586633B (en) * 2019-08-30 2022-09-07 Jaguar Land Rover Ltd Layered electrical architecture for vehicle diagnostics
US11619942B2 (en) 2019-10-15 2023-04-04 Robert Bosch Gmbh Controlling an autonomous vehicle when the autonomous vehicle is outside of its operational design domain
DE102020204353A1 (de) 2020-04-03 2021-10-07 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Betreiben eines Kraftfahrzeuges in einem automatisierten Fahrmodus

Also Published As

Publication number Publication date
CN119032294A (zh) 2024-11-26
US20250292633A1 (en) 2025-09-18
WO2023213476A1 (de) 2023-11-09
DE102022111181A1 (de) 2023-11-09

Similar Documents

Publication Publication Date Title
DE102016000493B4 (de) Verfahren zum Betrieb eines Fahrzeugsystems und Kraftfahrzeug
DE112018001569T5 (de) Informationsverarbeitungsgerät und Informationsverarbeitungssystem
DE102011118147A1 (de) Verfahren zum Ermitteln einer Geschwindigkeit eines Fahrzeugs und Fahrzeug
EP3504697B1 (de) Verfahren zum vermessen eines fahrereignisses, servervorrichtung und system aus der servervorrichtung und mehreren kraftfahrzeugen
DE102018203353A1 (de) Steuereinheit und Verfahren zum Betreiben einer Fahrfunktion an einer Signalisierungsanlage
DE102014223247A1 (de) Autonomfahrzeugerkennung
DE102012202914A1 (de) Diagnoseverfahren und Diagnosevorrichtung für eine Fahrzeugkomponente eines Fahrzeugs
DE112016007501T5 (de) Regel-/steuervorrichtung und regel-/steuerverfahren
DE102017009971A1 (de) Verfahren zum Testen eines Spurhalteassistenzsystems für ein Fahrzeug
DE102017209258A1 (de) Verfahren und Vorrichtung zum Überwachen einer Fahrstabilität eines Fahrzeugs auf einer vorausliegenden Fahrroute
DE102008063033B4 (de) Vorrichtung und Verfahren zur Erkennung von Kollisionen mit erhöhter funktionaler Sicherheit
DE102020211483A1 (de) Verfahren zum Testen eines Sensorsystems eines Kraftfahrzeugs
AT524418B1 (de) Verfahren zum Durchführen einer Testfahrt mit zumindest einem Testfahrzeug
EP4519711A1 (de) Verfahren und vorrichtung zur bewertung einer güte einer automatisierten funktion eines kraftfahrzeugs
DE102021202903A1 (de) Verfahren zum Bewerten einer Software für ein Steuergerät eines Fahrzeugs
DE102021130805A1 (de) Verfahren und vorrichtung zur analyse eines umfelds zumindest eines kraftfahrzeugs
WO2015062816A1 (de) Verfahren und vorrichtung zum bereitstellen einer ereignismeldung bezüglich eines einem fahrzeug bevorstehenden ereignisses
DE102016124060A1 (de) Car-to-infrastructure Parklückenerkennungssystem für ein Kraftfahrzeug
WO2017005255A1 (de) Vorrichtung und verfahren zur fahrerassistenz für ein kraftfahrzeug
DE102022111182A1 (de) Verfahren und vorrichtung zur steuerung eines sammelns von fahrzeug-umfelddaten, die mittels einem an einem fahrzeug verbauten sensorsystem gesammelt werden
WO2023222357A1 (de) Verfahren und vorrichtung zum erkennen einer fehlfunktion eines umfeldmodells einer automatisierten fahrfunktion
EP4448362A1 (de) Verfahren und system zum feststellen eines vorliegens einer vorbestimmten fahrsituation bei einer fahrt mit einem aktiviertem fahrassistenzsystem
DE102022104931A1 (de) Verfahren zum betreiben eines notbremsassistenten eines automatisierten kraftfahrzeugs
DE102016009199B4 (de) Verfahren zum Betreiben einer Datenerfassungseinheit zum Erfassen von mindestens einem Steuerungsereignis einer Steuerungvorrichtung eines Kraftfahrzeugs sowie eine Datenerfassungseinheit und eine Datenverarbeitungseinheit
DE102014209365A1 (de) Verfahren und Vorrichtung zum Einstellen eines Betriebszustands einer Antriebseinrichtung eines Fahrzeugs

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20241111

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)