JP2019184607A - 衛星支援によって車両位置を特定するための方法 - Google Patents

Abstract

【課題】本発明は、衛星支援によって車両位置を特定するための方法に関する。【解決手段】当該方法は、ａ）ＧＮＳＳ衛星データを受信するステップと、ｂ）ステップａ）で受信されたＧＮＳＳ衛星データを用いて車両位置を特定するステップと、ｃ）ステップｂ）で特定された車両位置の精度に影響を及ぼし得る入力変数を提供するステップと、ｄ）車両位置に位置精度を対応付けるアルゴリズムを使用して、ステップｂ）で特定された車両位置の位置精度を決定するステップと、ｅ）アルゴリズムを適合させるステップとを含む。【選択図】図１

Description

本発明は、衛星支援によって車両位置を特定するための方法と、衛星支援によって特定された車両位置の精度推定を改善するための方法と、コンピュータプログラムと、機械可読記憶媒体と、モーション及びポジションセンサとに関する。本発明は、特に自律運転において使用するために適している。

従来技術
自律車両は、運転者なしで動作可能な車両である。車両は、例えば、道路形状、他の道路利用者、又は、障害物を自力で識別し、対応する制御命令を車両内で計算し、これらの制御命令を車両内のアクチュエータに伝送することにより、車両の走行経路に適切な影響を与えることによって自律的に走行する。完全自律車両の場合には、運転者が運転プロセスに関与していない。

現在のところ利用可能な車両は、依然として自律的に行動することができない。一方では、対応する技術がまだ完全には完成に至っていないからである。他方では、今日ではまだ、運転者がいつでも運転プロセスに介入可能であるようにしなければならないことが法律的に規定されているからである。これによって自律車両の実施が困難になっている。しかしながら、自律運転又は半自律運転を提供する種々の製造業者のシステムは、既に存在している。これらのシステムは、集中的な試験段階にある。今日でも既に、上述した障害が取り除かれると直ちに、完全自律型の車両システムが数年以内に発売されることが予想される。

特に、自律運転のための車両は、特にナビゲーション衛星データ（ＧＰＳ、ＧＬＯＮＡＳＳ、北斗、ガリレオ）を用いて高精度の車両位置を特定することができるセンサシステムを必要とする。このために現在では、車両ルーフ上のＧＮＳＳアンテナを介してＧＮＳＳ（全地球的航法衛星システム）信号が受信され、ＧＮＳＳセンサによって処理される。これに加えて、測位結果を向上させるためにＧＮＳＳ補正データを考慮することが可能である。特に有利なＧＮＳＳセンサは、いわゆるモーション及びポジションセンサであり、このモーション及びポジションセンサは、ＧＮＳＳデータを使用して、少なくとも１つの車両位置又は車両方位又は車両動作を特定することができる。

モーション及びポジションセンサを用いることにより、自車両位置を高精度に特定することを可能にすることができる。車両位置を高精度で特定するために、モーション及びポジションセンサにおいては、ＧＮＳＳデータに加えてＧＮＳＳ補正データ並びに車輪回転数及び車両操舵角が使用される。複数の個々の入力データが、カルマンフィルタ内で融合されて１つの（合計）車両位置となる。この結果が、例えばＧＮＳＳ座標のような世界における推定された（自）車両位置である。

上述したように、１つの融合された車両位置の特定は、モーション及びポジションセンサを使用して実施される（ＧＮＳＳ、ＧＮＳＳ補正データ、車輪回転数、操舵角、加速度データ、回転速度データ等）。しかしながら、モーション及びポジションセンサのこの高精度の車両位置は、精度変動を受ける。したがって、モーション及びポジションセンサから、現在利用可能な位置精度の統計的な情報も提供されることが望ましい。この統計的な情報は、当技術分野においていわゆる保護限界（Protection Limit：ＰＬ）とも称される統計的な位置精度である。例えば、車両の位置偏差を、進行方向に一定のメートル以下、横方向に一定のメートル以下、及び、高さ方向に一定のメートル以下としてもよい。保護限界を超えると、例えばモーション及びポジションセンサから警告が出力される。車両の、モーション及びポジションセンサの位置にアクセスする他の制御装置は、この情報を使用して、モーション及びポジションセンサのデータのさらなる処理を許可又は禁止することができる。

このために、保護限界を統計的にできるだけ正確に画定する必要がある。例えば、現在のモーション及びポジションセンサにおいて現在利用可能な位置精度は、車両に現存するシナリオ及びルックアップテーブルに基づいて決定される。このルックアップテーブルは、既存のパラメータに関してできるだけ多くのシナリオによって較正される。このためには、例えば複数の異なる移動軌跡又は複数の異なるＧＮＳＳ衛星コンステレーションデータを含む、膨大な量の運転シナリオが必要である。したがって、実際にはそのようなルックアップテーブルを、過去に車両に存在した全てのシナリオに関して完全にパラメータ化することは不可能である。例えば、考えられる全ての運転シナリオを、あらゆる時刻に世界中のあらゆる位置で一度記録しなければならず、複数の異なるシナリオに基づいてモーション及びポジションセンサからの位置情報の統計をパラメータ化するために使用する必要があるだろう。実際には、例えば試験走行中のシナリオの数に限りがあるので、このことは不可能である。さらに、このデータ記録のために使用される車両の台数にも限りがある。

