WO2017102623A1 - VERFAHREN UND VORRICHTUNG ZUM PRÄDIZIEREN EINER BEWEGUNG EINES STRAßENVERKEHRSTEILNEHMERS IN EINEM VERKEHRSRAUM - Google Patents

VERFAHREN UND VORRICHTUNG ZUM PRÄDIZIEREN EINER BEWEGUNG EINES STRAßENVERKEHRSTEILNEHMERS IN EINEM VERKEHRSRAUM Download PDF

Info

Publication number
WO2017102623A1
WO2017102623A1 PCT/EP2016/080576 EP2016080576W WO2017102623A1 WO 2017102623 A1 WO2017102623 A1 WO 2017102623A1 EP 2016080576 W EP2016080576 W EP 2016080576W WO 2017102623 A1 WO2017102623 A1 WO 2017102623A1
Authority
WO
WIPO (PCT)
Prior art keywords
road user
information
traffic
movement
traffic space
Prior art date
Application number
PCT/EP2016/080576
Other languages
English (en)
French (fr)
Inventor
Johannes Ruenz
Roland Galbas
Folko Flehmig
Volker Hofsaess
Original Assignee
Robert Bosch Gmbh
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 Robert Bosch Gmbh filed Critical Robert Bosch Gmbh
Publication of WO2017102623A1 publication Critical patent/WO2017102623A1/de

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees

Definitions

  • the invention is based on a method or a device according to the category of the independent claims.
  • the subject of the present invention is also a computer program.
  • Prediction typically uses the currently measured pedestrian position and speed and makes an assumption about the maximum and minimum possible pedestrian acceleration.
  • DE 10 2011 111 899 A1 describes a Detektlonsvorraum for detecting at least one carrier of a mobile transceiver relative to a vehicle, which is provided in a vehicle.
  • the target estimation information for example, in on a smartphone or another suitable mobile device of the
  • Road users deposited information such as previously frequently visited places, time, day, calendar entries, etc. are used.
  • Uncertainty factor of predicted, for example, over several seconds pedestrian movement are reduced so much that a warning of a collision with the pedestrian sensibly possible and a rate of false positives warnings can be effectively reduced.
  • Motion vector and / or the destination estimation information to predict the movement of the road user in the traffic space.
  • the traffic space may be understood to mean a public space intended to be shared by motorized road users such as drivers of motor vehicles and commercial vehicles and non-motorized road users such as pedestrians or cyclists.
  • the traffic area may include roads, cycle paths, sidewalks and squares as well as traffic-calmed zones.
  • the traffic area can be reproduced more or less detailed in a digital map. Under the road user can in particular an unprotected
  • Road users are understood as a pedestrian or a cyclist.
  • the movement of the road user can be a movement of the road user to cover a route from a starting point to a destination point.
  • the locomotion can be made on foot or with a tool such as a bicycle.
  • the term predicting can be understood to mean a prediction with a high degree of probability for an application of the prediction.
  • the position information may be an absolute position of the vehicle
  • the position information may be a relative position between the
  • the motion vector may comprise a speed information or its derivatives and / or direction information.
  • the destination estimation information may represent information about a position of the road user expected after a predefined time step. Under the expected position may be an estimated absolute position of the road user or a multiple absolute positions comprehensive geographical area, within which the Road users is likely to be stopped.
  • the movement history can be a
  • the movement history can, for example, in a mobile device of
  • the motion profile may be a collection of data regarding the expected movement of the road user, the estimated course of motion and movement goals, and estimated time durations of the road user
  • Time step to deal with the expected movement may include and may be suitable to predict the movement of the road user with the least possible deviation probability.
  • This method can be implemented, for example, in SW or HW or in a mixed form of SW and HW, for example in a control unit.
  • Movement trajectory of a plurality of possible movement trajectories of the road user in the traffic space selected and determined as the motion profile.
  • the expected movement of the road user can be advantageously limited to a smaller area.
  • the step of determining the averaging of data of the position information and / or the motion vector and / or the
  • an error spread in the averaging of the data can be effectively reduced.
  • a region of the traffic space having a predetermined accumulation of possible movement trajectories of the road user in the traffic space may be selected and determined as the motion profile. That's how it works
  • the method may include a step of forming the
  • a likelihood of correctness of the estimation of the destination of the movement of the road user can be easily increased.
  • the method may, according to another embodiment, comprise a step of reading in a probability-of-residence information comprising a
  • Probability information can be obtained using a
  • Movement profile of the road user further using the Likelihood probability information to be determined.
  • a possible error rate in the creation of the motion profile can be advantageously reduced.
  • Loss probability information also using a digital map of the traffic area, in particular using a dynamic information about the traffic space having digital map of the traffic area, be formed. So can the probable
  • the method may also include a step of providing the motion profile to another road user in the
  • the method comprises a step of forming a
  • the collision warning may further be stored using a stored information about a time-defined accumulation of certain groups of persons in the traffic area and / or using stored infrastructure data relating to the traffic space and / or using a stored information on an accident histogram in the Traffic space and / or under Use of stored information about a histogram of
  • Traffic rules violations are formed in the traffic area.
  • a collision warning may advantageously be provided at an earlier time prior to the impending collision with the road user (s).
  • the collision warning can be created more precisely.
  • the method can also have a step of providing the collision warning to the road user via a suitable interface assigned to the road user and / or to the other road user via a suitable interface assigned to the further road user.
  • a reading device for reading a position information and / or a motion vector of the road user in the traffic space; another read-in means for reading in a target estimation information about an estimated destination of the road user's movement in the traffic space, the destination estimation information being based on a deposited history of movement of the road user in the traffic space; and determining means for determining a motion profile of the road user in the traffic space using the position information and / or the motion vector and / or the
  • Target estimation information to predict the movement of the road user in the traffic space.
  • the device can be designed to perform, to control or to implement the steps of a variant of the method presented here in their corresponding devices. Also by this embodiment of the invention in the form of a device, the object underlying the invention can be solved quickly and efficiently.
  • a device can be understood as meaning an electrical device which processes sensor signals and outputs control and / or data signals in dependence thereon.
  • the device may have an interface, which may be formed in hardware and / or software.
  • the interfaces can be part of a so-called system ASIC, for example, which contains a wide variety of functions of the device.
  • the interfaces are their own integrated circuits or at least partially consist of discrete components.
  • the interfaces may be software modules that are present, for example, on a microcontroller in addition to other software modules.