発明の開示
本明細書においては、請求項１によれば、衛星支援によって車両位置を特定するための方法であって、
ａ）ＧＮＳＳ衛星データを受信するステップと、
ｂ）ステップａ）で受信されたＧＮＳＳ衛星データを用いて車両位置を特定するステップと、
ｃ）ステップｂ）で特定された車両位置の精度に影響を及ぼし得る入力変数を提供するステップと、
ｄ）車両位置に位置精度を対応付けるアルゴリズムを使用して、ステップｂ）で特定された車両位置の位置精度を決定するステップと、
ｅ）アルゴリズムを適合させるステップと、
を含む、方法が提案される。

本方法は、特に、車両又は自車両のモーション及びポジションセンサを用いて、衛星支援によって車両位置を特定するために使用される。（自）車両とは、好ましくは自律車両、特に自律的に動作する自動車である。ＧＮＳＳは、Global Navigation Satellite System（全地球測位衛星システム）を表している。ＧＮＳＳは、本明細書においては衛星データと呼ばれるナビゲーション衛星からの信号を受信することによって、地上及び／又は空中における位置特定及び／又はナビゲートを実施するためのシステムである。ＧＮＳＳは、ＧＰＳ（ＮＡＶＩＳＴＡＲ ＧＰＳ）、ＧＬＯＮＡＳＳ、北斗、Ｇａｌｉｌｅｏのような、既存及び将来の世界的な衛星システムの使用に関する総称である。したがって、ＧＮＳＳセンサは、例えばナビゲーション衛星データを受信して処理、例えば評価するために適したセンサである。好ましくは、ＧＮＳＳセンサは、ナビゲーション衛星データ（ＧＰＳ、ＧＬＯＮＡＳＳ、北斗、ガリレオ）を用いて高精度の車両位置を特定することができる。ＧＮＳＳデータは、特にナビゲーション衛星から受信されるデータであり、ＧＮＳＳデータを、「ナビゲーション衛星データ」と呼ぶこともできる。

ステップａ）においては、ＧＮＳＳ衛星データが受信される。好ましくは、自車両のモーション及びポジションセンサは、（車両の）少なくとも１つのＧＮＳＳ受信ユニットから、例えば、特に車両側のＧＮＳＳアンテナから、ＧＮＳＳ衛星データを受信し、この車両側のＧＮＳＳアンテナ自体が、ナビゲーション衛星と（直接）通信し、又は、衛星信号を（直接）受信する。ステップｂ）においては、ステップａ）で受信されたＧＮＳＳ衛星データを用いて（自車両の）車両位置が特定される。好ましくは、ステップｂ）においては、自車両のモーション及びポジションセンサによって自車両位置が特定される。少なくともステップａ）又はｂ）において、ナビゲーション衛星信号の通過時間の測定を実施することができる。

ステップｃ）においては、ステップｂ）で特定された車両位置の精度に影響を及ぼし得る入力変数が提供される。入力変数として、特に以下の変数又はデータのうちの１つ又は複数を使用することができる：
・車両位置における日付及び時刻、
・衛星番号を伴う、この位置で利用可能な衛星の衛星コンステレーション（エフェメリスデータ）又は数、
・このシナリオにおけるこの日時において、この位置で利用可能な衛星の信号強度又は搬送波対雑音比（Carrier-to-Noise Ratio）、
・車両の周囲の別の構造物又は車両の周囲の道路利用者に関する推定を提供する、車両の環境センサからのデータ（例えば、自車両の周囲に、例えば今まさに特定された衛星を遮蔽するようなトラックが存在するかどうか）、
・他の道路利用者の位置データ、
・他の道路利用者の、例えば長さ、幅及び／又は高さのようなデータ、
・他の道路利用者の、特に自車両に対して相対的な速度、
・自車両の速度、
・自車両の周囲のインフラストラクチャポイント（建物、標識、信号機）のような構造物又は特徴、
・自車両の現在の加速度及び／又は回転速度、
・自車両の車輪の車輪速度及び／又は回転方向、
・自車両の操舵角、
・（Ｌ帯域又は車Ｘ間（Car-to-X）通信リンクを介した）少なくとも１つのＧＮＳＳ補正サービスの利用可能性及び／又はデータ内容。

上記の入力変数は、特に排他的なものではない。上述した全ての入力変数を使用しようとしたルックアップテーブルが、（自律）車両内又はモーション及びポジションセンサ内で驚くほど大量のメモリを必要とすることは、既に本明細書で明らかにされている。全ての起こり得るシナリオが記憶されている場合であっても、ルックアップテーブルは、実際には決して完全ではない。驚くべきことに本明細書においては、これまで使用されてきたルックアップテーブルの代わりに使用するために、アルゴリズムと、特に学習する学習アルゴリズムとが非常に有利であること判明した。なぜなら、これによって、一方では、メモリスペースの大幅な節約が可能となるからであり、さらに驚くべきことに、場合によっては、ルックアップテーブルを使用した場合よりも完全に、全ての起こり得るシナリオを網羅することも可能となるからである。

ステップｄ）においては、（特定された）車両位置に位置精度を対応付けるアルゴリズムを使用して、ステップｂ）で特定された車両位置の（統計的な）位置精度が決定される。好ましくは、アルゴリズムは、入力変数のうちの少なくとも１つを考慮して、（特定された）車両位置に位置精度を対応付ける。特に好ましくは、アルゴリズムは、ステップｂ）で特定された車両位置と、ステップｃ）で提供された入力変数のうちの少なくとも１つとに依存して、ステップｂ）で特定された車両位置の（統計的な）位置精度を決定又は計算する。例えば、アルゴリズムは、入力値として、特定された車両位置と、この車両位置が特定された時間（日付及び時刻）とが供給された場合に、出力値として、（実際の車両位置に対する）例えば±１メートル又は２％の偏差を出力することができる。換言すれば、この例は、特に、アルゴリズムに（関数的な関係性の形態において）記憶されており、ある特定の算出された位置で、ある特定の時間において、特定の、算出される不正確さを計算すべきであるということを意味する。さらに換言すれば、アルゴリズムは、本明細書に記載された例においては、特定された車両位置及び時間の関数として位置精度を記述する。

ステップｄ）とステップｅ）との間においては、ステップｂ）で特定された車両位置にステップｄ）で決定された位置精度を対応付けることができる。これによって、有利には、例えば、本明細書においては一例として、対応付けによって形成された一対の値が供給される、車両の自律走行のための制御装置のようなコンポーネントが、この車両位置を使用したいか、及び、場合によってはどのように使用したいかを、判断することが可能となる。

ステップｅ）においては、アルゴリズムが適合される。このことは特に、保護限界を画定するために使用される。アルゴリズムの適合は、ステップｃ）で提供された入力変数、又はステップｃ）で提供された入力変数のうちの少なくとも１つを考慮して、及び／又は、特定された車両位置と対応する基準位置との間の比較、又は、基準位置を考慮して、実施される。上記の例に戻ると、例えば、特定された車両位置と基準位置との比較に基づいて、特定された車両位置で、特定の時間において、（例えば実際の車両位置に対して）例えば＋／−１メートル又は例えば２％の偏差が存在していることが判明した場合には、保護限界を画定するためのアルゴリズムを、この関係性をマッピングすることができるように適合させることができる。

アルゴリズムは、好ましくは、いわゆる学習アルゴリズムである。アルゴリズムの適合は、好ましくは学習段階中又は学習段階後に実施される。本明細書に提示される解決策の特別な態様は、これまで使用されてきたルックアップテーブルの代わりにアルゴリズム、特に学習アルゴリズムを使用することにおいて見て取ることができる。アルゴリズムは、特に、利用可能な車両位置の、又はモーション及びポジションセンサによって特定された車両位置の、統計的な精度（保護限界）を計算するために構成されている。換言すれば、このことは特に、アルゴリズムが、モーション及びポジションセンサの位置精度に関する関数関係を示すということを意味する。

有利な実施形態によれば、ステップａ）乃至ｅ）を車両側で実施することが提案される。換言すれば、このことは特に、全てのステップａ）乃至ｅ）が自車両のセンサ及び／又は制御装置によって実施されるということを意味する。この場合、ステップｅ）による適合を、例えば学習段階中に実施することができる。さらに、アルゴリズムを車両外部で発展又は適合させることを企図することができる。この場合には例えば、ステップｅ）による適合を、車両側に記憶されているアルゴリズムが車両外部で発展又は適合されたアルゴリズムによって置換又は更新されるように実施することができ、又は、これらのアルゴリズム同士の融合が実施されるように実施することができる。

好ましくは、ステップｅ）における最初の適合の前にも既に、ステップｄ）で位置精度を決定するために使用されるアルゴリズムが設けられている。このアルゴリズムを「初期」アルゴリズムと呼ぶことができる。この「初期」アルゴリズムを、例えば制御ユニット又はメモリに記憶しておくことができる。

さらなる有利な実施形態によれば、少なくともステップｅ）を車両外部で実施し、車両側に記憶されているアルゴリズムを適合させるための少なくとも１つの情報を、少なくとも１つの車両に提供することが提案される。このためにステップｅ）を、複数の車両からデータ及び／又はアルゴリズムを受信することができる中央処理装置によって実施することができる。さらに、車両外部で適合されたアルゴリズムが多数の車両に提供されると有利である。

有利な実施形態によれば、アルゴリズムが、（特定された又はＧＮＳＳに基づいた）車両位置と、入力変数のうちの少なくとも１つとに依存して位置精度を決定することが提案される。特に好ましくは、アルゴリズムは、ステップｂ）で特定された車両位置と、ステップｃ）で提供された入力変数のうちの少なくとも１つとに依存して、ステップｂ）で特定された車両位置の（統計的な）位置精度を決定又は計算する。上記の例に戻ると、アルゴリズムは、入力値として、特定された車両位置と、この車両位置が特定された時間（日付及び時刻）とが供給された場合に、出力値として、（実際の車両位置に対する）例えば±１メートル又は２％の偏差を出力することができる。