  • a computer program product or computer program with program code which can be stored on a machine-readable carrier or storage medium such as a semiconductor memory, a hard disk memory or an optical memory and for carrying out, implementing and / or controlling the steps of the method according to one of the above
  • FIG. 1 shows a block diagram of a device for predicting a movement of a road user in a traffic area according to an exemplary embodiment in an exemplary traffic situation
  • FIG. 2 is a flowchart of a method of predicting movement of a road user in a traffic space according to an embodiment
  • FIG. 3 shows a flowchart of a variant of the method for predicting a movement of a road user in a traffic space according to an exemplary embodiment
  • FIG. 4 is a flowchart of another variant of the method for predicting a movement of a road user in a
  • Traffic space according to an embodiment.
  • Fig. 1 shows a block diagram of an embodiment of a device 100 for predicting movement of a road user 102 in a traffic area 104.
  • the traffic area 104 is a public space in which motorized and non-motorized
  • the road user 102 is a pedestrian 102 and the other
  • Passenger cars 106 In the exemplary traffic situation shown in FIG. 1, the vehicle 106 travels on a road in a direction of travel 108 indicated by a directional arrow. The pedestrian 102 moves to a point in the traffic space 104 in a movement 110 indicated by another directional arrow in the illustration also the vehicle 106 at
  • the device 100 is designed to perform a prediction of the movement
  • the device 100 comprises a read-in device 112, a further one
  • Read-in device 114 and a determination device 116 are Read-in device 114 and a determination device 116.
  • the read-in device 112 is designed to read in a current position information 118 and a motion vector 120 of the road user 102 in the traffic space 104.
  • the position information 118 thereby represents a current geographical position 122 of the road user 102 in the traffic space 104.
  • the geographical position 122 can be an absolute position of the road user 102 with respect to z. B. on a global navigation satellite system or a relative position between the road user 102 and the other road users 106 represent.
  • the motion vector 120 may be a
  • the further read-in device 114 is designed to be a
  • Target estimation information 124 about an estimated target of the movement 110 of the
  • the target estimation information 124 is based on a stored history 126 of the road user 102 in the traffic space 104.
  • the history of movement 126 is a record of past movements of the road user 102 in the traffic space 104.
  • the determination device 116 is configured to use the position information 118 and / or the motion vector 120 and / or the destination estimation information 124 to determine a motion profile of the motion
  • the device 100 is installed on a mobile device 128 assigned to the road user 102, here on a smartphone 128 of the pedestrian 102.
  • Movement history 126 of the road user 102 is stored in a data memory of the smartphone 128.
  • the movement profile 130 of the road user 102 determined in the determination device 116 is transmitted to the other via a suitable interface of the device 100
  • Road user 106 here the vehicle 106, provided in the traffic space 104. If the movement profile 130 with respect to the direction of travel 108 of the vehicle 106 indicates a threatening collision of the vehicle 106 with the pedestrian 102, according to exemplary embodiments
  • Collision warning created and provided to a driver of the vehicle 106 created and provided to a driver of the vehicle 106.
  • the vehicle 106 has an environment sensor 132, which is a vehicle camera 132 that records the movement 110 of the pedestrian 102. Accordingly, the collision warning in the vehicle 106 may be further formed using information from the environmental sensor 132 about the movement 110 of the other road user 102.
  • the movement profile 130 may alternatively be connected to a z. B. located outside the traffic space 104 remote data center 134, z. To a cloud 134. The collision warning can then be removed in the Computer center 134 are provided and provided to both the driver of the vehicle 106 and the pedestrian 102.
  • the device 100 can not be mounted on the smartphone 128 of the
  • Road user 102 in the cloud 134 may
  • Position information 118 the motion vector 120 and / or the
  • Target estimation information 124 via a suitable interface of the
  • Mobile device 128 are provided to the cloud 134.
  • FIG. 2 shows a flow chart of an embodiment of a method 200 for predicting a movement of a road user in a traffic space.
  • the method 200 may be as shown in FIG.
  • a destination estimation information based on a deposited movement history of the road user in the traffic area is read in via an estimated destination of the movement of the road user in the traffic area.
  • FIG. 3 shows a flowchart of an exemplary variant of the method 200 outlined in FIG. 2 for predicting the movement of a road user in a traffic space.
  • Road users here again the exemplary pedestrian from Fig. 1, whose movement is predicted by the method 200, is in Also referred to as user below.
  • To determine the movement profile of the road user is again a map with typical
  • the position and velocity vector of the user are determined using GPS and yaw rate and acceleration sensors integrated in the smartphone and using magnetic field data.
  • an adjustment of the position and velocity vector of the user are determined using GPS and yaw rate and acceleration sensors integrated in the smartphone and using magnetic field data.
  • This card can in particular also dynamic information such. B. in the environment of the user currently parked vehicles.
  • a classification or classification of the user as one of several user types such as pedestrians, motorists, motorcyclists, etc. For different types of users different areas of residence can be stored in the map.
  • a probability of residence information representing one or more possible or probable location areas of the user in the traffic area is read.
  • Embodiment the probability of residence information using the classification of the executed in step 304
  • the step of reading in the probability-of-residence information the
  • Visibility probability information also using a digital map of the traffic space, which in particular has dynamic information about the traffic space, read. It then follows in step 306 formation of the destination estimation information using the user's deposited history of movement, here based on previously visited locations, time, day, calendar entries, use of the navigation system, searches in the web browser, etc., for an expected destination of the user.
  • the user's motion profile is then determined in step 206 to store averaged positions and velocities of proximate possible movement trajectories of the user, as well as their standard deviations, if any. According to one
  • step 206 averaging data of the position information and / or the motion vector and / or
  • Target estimation information is executed to select a motion trajectory of a plurality of possible motion trajectories of the road user in the traffic space and to determine as the motion profile.
  • averaging can also be a subdivision by user type, destination, weather, time, day of the week, speed, traffic density, condition of traffic lights, distraction of the user, etc. take place.
  • the averaging of data of the position information and / or the motion vector and / or the destination estimation information may be dependent on a classification of the road user and / or on information about a current day of the week and / or in dependence from information about a current time and / or as a function of information about current weather conditions in the traffic area and / or as a function of information about a current traffic density in the traffic area and / or in dependence on information about a current
  • Traffic light circuit in the traffic area and / or in dependence on information about a current attention level of
  • a possible location area of the road user can be determined, wherein the area of residence is defined as a geographical area in which a high proportion of the possible trajectories of the user lies. Possible areas of residence may in turn be formed depending on the factors mentioned above. Accordingly, in the step of determining 206, an area of the traffic space having a predetermined accumulation of possible movement trajectories of the traffic area
  • Road user selected in the traffic space and determined as the movement profile.