さらなる態様によれば、衛星支援によって特定された車両位置の精度推定を改善するための方法であって、
ｉ）ＧＮＳＳに基づいた車両位置を検出するステップと、
ｉｉ）ステップｉ）で検出された車両位置の精度に影響を及ぼし得る入力変数を受信するステップと、
ｉｉｉ）ステップｉ）で検出された車両位置に対する基準位置を検出するステップと、
ｉｖ）ステップｉ）で検出された車両位置とステップｉｉｉ）で検出された基準位置との間の少なくとも１つの比較を考慮して［に依存して］、又は、ステップｉｉ）で受信された入力変数のうちの少なくとも１つを考慮して［に依存して］、［特定された］車両位置に位置精度を対応付けるアルゴリズムを適合させるステップとを含む、方法が提案される。

好ましくは、本方法は、モーション及びポジションセンサにおける、いわゆる保護限界を自動的に画定するために使用される。本方法はさらに、有利にはこれまで使用されてきたルックアップテーブルの代わりに（関数関係を）使用することができる（学習）アルゴリズムを提供するために寄与する。

ステップｉ）においては、ＧＮＳＳに基づいた車両位置が検出される。このために、ＧＮＳＳに基づいた車両位置を、例えば車両のモーション及びポジションセンサによって特定することができる。さらに、（特定された）ＧＮＳＳに基づいた車両位置を、例えば車両の制御装置によって受信することができる。さらに、（特定された）ＧＮＳＳに基づいた車両位置を、（車両外部の）中央処理装置によって受信することができる。

ステップｉｉ）においては、ステップｉ）で検出された車両位置の精度に影響を及ぼし得る入力変数が受信される。入力変数に関しては、衛星支援によって車両位置を特定するための方法に関連して上述した入力変数が参照される。入力変数は、例えば（自）車両の対応するセンサによって提供することができる。さらに、入力変数を、例えば車両の制御装置及び／又はモーション及びポジションセンサによって受信することができる。さらに、入力変数を、（車両外部の）中央処理装置によって受信することができる。

ステップｉｉｉ）においては、ステップｉ）で検出された車両位置に対する基準位置が検出される。基準位置は、一般的に、（自車両のモーション及びポジションセンサに代わる）代替的な測位システムからの（高精度の）車両位置である。代替的な測位システムは、特に自車両内に配置されている。例えば、基準位置は、例えばマップ制御装置によって、周囲センサデータによって、又は、車Ｘ間通信信号の通過時間によって、（デジタル）マップ（いわゆる特徴マップ（Feature Map））上での車両の測位から決定することができる。特に、基準位置は、特定された車両位置又はＧＮＳＳに基づいた車両位置が特定された時点における、（ＧＮＳＳに基づいて）特定された車両位置又は（モーション及びポジションセンサによって）特定された車両位置よりも、より正確な位置又は実際の位置に該当する。基準位置を、例えば車両の制御装置及び／又はモーション及びポジションセンサによって受信することができる。さらに、基準位置を、（車両外部の）中央処理装置によって受信することができる。

車車間通信（英語ではCar-to-Car Communication、又は、略してCar2Car若しくはC2C）とは、複数の（動力）車両の間での情報交換及びデータ交換であると理解される。このデータ交換の目的は、重大で危険な状況を運転者に早期に通知することである。該当する車両は、ＡＢＳ介入、操舵角、位置、方向、及び、速度のようなデータを収集し、これらのデータを、無線（ＷＬＡＮ、ＵＭＴＳ等）を介して他の道路利用者に送信する。この場合には、電子的な手段によって運転者の「視野」を拡張するべきである。路車間通信（英語ではCar-to-Infrastructure、又は、略してＣ２Ｉ）は、車両と周囲のインフラストラクチャ（例えば信号機）との間でのデータ交換であると理解される。上述した技術は、複数の異なる交通相手のセンサ同士の相互作用に基づいており、この情報を交換するために通信技術の最新の方法を使用する。この場合、車Ｘ間（Car-to-X）は、車車間（Car-to-Car）及び路車間（Car-to-Infrastructure）のような種々の通信リンクに対する総称である。

ステップｉｖ）においては、ステップｉ）で検出された車両位置とステップｉｉｉ）で検出された基準位置との間の少なくとも１つの比較を考慮して、又は、ステップｉｉ）で受信された入力変数のうちの少なくとも１つを考慮して、（特定された又はＧＮＳＳに基づいた）車両位置に位置精度を対応付けるアルゴリズムが適合される。入力変数は、一般的に、特定された又はＧＮＳＳに基づいた車両位置及び／又は基準位置が特定された時点に、提供及び／又は決定又は測定された変数である。換言すれば、入力変数と、（特定された又はＧＮＳＳに基づいた）車両位置と、基準位置とは、一般的に同一のタイムスタンプを有する。好ましくは、アルゴリズムは、（特定された又はＧＮＳＳに基づいた）車両位置と基準位置との間の比較と、入力変数のうちの少なくとも１つとに依存して適合される。比較は、一般的に、該当する車両位置における（モーション及びポジションセンサの）位置偏差又は位置精度を提供する。換言すれば、このことは特に、比較が、基準系に対するモーション及びポジションセンサの現在の位置偏差を記述することを意味する。位置偏差は、一般的に、入力変数の少なくとも１つによって引き起こされている。上記の例に戻ると、例えば特定の車両位置において、特定の時点（入力変数）に、例えば時変性の外乱及び／又はＧＮＳＳ信号の遮蔽に起因して位置偏差が発生する可能性がある。所定の時点における車両位置と基準位置とを比較することによって、この偏差を求めることができる。その場合、アルゴリズムを、この関係性をマッピングするように適合させることができる。

有利な実施形態によれば、ステップｉ）乃至ｉｖ）を車両外部で実施することが提案される。好ましくは、ステップｉ）乃至ｉｖ）は、中央及び／又は上位の処理装置によって実施される。（１つ又は複数の）車両位置、（１つ又は複数の）基準位置、及び入力変数を、例えば無線リンクによって、特に車Ｘ間通信リンクによって処理装置に送信することができる。さらに、適合されたアルゴリズムを、例えば無線接続によって、特に車Ｘ間通信リンクによって処理装置から（自）車両及び／又は多数の車両に送信することができる。処理装置は、いわゆるクラウドの形態で、又は、いわゆるＨＩＬ（Hardware in the Loop）システムの形態で構成されることができる。

好ましくは、入力データの送信は、基準系に対するモーション及びポジションセンサの現在の位置偏差と共に、（例えば車Ｘ間通信リンクを用いて）クラウド又はＨＩＬ（Hardware in the Loop）システムにおいて実施される。ここで、アルゴリズムの適合（改善）は、好ましくは、入力データ又は少なくとも１つの車両からの位置偏差を使用してクラウド又はＨＩＬにおいて実施される。しかしながら、好ましくは、他の車両の入力データ又は位置偏差も使用される。クラウド又はＨＩＬは、一般的に、モーション及びポジションセンサよりも格段に高いコンピューティング能力を有する。このようにして、位置精度（保護限界）を出力するためのアルゴリズムを、有利にはできるだけ迅速に適合させる（改善する）ことが可能となり、特に、車Ｘ間通信リンクを介してモーション及びポジションセンサが装備された車両に返送することが可能となる。さらに、複数の車両の複数のモーション及びポジションセンサに基づいて、特に複数の新しいシナリオを用いて（重みに関して）学習された個々のアルゴリズムが、クラウド又はＨＩＬに送信され、そこで組み合わされて又は融合されて、１つの全体的なアルゴリズムを形成すると有利である。例えば、個々のアルゴリズム（個々のＡＩ）の重みの平均化を実施することができる。さらに、個々のアルゴリズムの重みを、有利には統計的に組み合わせることができる。さらに、個々のアルゴリズムの重みを、所与のシナリオに基づいて重み付けすること及び／又は優勢にすることができる。

さらに、車両位置及び入力変数（のみ）を、車両から中央及び／又は上位の処理装置に送信し、この中央及び／又は上位の処理装置によって受信することを企図することができる。この場合、基準位置を、中央及び／又は上位の処理装置自体によって決定することができる。好ましくは、モーション及びポジションセンサは、モーション及びポジションセンサの現在の計算された位置、及び／又は、現在の支配的な入力変数（のみ）を、中央及び／又は上位の処理装置に送信する。処理ユニット内においては、基準位置を決定するために、例えば車Ｘ間通信リンクを用いて対応する車両の高精度の測位を実施することができる（信号の通過時間）。

さらなる有利な実施形態によれば、ステップｉ）乃至ｉｖ）を車両側で実施することが提案される。例えば、ステップｉ）乃至ｉｖ）を、モーション及びポジションセンサによって、及び／又は、制御装置によって、特に車両の自律走行のための制御装置によって実施することができる。ステップｉ）乃至ｉｖ）は、特に試験車両の場合に車両側で実施される。

さらなる有利な実施形態によれば、アルゴリズムの適合を自動的に実施することが提案される。好ましくは、アルゴリズムは、自己学習アルゴリズムである。好ましくは、人工知能（ＡＩ）方法に基づく又は人工知能（ＡＩ）方法を適用するアプローチが追求される。換言すれば、このことは特に、（学習）アルゴリズムが、人工知能（ＡＩ）を使用することによって（モーション及びポジションセンサの）（保護限界の）位置の不正確さの計算を提供するということを意味する。この学習アルゴリズムは、例えば重みを用いるニューラルネットワークのような人工知能（ＡＩ）とすることができる。このニューラルネットワークにおける入力データとして、（特に）上述した入力変数のうちの１つ又は複数、及び／又は、基準位置を使用することができる。