  • Position grid can be determined by for each node of the
  • Position grid a transition probability and possible speed is stored to neighboring nodes.
  • Traffic density condition of traffic lights, user's attention, etc.
  • the motion pattern map can be determined on the smartphone or in a cloud.
  • the prediction in step 206 is performed according to the one shown in FIG.
  • Embodiment of the method 200 on the basis of a measured value and the motion profile, the future course of the movement of the
  • the measured value includes the current position of the user as well as further information such as appointment data of an appointment calendar stored in the user's mobile device or web browser data stored in the mobile device or data stored or determined in the mobile device regarding speed, acceleration, user type, destination, weather, time, day of the week, Traffic density, condition of traffic lights,
  • the motion profile contains the assigned an expectation value for the selected trajectory, ie their position and possible speeds, and optionally standard deviations. Alternatively or additionally, the movement profile contains one according to the determined
  • Probability information is likely Resident area of the user and / or a distribution density, which is determined on the basis of the measurement from the above-mentioned position grid.
  • FIG. 4 shows a flowchart of a further exemplary variant of the method 200 for predicting the movement of a method sketched in FIG
  • the method 200 is shared here by the road user 102 and the
  • Pedestrians 102 and the other road users 106 and the vehicle 106 executed.
  • the road user 102 is also referred to as user 102 and the other road user 106 is also referred to as another user 106.
  • the determination of the movement profile of the road user 102 is again a map with typical movement profiles of the
  • the card is on the smartphone of
  • the emphasis is on possible embodiments of the warning of collisions.
  • a particularly important application of the collision warning is the warning of the driver of the vehicle 106 from colliding with the pedestrian 102.
  • the principle presented herein is applicable to all combinations of
  • the user 102 represents a pedestrian or another unprotected road user with a smartphone whose motion profile is determined.
  • the additional user 106 represents a
  • the additional user 106 does not necessarily have to have a smartphone and it is not absolutely necessary to determine a movement profile of the additional user 106.
  • the additional user 106 may have an environment sensor for recognizing the user 102.
  • the prediction about the movement of the user 102 is made on the smartphone of the user 102 as described above and via a passive one
  • Transponder technology such as DSR (Dedicated Short Range Communication) provided to the other users 106.
  • DSR Dedicated Short Range Communication
  • the user's smartphone 102 determines its current position and speed as in FIG. 3 in step 300. From this, and optionally with further information such as destination, day, time, weather, user 102's attention, etc., as described above, in step 206, with the creation of the
  • Movement profile predicts the movement of the user 102.
  • This information is provided in a step of providing 400 via a suitable interface on a direct communication path, e.g. B. DSRC, transmitted to the other user 106.
  • the further user 106 has already predicted a proper movement in a step 404 and now checks in a step 406 on the basis of the predicted proper movement whether there is a danger of collision. If so, a collision warning is issued in a step 408.
  • a movement profile of the further user 106 created in a step 402 can be used, if available.
  • the alert request may be made in a step 410 via the direct
  • Communication path are sent back to the user 102 to trigger on its smartphone in a step 412 an output of a collision warning.
  • the movement profile is again created on the user's smartphone 102.
  • the communication between the users 102, 106 takes place here via a server, for.
  • a cloud and for example LTE (Long Term Evolution
  • the additional user 106 also transmits its position, speed and user type to the server where This information is a selection of collision-relevant pairs of users 102, 106 is determined.
  • the probable trajectory or the possible location area or the distribution density of possible trajectories of the user 102 is transmitted to the further user 106 via LTE.
  • a third embodiment of the method 200 is executed server-based like the second embodiment, with the difference that now the map of the motion profile of the user 102 is determined on the server and the user 102 only the data required therefor transmits the server. It then takes place here, a selection of collision-relevant pairs of
  • the prediction of the movement of the users 102, 106 is made on the server and the predicted movements are transmitted to the further user 106.
  • a fourth embodiment of the method 200 differs from the previously explained embodiments in that a part of the movement profile or the entire movement profile of the user 102 is transmitted by the user 102 to the further user 106 via DSRC.
  • position, speed, and other information such as destination, time of day, weather, user 102's attention, etc. are communicated to the other user 106.
  • the data from environment sensors of the additional user 106 are merged with the data from the user 102, in particular to obtain a more accurate estimate of the position and speed of the user 102 for the prediction.
  • method 200 may be additional server-based
  • An example would be the provision of information about a high probability of certain trajectories of children at specific times on school days.
  • a derivation would be z. B. via data mining feasible.
  • the basis for this can be histograms of a stay accumulation at said nodes in conjunction with chained features such. As time, profiles (children, animals), etc. form.
  • Nodes is server-based but also possible exclusively based on a smartphone.
  • the basis for this is data for accident research with linking to geopositions, but also to weather, time, vehicle types, etc.
  • the driver can be warned much earlier according to embodiments of an imminent collision.
  • an imminent collision As an example, be one
  • the relevant data can be made available, for example, by an anonymous excerpt from a database.
  • an exemplary embodiment comprises a "and / or" link between a first feature and a second feature, this is to be read such that the
  • Embodiment according to an embodiment both the first feature and the second feature and according to another embodiment, either only the first feature or only the second feature.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Prädizieren einer Bewegung (110) eines Straßenverkehrsteilnehmers (102) in einem Verkehrsraum (104). Das Verfahren umfasst einen Schritt des Einlesenseiner Positionsinformation (118) und/oder eines Bewegungsvektors (120) des Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104), einen Schritt des Einlesenseiner Zielschätzungsinformation (124) über ein geschätztes Ziel der Bewegung (110) des Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104), wobei die Zielschätzungsinformation (124) auf einer hinterlegten Bewegungshistorie (126) des Straßenverkehrsteilnehmers (102) indem Verkehrsraum (104) basiert,und einen Schritt des Bestimmenseines Bewegungsprofils (130) des Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104) unter Verwendung der Positionsinformation (118) und/oder des Bewegungsvektors (120) und/oder der Zielschätzungsinformation (124), um die Bewegung (110) des Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104) zu prädizieren.

Description

Beschreibung Titel
Verfahren und Vorrichtung zum Prädizieren einer Bewegung eines
Straßenverkehrsteilnehmers in einem Verkehrsraum
Stand der Technik
Die Erfindung geht aus von einem Verfahren oder einer Vorrichtung nach Gattung der unabhängigen Ansprüche. Gegenstand der vorliegenden Erfindung ist auch ein Computerprogramm.
Um den Fahrer eines Fahrzeugs vor einer drohenden Kollision mit einem anderen Verkehrsteilnehmer, z. B. einem Fußgänger, zu warnen, muss das zukünftige Verhalten des Fußgängers über mehrere Sekunden vorhergesagt werden, damit dem Fahrer genügend Zeit bleibt, um auf die drohende Kollision z. B. durch Bremsung reagieren zu können. Zur Prädiktion wird typischerweise die aktuell gemessene Fußgängerposition und Geschwindigkeit verwendet sowie eine Annahme über die maximal und minimal mögliche Beschleunigung des Fußgängers getroffen.
Die DE 10 2011 111 899 AI beschreibt eine Detektlonsvorrichtung zur Detektion wenigstens eines Trägers eines mobilen Sende-/Empfanggeräts relativ zu einem Fahrzeug, welche in einem Fahrzeug vorgesehen ist.
Offenbarung der Erfindung
Vor diesem Hintergrund werden mit dem hier vorgestellten Ansatz ein Verfahren zum Prädizieren einer Bewegung eines Straßenverkehrsteilnehmers in einem Verkehrsraum, weiterhin eine Vorrichtung, die dieses Verfahren verwendet, sowie schließlich ein entsprechendes Computerprogramm gemäß den Hauptansprüchen vorgestellt. Durch die in den abhängigen Ansprüchen aufgeführten Maßnahmen sind vorteilhafte Weiterbildungen und Verbesserungen der im unabhängigen Anspruch angegebenen Vorrichtung möglich.
Unter Verwendung einer Zielschätzungsinformation über ein geschätztes Ziel einer Bewegung eines Straßenverkehrsteilnehmers in einem Verkehrsraum kann eine Bewegung des Straßenverkehrsteilnehmers in den Verkehrsraum genauer vorhergesagt bzw. prädiziert werden.
Für die Bildung der Zielschätzungsinformation kann beispielsweise auf in einem Smartphone oder einem anderen geeigneten Mobilgerät des
Straßenverkehrsteilnehmers hinterlegte Informationen wie bisher häufig besuchte Orte, Uhrzeit, Tag, Kalendereinträge, etc. zurückgegriffen werden.
Gemäß dem hier vorgestellten Konzept kann insbesondere eine Prädiktion der Bewegungen von ungeschützten Verkehrsteilnehmern wie Fußgängern oder Radfahrern, die durch oft sehr spontane Richtungsänderungen gekennzeichnet sind, verbessert werden. Mit dem vorgestellten Ansatz kann ein
Unsicherheitsfaktor einer beispielsweise über mehrere Sekunden prädizierten Fußgängerbewegung so weit reduziert werden, dass eine Warnung vor einer Kollision mit dem Fußgänger sinnvoll möglich ist und eine Rate von False- Positive-Warnungen wirksam reduziert werden kann.
Es wird ein Verfahren zum Prädizieren einer Bewegung eines
Straßenverkehrsteilnehmers in einem Verkehrsraum vorgestellt, wobei das
Verfahren die folgenden Schritte aufweist:
Einlesen einer Positionsinformation und/oder eines Bewegungsvektors des Straßenverkehrsteilnehmers in dem Verkehrsraum;
Einlesen einer Zielschätzungsinformation über ein geschätztes Ziel der
Bewegung des Straßenverkehrsteilnehmers in dem Verkehrsraum, wobei die Zielschätzungsinformation auf einer hinterlegten Bewegungshistorie des
Straßenverkehrsteilnehmers in dem Verkehrsraum basiert; und Bestimmen eines Bewegungsprofils des Straßenverkehrsteilnehmers in dem Verkehrsraum unter Verwendung der Positionsinformation und/oder des
Bewegungsvektors und/oder der Zielschätzungsinformation, um die Bewegung des Straßenverkehrsteilnehmers in dem Verkehrsraum zu prädizieren.
Unter dem Verkehrsraum kann ein öffentlicher Raum verstanden werden, der dazu vorgesehen ist, von motorisierten Verkehrsteilnehmern wie Fahrern von Kraft- und Nutzfahrzeugen und von nicht motorisierten Verkehrsteilnehmern wie Fußgängern oder Radfahrern gemeinschaftlich genutzt zu werden.
Beispielsweise kann der Verkehrsraum Straßen, Radwege, Gehwege und Plätze sowie verkehrsberuhigte Zonen umfassen. Der Verkehrsraum kann mehr oder weniger detailreich in einer digitalen Karte wiedergegeben sein. Unter dem Straßenverkehrsteilnehmer kann insbesondere ein ungeschützter
Straßenverkehrsteilnehmer wie ein Fußgänger oder ein Radfahrer verstanden werden. Bei der Bewegung des Straßenverkehrsteilnehmers kann es sich insbesondere um eine Fortbewegung des Straßenverkehrsteilnehmers zum Zurücklegen einer Wegstrecke von einem Ausgangspunkt zu einem Zielpunkt handeln. Die Fortbewegung kann zu Fuß oder mit einem Hilfsmittel wie beispielsweise einem Fahrrad getätigt werden. Unter dem Begriff Prädizieren kann eine Vorhersage mit einem hohen Wahrscheinlichkeitsgrad für ein Zutreffen der Vorhersage verstanden werden.
Die Positionsinformation kann eine absolute Position des
Straßenverkehrsteilnehmers in Bezug auf einen Referenzpunkt repräsentieren. Ebenso kann die Positionsinformation eine Relativposition zwischen dem
Straßenverkehrsteilnehmer und einem weiteren Straßenverkehrsteilnehmer repräsentieren. Der Bewegungsvektor kann eine Geschwindigkeitsinformation beziehungsweise deren Ableitungen und/oder eine Richtungsinformation umfassen.
Die Zielschätzungsinformation kann eine Information über eine nach einem vordefinierten Zeitschritt erwartete Position des Straßenverkehrsteilnehmers repräsentieren. Unter der erwarteten Position kann eine geschätzte absolute Position des Straßenverkehrsteilnehmers oder ein mehrere absolute Positionen umfassender geografischer Bereich, innerhalb dessen sich der Straßenverkehrsteilnehmer mit hoher Wahrscheinlichkeit aufhalten wird, verstanden werden. Bei der Bewegungshistorie kann es sich um eine
Datensammlung von in der Vergangenheit getätigter und aufgezeichneter Bewegungen des Straßenverkehrsteilnehmers in dem Verkehrsraum handeln. Die Bewegungshistorie kann beispielsweise in einem Mobilgerät des
Straßenverkehrsteilnehmers hinterlegt sein.