有利な実施形態によれば、アルゴリズムが、少なくとも重み又は閾値を用いる（人工）ニューラルネットワークであることが提案される。ニューラルネットワーク又はＡＩは、上記の入力変数を入力として使用し、ネットワーク又はＡＩ内の学習された重み及び／又は閾値を用いて、（特定された）車両位置の統計的な位置精度、又は、モーション及びポジションセンサにおいて計算された（ＧＮＳＳ）位置の統計的な位置精度を計算する。

有利な実施形態によれば、ステップｄ）において、アルゴリズムの少なくとも１つの重み又は閾値を適合させることが提案される。ニューラルネットワーク又はＡＩは、（内部の）重み及び／又は閾値を設定するために、好ましくは（ステップｉｉｉ）で検出された）基準位置を使用する。この基準位置は、他の測位システムに由来することができる。特に試験車両の場合には、この基準位置を、例えば車両内に設置されている（高精度の）ＧＮＳＳ基準系とすることができる。特に、多量生産車両の場合には、有利にはネットワーク又はＡＩの恒常的な適合（改善）のために、車両の代替的な位置を利用することができる。この車両の代替的な位置を、例えば、（例えばインフラストラクチャポイント及び／又は隣接車両に対する）車Ｘ間通信信号の通過時間から特定することができ、及び／又は、（デジタル）マップ上の特徴を使用した及び／又は周囲センサデータを使用した、車両の（高精度）測位から特定することができる。

位置精度（保護限界）のためのネットワーク又はＡＩの（実際の）学習は、好ましくは、モーション及びポジションセンサによって計算された（実際の）（ＧＮＳＳに基づいた）（車両）位置、又は、ＧＮＳＳに基づいた融合された（車両）位置と、基準位置とを比較することによって実施される。この場合、ＧＮＳＳに基づいた融合された位置は、一般的に、カルマンフィルタによって計算されたＧＮＳＳ位置であり、この場合、衛星データだけでなく、補正サービスデータ、及び／又は、車輪回転数、操舵角、加速度及び／又は回転速度も使用される。モーション及びポジションセンサによって計算されたＧＮＳＳ（車両）位置と、基準位置との偏差も、入力としてネットワーク又はＡＩにフィードバックすることができる。したがって、アルゴリズム、ここではネットワーク又はＡＩは、基準系に対する（モーション及びポジションセンサの）現在の位置偏差に基づいて、上記の（及び他の）入力変数を用いて、（モーション及びポジションセンサにおける保護限界の）位置精度を決定するための重み及び／又は閾値を学習することができる。このことを、例えば試験走行内で、又は、既に現場に存在する車隊内で、モーション及びポジションセンサにおいてオンラインで実施することができ、この場合には、特に１つの車両種類がより多くのシナリオを経験すればするほど、位置精度のためのネットワーク又はＡＩをさらに一層改善することが可能となる。したがって、位置精度（保護限界）のためのニューラルネットワーク又はＡＩは、有利な方法で高精度に学習することが可能であり、最大数のシナリオを網羅することが可能であり、新しいシナリオに動的に反応することも可能である。

有利な実施形態によれば、アルゴリズムの適合を、車両の駐車時又は駐車後に実施することが提案される。例えば、既存のアルゴリズム、特に既存のネットワーク又は既存のＡＩをモーション及びポジションセンサのシャドウメモリに格納することによって、位置精度（保護限界）のためのアルゴリズム、特にニューラルネットワーク又はＡＩの重み及び／又は閾値の適合を実施することができる。車両走行中には、アルゴリズム、特にニューラルネットワーク又はＡＩは、このシャドウメモリにおいてのみ、特に重み及び／又は閾値に関するさらなる適合（改善）を実施することができる。車両の駐車中又は駐車後には、シャドウメモリからの（走行中に）新たに学習されたアルゴリズムの（一部）、特に新たに学習されたニューラルネットワーク又は新たに学習されたＡＩを、例えば、モーション及びポジションセンサにおいて既に使用されている、位置精度（保護限界）のためのアルゴリズム（ネットワーク又はＡＩ）の代わりとして使用することができる。この場合、シャドウメモリからモーション及びポジションセンサの通常のメモリに、メモリ内容が定期的に送信される。このことは、アルゴリズム（ネットワーク又はＡＩ）が、走行中に既存の情報を用いて位置精度（保護限界）をリアルタイムで計算することが可能となり、しかもそれと同時に背後では、（シャドウメモリ内で）新しいシナリオを用いてさらに適合（改善）させることが可能となるという特別な利点を有する。

衛星支援によって車両位置を特定するための方法の有利な実施形態によれば、特にステップｅ）におけるアルゴリズムの適合のために、衛星支援によって特定された車両位置の精度推定を改善するための、本明細書において提案される方法を実施することが提案される。

さらなる態様によれば、本明細書に提示される方法を実施するためのコンピュータプログラムが提案される。換言すれば、このことは特に、コンピュータによってプログラムが実行された場合に本明細書に記載された方法を実施させる命令を含む、コンピュータプログラム（製品）に関する。