Bei dem Bewegungsprofil kann es sich um eine Datensammlung bezüglich der erwarteten Bewegung des Straßenverkehrsteilnehmers handeln, die geschätzte Bewegungsverläufe und Bewegungsziele sowie geschätzte Zeitdauern des
Zeitschritts zur Bewältigung der erwarteten Bewegung umfassen kann und die geeignet sein kann, um die Bewegung des Straßenverkehrsteilnehmers mit einer möglichst geringen Abweichungswahrscheinlichkeit vorauszusagen. Dieses Verfahren kann beispielsweise in SW oder HW oder in einer Mischform aus SW und HW beispielsweise in einem Steuergerät implementiert sein.
Gemäß einer Ausführungsform des Verfahrens kann in dem Schritt des
Bestimmens mittels Mittelung von Daten der Positionsinformation und/oder des Bewegungsvektors und/oder der Zielschätzungsinformation eine
Bewegungstrajektorie einer Mehrzahl von möglichen Bewegungstrajektorien des Straßenverkehrsteilnehmers in dem Verkehrsraum ausgewählt und als das Bewegungsprofil bestimmt werden. So kann die erwartete Bewegung des Straßenverkehrsteilnehmers vorteilhafterweise auf einen kleineren Bereich eingegrenzt werden.
Beispielsweise kann in dem Schritt des Bestimmens die Mittelung von Daten der Positionsinformation und/oder des Bewegungsvektors und/oder der
Zielschätzungsinformation in Abhängigkeit von einer Klassifizierung des
Straßenverkehrsteilnehmers und/oder in Abhängigkeit von einer Information über einen aktuellen Wochentag und/oder in Abhängigkeit von einer Information über eine aktuelle Uhrzeit und/oder in Abhängigkeit von einer Information über aktuelle Witterungsverhältnisse in dem Verkehrsraum und/oder in Abhängigkeit von einer Information über eine aktuelle Verkehrsdichte in dem Verkehrsraum und/oder in Abhängigkeit von einer Information über eine aktuelle Ampelschaltung in dem Verkehrsraum und/oder in Abhängigkeit von einer Information über ein aktuelles Aufmerksamkeitsniveau des
Straßenverkehrsteilnehmers erfolgen. Gemäß dieser Ausführungsform kann eine Fehlerstreuung bei der Mittelung der Daten effektiv verkleinert werden.
Gemäß einer alternativen Ausführungsform kann in dem Schritt des Bestimmens ein Bereich des Verkehrsraums mit einer vorbestimmten Akkumulation möglicher Bewegungstrajektorien des Straßenverkehrsteilnehmers in dem Verkehrsraum ausgewählt und als das Beweg ungsprofil bestimmt werden. So kann das
Bewegungsprofil vorteilhafterweise besonders schnell und mit geringem
Rechenaufwand erstellt werden.
Ferner kann das Verfahren einen Schritt des Bildens der
Zielschätzungsinformation unter Verwendung einer in einem Mobilgerät des Verkehrsteilnehmers hinterlegten Bewegungshistorie des
Straßenverkehrsteilnehmers in dem Verkehrsraum und/oder unter Verwendung eines in dem Mobilgerät des Verkehrsteilnehmers hinterlegten Terminkalenders und/oder unter Verwendung von in dem Mobilgerät des Verkehrsteilnehmers hinterlegten Webbrowserdaten und/oder unter Verwendung einer Information über einen aktuellen Wochentag und/oder unter Verwendung einer Information über eine aktuelle Uhrzeit und/oder unter Verwendung einer Information über aktuelle Witterungsverhältnisse aufweisen. Mit dieser Ausführungsform kann eine Wahrscheinlichkeit einer Korrektheit der Schätzung des Ziels der Bewegung des Verkehrsteilnehmers ohne Weiteres erhöht werden.
Das Verfahren kann gemäß einer weiteren Ausführungsform einen Schritt des Einlesens einer Aufenthaltswahrscheinlichkeitsinformation, die einen
wahrscheinlichen Aufenthaltsbereich des Straßenverkehrsteilnehmers in dem Verkehrsraum repräsentiert, aufweisen. Die
Aufenthaltswahrscheinlichkeitsinformation kann unter Verwendung einer
Klassifizierung des Straßenverkehrsteilnehmers und einer Zuordnung eines einer Mehrzahl von Aufenthaltsbereichen in dem Verkehrsraum zu dem
Straßenverkehrsteilnehmer unter Verwendung der Klassifizierung gebildet worden sein. Entsprechend kann in dem Schritt des Bestimmens das
Bewegungsprofil des Straßenverkehrsteilnehmers ferner unter Verwendung der Aufenthaltswahrscheinlichkeitsinformation bestimmt werden. Auf diese Weise kann eine mögliche Fehlerquote bei der Erstellung des Bewegungsprofils vorteilhaft verringert werden. Beispielsweise kann in dem Schritt Einlesens der
Aufenthaltswahrscheinlichkeitsinformation die
Aufenthaltswahrscheinlichkeitsinformation ferner unter Verwendung einer digitalen Karte des Verkehrsraums, insbesondere unter Verwendung einer dynamische Informationen über den Verkehrsraum aufweisenden digitalen Karte des Verkehrsraums, gebildet worden sein. So kann der wahrscheinliche
Aufenthaltsbereich des Straßenverkehrsteilnehmers ohne Weiteres noch genauer eingegrenzt werden.