さらなる態様によれば、本明細書で提案されるコンピュータプログラムが記憶された、機械可読記憶媒体が提案される。一般的に、機械可読記憶媒体は、コンピュータ可読データ担体である。

さらなる態様によれば、本明細書で提案される方法を実施するように構成された、モーション及びポジションセンサが提案される。例えば、上述した記憶媒体を、モーション及びポジションセンサの一部とすることができ、又は、モーション及びポジションセンサに接続させることができる。好ましくは、モーション及びポジションセンサは、車両内又は車両上に配置されているか、又は、車両内又は車両上に取り付けられるように企図及び構成されている。モーション及びポジションセンサは、さらに好ましくは、車両、特に自動車の自律的な動作のために企図及び構成されている。モーション及びポジションセンサ、又は、モーション及びポジションセンサのコンピュータユニット（プロセッサ）は、例えば、本明細書に記載された方法を実施するために、本明細書に記載されたコンピュータプログラムにアクセスすることができる。

モーション及びポジションセンサは、好ましくはＧＮＳＳセンサである。モーション及びポジションセンサを、ポジション及びアライメントセンサとすることができる。さらに、ＧＮＳＳセンサを、ＧＮＳＳに基づいたポジション及びアライメントセンサとして構成することができる。ＧＮＳＳセンサ、又は、（車両）モーション及びポジションセンサは、自動走行又は自律走行のために必要とされ、ナビゲーション衛星システム又はＧＮＳＳデータともよばれるナビゲーション衛星データ（ＧＰＳ、ＧＬＯＮＡＳＳ、北斗、ガリレオ）を使用して高精度の車両位置を計算するものである。この場合、計算は、基本的に少なくとも４つの衛星からの（電磁的な）ＧＮＳＳ信号の通過時間の測定に基づいている。さらに、車両の位置をさらに正確に計算するために、センサにおけるいわゆる補正サービスからの補正データを併用することができる。受信されたＧＮＳＳデータと一緒に（世界時（Universal Time）のような）高精度の時刻が定期的にセンサに読み込まれ、正確な位置特定のために使用される。位置センサへのさらなる入力データは、車輪回転数、操舵角、並びに、加速度及び回転速度データとすることができる。好ましくは、モーション及びポジションセンサは、ＧＮＳＳデータに基づいて自己位置、自己方位、及び、自己速度を特定するように構成されている。

衛星支援によって車両位置を特定するための方法に関連して説明した詳細、特徴及び有利な実施形態は、衛星支援によって特定された車両位置の精度推定を改善するための、本明細書に提示される方法、モーション及びポジションセンサ、コンピュータプログラム、及び／又は、記憶媒体においても、対応して適用され、また、その逆もあり得る。その限りにおいては、特徴をより詳細に特徴付けるために本明細書の記載が完全な範囲で参照される。

以下、本明細書に提示される解決策及びその技術的環境を、図面に基づいてより詳細に説明する。提示された実施例によって本発明を限定すべきではないことに留意すべきである。特に、別段の指示が明示的にない限り、図面で説明された事実内容の部分的な態様を抽出して、それらの部分的な態様を、他の図面及び／又は本明細書からの他の構成要素及び／又は知識と組み合わせることも可能である。

通常の動作シーケンスにおける、衛星支援によって車両位置を特定するための本明細書に提示される方法のシーケンスを示す図である。 通常の動作シーケンスにおける、衛星支援によって特定された車両位置の精度推定を改善するための本明細書に提示される方法のシーケンスを示す図である。

図１は、通常の動作シーケンスにおける、衛星支援によって車両位置を特定するための本明細書に提示される方法のシーケンスを概略的に示している。ブロック１１０，１２０，１３０，１４０及び１５０を有する方法ステップａ），ｂ），ｃ），ｄ）及びｅ）の図示された順序は、単なる例示である。ブロック１１０においては、ＧＮＳＳ衛星データが受信される。ブロック１２０においては、ステップａ）で受信されたＧＮＳＳ衛星データを用いて車両位置が特定される。ブロック１３０においては、ステップｂ）で特定された車両位置の精度に影響を及ぼし得る入力変数が提供される。ブロック１４０においては、車両位置に位置精度を対応付けるアルゴリズムを使用して、ステップｂ）で特定された車両位置の位置精度が決定される。ブロック１５０においては、アルゴリズムが適合される。

特に、方法ステップａ）及びｃ）、又は、方法ステップｂ）及びｃ）を、少なくとも部分的に並行して実施すること、又は、同時に実施することも可能である。

図２は、通常の動作シーケンスにおける、衛星支援によって特定された車両位置の精度推定を改善するための本明細書に提示される方法のシーケンスを概略的に示している。ブロック２１０，２２０，２３０及び２４０を有する方法ステップｉ），ｉｉ），ｉｉｉ）及びｉｖ）の図示された順序は、単なる例示である。ブロック２１０においては、ＧＮＳＳに基づいた車両位置が検出される。ブロック２２０においては、ステップｉ）で検出された車両位置の精度に影響を及ぼし得る入力変数が受信される。ブロック２３０においては、ステップｉ）で検出された車両位置に対する基準位置が検出される。ブロック２４０においては、ステップｉ）で検出された車両位置と、ステップｉｉｉ）で検出された基準位置との間の少なくとも１つの比較を考慮して、及び／又は、ステップｉｉ）で受信された入力変数のうちの少なくとも１つを考慮して、車両位置に位置精度を対応付けるアルゴリズムが適合される。

特に、方法ステップｉ），ｉｉ）及びｉｉｉ）を、少なくとも部分的に並行して実施すること、又は同時に実施することも可能である。

特に、本明細書に提示される解決策は、以下の利点のうちの１つ又は複数を可能にする：
・位置精度を決定するために関数を学習するためのＡＩ又はニューラルネットワークを導入することにより、モーション及びポジションセンサのメモリを節約することが可能となる。
・この新しいＡＩは、モーション及びポジションセンサ内の位置精度を既存のシナリオに基づいてより正確に計算することが可能である。
・モーション及びポジションセンサ内の、このために必要とされるメモリは、ルックアップテーブルを使用した場合よりも格段に少なくなる。
・ＡＩの学習のために自律車両内の基準位置システムを使用することにより（衛星支援によって特定された位置と、基準位置システムとの偏差）、モーション及びポジションセンサの位置精度のために、現場に既存の車両の新しいシナリオに基づいて連続的にＡＩを改善することが可能となる。
・モーション及びポジションセンサからの位置精度、又は、この改善された位置精度の出力をより正確に計算することにより、モーション及びポジションセンサを使用する車両の交通安全性が向上する。なぜなら、他の制御装置は、モーション及びポジションセンサの位置を現在信頼することができるかどうかを正確に把握するからである。

Claims (15)

1. 衛星支援によって車両位置を特定するための方法であって、
   ａ）ＧＮＳＳ衛星データを受信するステップと、
   ｂ）ステップａ）で受信された前記ＧＮＳＳ衛星データを用いて車両位置を特定するステップと、
   ｃ）ステップｂ）で特定された前記車両位置の精度に影響を及ぼし得る入力変数を提供するステップと、
   ｄ）車両位置に位置精度を対応付けるアルゴリズムを使用して、ステップｂ）で特定された前記車両位置の位置精度を決定するステップと、
   ｅ）前記アルゴリズムを適合させるステップと、
   を含む、方法。
2. ステップａ）からｅ）を車両側で実施する、
   請求項１に記載の方法。
3. 少なくともステップｅ）を車両外部で実施し、
   車両側に記憶されているアルゴリズムを適合させるための少なくとも１つの情報を、少なくとも１つの車両に提供する、
   請求項１に記載の方法。
4. 前記アルゴリズムは、前記車両位置と、前記入力変数のうちの少なくとも１つとに依存して前記位置精度を決定する、
   請求項１乃至３のいずれか一項に記載の方法。
5. 衛星支援によって特定された車両位置の精度推定を改善するための方法であって、
   ｉ）ＧＮＳＳに基づいた車両位置を検出するステップと、
   ｉｉ）ステップｉ）で検出された前記車両位置の精度に影響を及ぼし得る入力変数を受信するステップと、
   ｉｉｉ）ステップｉ）で検出された前記車両位置に対する基準位置を検出するステップと、
   ｉｖ）ステップｉ）で検出された前記車両位置とステップｉｉｉ）で検出された前記基準位置との間の少なくとも１つの比較を考慮して、及び／又は、ステップｉｉ）で受信された前記入力変数のうちの少なくとも１つを考慮して、車両位置に位置精度を対応付けるアルゴリズムを適合させるステップと、
   を含む、方法。
6. ステップｉ）からｉｖ）を車両外部で実施する、
   請求項５に記載の方法。
7. ステップｉ）からｉｖ）を車両側で実施する、
   請求項５に記載の方法。
8. 前記アルゴリズムの前記適合を自動的に実施する、
   請求項５乃至７のいずれか一項に記載の方法。
9. 前記アルゴリズムは、少なくとも重み又は閾値を用いるニューラルネットワークである、
   請求項５乃至８のいずれか一項に記載の方法。
10. ステップｄ）において、前記アルゴリズムの少なくとも１つの重み又は閾値を適合させる、
    請求項９に記載の方法。
11. 前記アルゴリズムの前記適合を、車両の駐車時又は駐車後に実施する、
    請求項５乃至１０のいずれか一項に記載の方法。
12. 前記アルゴリズムの前記適合のために、請求項５乃至１１のいずれか一項に記載の方法を実施する、
    請求項１乃至４のいずれか一項に記載の方法。
13. 請求項１乃至１２のいずれか一項に記載の方法を実施するためのコンピュータプログラム。
14. 請求項１３に記載のコンピュータプログラムが記憶された機械可読記憶媒体。
15. 請求項１乃至１２のいずれか一項に記載の方法を実施するように構成されたモーション及びポジションセンサ。

Images