Beispielsweise kann das Verfahren auch einen Schritt des Bereitstellens des Bewegungsprofils an einen weiteren Straßenverkehrsteilnehmer in dem
Verkehrsraum und/oder an ein entferntes Rechenzentrum über eine geeignete Schnittstelle aufweisen. Damit kann ohne Weiteres die Sicherheit im
Verkehrsraum erhöht werden. Günstig ist es auch, wenn das Verfahren einen Schritt des Bildens einer
Kollisionswarnung über eine drohende Kollision eines weiteren
Straßenverkehrsteilnehmers mit dem Straßenverkehrsteilnehmer unter
Verwendung des Bewegungsprofils des Straßenverkehrsteilnehmers in dem Verkehrsraum aufweist. Mit der Bildung und Bereitstellung einer solchen Kollisionswarnung an den weiteren Straßenverkehrsteilnehmer und/oder den
Straßenverkehrsteilnehmer können diese vorteilhafterweise in die Lage versetzt werden, rechtzeitig ein Ausweich- oder Bremsmanöver durchzuführen, um die drohende Kollision zu vermeiden. In dem Schritt des Bildens der Kollisionswarnung kann die Kollisionswarnung ferner unter Verwendung einer hinterlegten Information über eine zeitlich definierte Aufenthaltsakkumulation bestimmter Personengruppen in dem Verkehrsraum und/oder unter Verwendung von hinterlegten Infrastrukturdaten bezüglich des Verkehrsraums und/oder unter Verwendung einer hinterlegten Information über ein Unfallhistogramm in dem Verkehrsraum und/oder unter Verwendung einer hinterlegten Information über ein Histogramm von
Verkehrsregelverstößen in dem Verkehrsraum gebildet werden. Unter
Verwendung einer oder aller dieser zusätzlichen Informationen kann eine Kollisionswarnung vorteilhafterweise zu einem früheren Zeitpunkt vor der drohenden Kollision an den oder die Straßenverkehrsteilnehmer bereitgestellt werden.
Von Vorteil kann es auch sein, wenn in dem Schritt des Bildens der
Kollisionswarnung die Kollisionswarnung ferner unter Verwendung einer
Information eines Umfeldsensors des weiteren Straßenverkehrsteilnehmers gebildet wird. Die Kollisionswarnung kann so präziser erstellt werden.
Gemäß einer weiteren Ausführungsform kann das Verfahren auch einen Schritt des Bereitstellens der Kollisionswarnung an den Straßenverkehrsteilnehmer über eine dem Straßenverkehrsteilnehmer zugeordnete geeignete Schnittstelle und/oder an den weiteren Straßenverkehrsteilnehmer über eine dem weiteren Straßenverkehrsteilnehmer zugeordnete geeignete Schnittstelle aufweisen. So können vorteilhafterweise bereits vorhandene Schnittstellen des
Straßenverkehrsteilnehmers und/oder des weiteren Straßenverkehrsteilnehmers zur Kommunikation z. B. untereinander oder mit einer Cloud für eine schnelle Übermittlung der Kollisionswarnung an die relevanten Personen genutzt werden.
Es wird eine Vorrichtung zum Prädizieren einer Bewegung eines
Straßenverkehrsteilnehmers in einem Verkehrsraum vorgestellt, wobei d
Vorrichtung die folgenden Merkmale aufweist: eine Einleseeinrichtung zum Einlesen einer Positionsinformation und/oder eines Bewegungsvektors des Straßenverkehrsteilnehmers in dem Verkehrsraum; eine weitere Einleseeinrichtung zum Einlesen einer Zielschätzungsinformation über ein geschätztes Ziel der Bewegung des Straßenverkehrsteilnehmers in dem Verkehrsraum, wobei die Zielschätzungsinformation auf einer hinterlegten Bewegungshistorie des Straßenverkehrsteilnehmers in dem Verkehrsraum basiert; und eine Bestimmungseinrichtung zum Bestimmen eines Bewegungsprofils des Straßenverkehrsteilnehmers in dem Verkehrsraum unter Verwendung der Positionsinformation und/oder des Bewegungsvektors und/oder der
Zielschätzungsinformation, um die Bewegung des Straßenverkehrsteilnehmers in dem Verkehrsraum zu prädizieren.
Die Vorrichtung kann ausgebildet sein, um die Schritte einer Variante des hier vorgestellten Verfahrens in ihren entsprechenden Einrichtungen durchzuführen, anzusteuern bzw. umzusetzen. Auch durch diese Ausführungsvariante der Erfindung in Form einer Vorrichtung kann die der Erfindung zugrunde liegende Aufgabe schnell und effizient gelöst werden.
Unter einer Vorrichtung kann vorliegend ein elektrisches Gerät verstanden werden, das Sensorsignale verarbeitet und in Abhängigkeit davon Steuer- und/oder Datensignale ausgibt. Die Vorrichtung kann eine Schnittstelle aufweisen, die hard- und/oder softwaremäßig ausgebildet sein kann. Bei einer hardwaremäßigen Ausbildung können die Schnittstellen beispielsweise Teil eines sogenannten System-ASICs sein, der verschiedenste Funktionen der Vorrichtung beinhaltet. Es ist jedoch auch möglich, dass die Schnittstellen eigene, integrierte Schaltkreise sind oder zumindest teilweise aus diskreten Bauelementen bestehen. Bei einer softwaremäßigen Ausbildung können die Schnittstellen Softwaremodule sein, die beispielsweise auf einem Mikrocontroller neben anderen Softwaremodulen vorhanden sind.
Von Vorteil ist auch ein Computerprogrammprodukt oder Computerprogramm mit Programmcode, der auf einem maschinenlesbaren Träger oder Speichermedium wie einem Halbleiterspeicher, einem Festplattenspeicher oder einem optischen Speicher gespeichert sein kann und zur Durchführung, Umsetzung und/oder Ansteuerung der Schritte des Verfahrens nach einer der vorstehend
beschriebenen Ausführungsformen verwendet wird, insbesondere wenn das Programmprodukt oder Programm auf einem Computer oder einer Vorrichtung ausgeführt wird.
Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigt: Fig. 1 ein Blockschaltbild einer Vorrichtung zum Prädizieren einer Bewegung eines Straßenverkehrsteilnehmers in einem Verkehrsraum gemäß einem Ausführungsbeispiel in einer beispielhaften Verkehrssituation;
Fig. 2 ein Ablaufdiagramm eines Verfahrens zum Prädizieren einer Bewegung eines Straßenverkehrsteilnehmers in einem Verkehrsraum gemäß einem Ausführungsbeispiel; Fig. 3 ein Ablaufdiagramm einer Variante des Verfahrens zum Prädizieren einer Bewegung eines Straßenverkehrsteilnehmers in einem Verkehrsraum gemäß einem Ausführungsbeispiel; und
Fig. 4 ein Ablaufdiagramm einer weiteren Variante des Verfahrens zum Prädizieren einer Bewegung eines Straßenverkehrsteilnehmers in einem
Verkehrsraum gemäß einem Ausführungsbeispiel.
In der nachfolgenden Beschreibung günstiger Ausführungsbeispiele der vorliegenden Erfindung werden für die in den verschiedenen Figuren
dargestellten und ähnlich wirkenden Elemente gleiche oder ähnliche
Bezugszeichen verwendet, wobei auf eine wiederholte Beschreibung dieser Elemente verzichtet wird.
Fig. 1 zeigt ein Blockschaltbild eines Ausführungsbeispiels einer Vorrichtung 100 zum Prädizieren einer Bewegung eines Straßenverkehrsteilnehmers 102 in einem Verkehrsraum 104. Bei dem Verkehrsraum 104 handelt es sich um einen öffentlichen Raum, in dem sich motorisierte und nicht motorisierte
Verkehrsteilnehmer auf Straßen und Gehwegen fortbewegen. In der in Fig. 1 gezeigten beispielhaften Verkehrssituation bewegen sich der
Straßenverkehrsteilnehmer 102 und ein weiterer Straßenverkehrsteilnehmer 106 in dem Verkehrsraum 104. Bei dem Straßenverkehrsteilnehmer 102 handelt es sich hier um einen Fußgänger 102 und bei dem weiteren
Straßenverkehrsteilnehmer 106 um ein Fahrzeug 106, hier ein
Personenkraftwagen 106. In der in Fig. 1 gezeigten beispielhaften Verkehrssituation fährt das Fahrzeug 106 auf einer Straße in einer mittels eines Richtungspfeils gekennzeichneten Fahrtrichtung 108. Der Fußgänger 102 bewegt sich in einer durch einen weiteren Richtungspfeil in der Darstellung gekennzeichneten Bewegung 110 auf einen Punkt in dem Verkehrsraum 104 zu, den auch das Fahrzeug 106 bei
unveränderter Fahrtrichtung 108 in naher Zukunft erreichen wird. Damit droht bei beiderseitiger Unaufmerksamkeit eine Kollision des Fahrzeugs 106 mit dem Fußgänger 102. Die Vorrichtung 100 ist ausgebildet, um mittels einer Prädiktion der Bewegung
110 des Straßenverkehrsteilnehmers 102 in dem Verkehrsraum 104 die Gefahr einer solchen Kollision zu vermeiden oder zumindest herabzusetzen. Die Vorrichtung 100 umfasst eine Einleseeinrichtung 112, eine weitere
Einleseeinrichtung 114 und eine Bestimmungseinrichtung 116.
Die Einleseeinrichtung 112 ist ausgebildet, um eine aktuelle Positionsinformation 118 und einen Bewegungsvektor 120 des Straßenverkehrsteilnehmers 102 in dem Verkehrsraum 104 einzulesen. Die Positionsinformation 118 repräsentiert dabei eine aktuelle geografische Position 122 des Straßenverkehrsteilnehmers 102 in dem Verkehrsraum 104. Die geografische Position 122 kann dabei eine absolute Position des Straßenverkehrsteilnehmers 102 in Bezug z. B. auf ein globales Navigationssatellitensystem oder eine Relativposition zwischen dem Straßenverkehrsteilnehmer 102 und dem weiteren Straßenverkehrsteilnehmer 106 repräsentieren. Der Beweg ungsvektor 120 kann eine
Geschwindigkeitsinformation beziehungsweise deren Ableitungen und/oder eine
Richtungsinformation der Bewegung 110 des Straßenverkehrsteilnehmersl02 in dem Verkehrsraum 104 repräsentieren.
Die weitere Einleseeinrichtung 114 ist ausgebildet, um eine
Zielschätzungsinformation 124 über ein geschätztes Ziel der Bewegung 110 des
Straßenverkehrsteilnehmers 102 in dem Verkehrsraum 104 einzulesen. Die Zielschätzungsinformation 124 basiert auf einer hinterlegten Bewegungshistorie 126 des Straßenverkehrsteilnehmers 102 in dem Verkehrsraum 104. Bei der Bewegungshistorie 126 handelt es sich um eine Aufzeichnung zurückliegender Bewegungen des Straßenverkehrsteilnehmers 102 in dem Verkehrsraum 104. Die Bestimmungseinrichtung 116 ist ausgebildet, um unter Verwendung der Positionsinformation 118 und/oder des Bewegungsvektors 120 und/oder der Zielschätzungsinformation 124 ein Bewegungsprofil des
Straßenverkehrsteilnehmers 102 in dem Verkehrsraum 104 zu bestimmen, um die Bewegung 110 des Straßenverkehrsteilnehmers 102 zu prädizieren.
Bei dem in Fig. 1 gezeigten Ausführungsbeispiel ist die Vorrichtung 100 auf einem dem Straßenverkehrsteilnehmer 102 zugeordneten Mobilgerät 128, hier auf einem Smartphone 128 des Fußgängers 102, installiert. Die
Bewegungshistorie 126 des Straßenverkehrsteilnehmers 102 ist in einem Datenspeicher des Smartphones 128 hinterlegt.
Gemäß einem Ausführungsbeispiel wird das in der Bestimmungseinrichtung 116 bestimmte Bewegungsprofil 130 des Straßenverkehrsteilnehmers 102 über eine geeignete Schnittstelle der Vorrichtung 100 an den weiteren
Straßenverkehrsteilnehmer 106, hier das Fahrzeug 106, in dem Verkehrsraum 104 bereitgestellt. Wenn das Bewegungsprofil 130 in Bezug zu der Fahrtrichtung 108 des Fahrzeugs 106 auf eine drohende Kollision des Fahrzeugs 106 mit dem Fußgänger 102 hindeutet, kann gemäß Ausführungsbeispielen eine
Kollisionswarnung erstellt und an einen Fahrer des Fahrzeugs 106 bereitgestellt werden.
Bei dem in Fig. 1 gezeigten Ausführungsbeispiel weist das Fahrzeug 106 einen Umfeldsensor 132 auf, bei dem es sich hier um eine Fahrzeugkamera 132 handelt, die die Bewegung 110 des Fußgängers 102 aufzeichnet. Entsprechend kann die Kollisionswarnung im Fahrzeug 106 ferner unter Verwendung einer Information des Umfeldsensors 132 über die Bewegung 110 des weiteren Straßenverkehrsteilnehmers 102 gebildet werden.
Gemäß einem in Fig. 1 skizzierten alternativen Ausführungsbeispiel kann das Bewegungsprofil 130 alternativ auch an ein z. B. außerhalb des Verkehrsraums 104 gelegenes entferntes Rechenzentrum 134, z. B. an eine Cloud 134, bereitgestellt werden. Die Kollisionswarnung kann dann in dem entfernten Rechenzentrum 134 erstellt werden und sowohl dem Fahrer des Fahrzeugs 106 als auch dem Fußgänger 102 bereitgestellt werden.
Gemäß einem in Fig. 1 nicht gezeigten weiteren alternativen Ausführungsbeispiel kann die Vorrichtung 100 nicht auf dem Smartphone 128 des
Straßenverkehrsteilnehmers 102, sondern auf dem entfernten Rechenzentrum 134 installiert sein. Zur Ermittlung des Bewegungsprofils des
Straßenverkehrsteilnehmers 102 in der Cloud 134 können die
Positionsinformation 118, der Bewegungsvektor 120 und/oder die
Zielschätzungsinformation 124 über eine geeignete Schnittstelle von dem
Mobilgerät 128 an die Cloud 134 bereitgestellt werden.
Fig. 2 zeigt ein Ablaufdiagramm eines Ausführungsbeispiels eines Verfahrens 200 zum Prädizieren einer Bewegung eines Straßenverkehrsteilnehmers in einem Verkehrsraum. Das Verfahren 200 kann in der in Fig. 1 gezeigten
Vorrichtung 100 zum Prädizieren einer Bewegung eines
Straßenverkehrsteilnehmers in einem Verkehrsraum ausgeführt werden.
In einem ersten Schritt des Einlesens 202 wird eine Positionsinformation und/oder ein Bewegungsvektor des Straßenverkehrsteilnehmers in dem
Verkehrsraum eingelesen. In einem zweiten Schritt des Einlesens 204 wird eine auf einer hinterlegten Bewegungshistorie des Straßenverkehrsteilnehmers in dem Verkehrsraum basierende Zielschätzungsinformation über ein geschätztes Ziel der Bewegung des Straßenverkehrsteilnehmers in dem Verkehrsraum eingelesen. In einem Schritt des Bestimmens 206 wird zur Prädiktion der
Bewegung des Straßenverkehrsteilnehmers in dem Verkehrsraum unter
Verwendung der Positionsinformation und/oder des Bewegungsvektors und/oder der Zielschätzungsinformation ein Bewegungsprofil des
Straßenverkehrsteilnehmers in dem Verkehrsraum bestimmt.
Fig. 3 zeigt ein Ablaufdiagramm einer beispielhaften Variante des in Fig. 2 skizzierten hierin vorgestellten Verfahrens 200 zum Prädizieren der Bewegung eines Straßenverkehrsteilnehmers in einem Verkehrsraum. Der
Straßenverkehrsteilnehmer, hier wiederum der beispielhafte Fußgänger aus Fig. 1, dessen Bewegung mittels des Verfahrens 200 prädiziert wird, wird im Folgenden auch als Nutzer bezeichnet. Zur Ermittlung des Bewegungsprofils des Straßenverkehrsteilnehmers wird wiederum eine Karte mit typischen
Bewegungsprofilen des Straßenverkehrsteilnehmers in Form einer
Bewegungshistorie zugrunde gelegt. Wie oben ist die Karte auf dem Smartphone des Straßenverkehrsteilnehmers hinterlegt.
Zunächst werden in einem Schritt 300 Position und Geschwindigkeitsvektor des Nutzers unter Verwendung von GPS und im Smartphone integrierten Drehraten- und Beschleunigungssensoren sowie unter Verwendung von Magnetfelddaten bestimmt. In einem Schritt 302 erfolgt ein Abgleich der Positions- und
Geschwindigkeitsvektordaten mit einer im Smartphone hinterlegten Karte von möglichen Aufenthaltsbereichen des Nutzers. Diese Karte kann insbesondere auch dynamische Informationen wie z. B. im Umfeld des Nutzers aktuell parkende Fahrzeuge beinhalten.
Parallel erfolgt in einem Schritt 304 eine Klassifikation bzw. Klassifizierung des Nutzers als einer von mehreren Nutzertypen wie Fußgänger, Autofahrer, Motorradfahrer, etc. Für verschiedene Nutzertypen können unterschiedliche Aufenthaltsbereiche in der Karte abgelegt sein.
Anschließend wird eine einen oder mehrere mögliche oder wahrscheinliche Aufenthaltsbereiche des Nutzers in dem Verkehrsraum repräsentierende Aufenthaltswahrscheinlichkeitsinformation eingelesen. Gemäß einem
Ausführungsbeispiel wird die Aufenthaltswahrscheinlichkeitsinformation unter Verwendung der im Schritt 304 ausgeführten Klassifizierung des
Straßenverkehrsteilnehmers und einer Zuordnung eines einer Mehrzahl von Aufenthaltsbereichen in dem Verkehrsraum zu dem Straßenverkehrsteilnehmer unter Verwendung der Klassifizierung gebildet.
Gemäß einem Ausführungsbeispiel wird in dem Schritt des Einlesens der Aufenthaltswahrscheinlichkeitsinformation die
Aufenthaltswahrscheinlichkeitsinformation ferner unter Verwendung einer digitalen Karte des Verkehrsraums, die insbesondere dynamische Informationen über den Verkehrsraum aufweist, eingelesen. Es folgt in einem Schritt 306 eine Bildung der Zielschätzungsinformation unter Verwendung der hinterlegten Bewegungshistorie des Nutzers, hier auf der Basis von in der Vergangenheit besuchten Orten, Uhrzeit, Tag, Kalendereinträgen, Nutzung des Navigationssystems, Suchanfragen im Webbrowser usw., um ein zu erwartendes Ziel des Nutzers zu bestimmen.
Eine Karte mit dem u. a. auf der Zielschätzungsinformation basierenden
Bewegungsprofil des Nutzers wird dann in dem Schritt 206 so bestimmt, dass gemittelte Positionen und Geschwindigkeiten nahe beieinanderliegender möglicher Bewegungstrajektorien des Nutzers gespeichert werden, sowie gegebenenfalls deren Standardabweichungen. Gemäß einem
Ausführungsbeispiel wird in dem Schritt 206 eine Mittelwertbildung von Daten der Positionsinformation und/oder des Bewegungsvektors und/oder der
Zielschätzungsinformation ausgeführt, um eine Bewegungstrajektorie einer Mehrzahl von möglichen Bewegungstrajektorien des Straßenverkehrsteilnehmers in dem Verkehrsraum auszuwählen und als das Bewegungsprofil zu bestimmen.
Bei der Mittelwertbildung kann auch eine Unterteilung nach Nutzertyp, Ziel, Wetter, Uhrzeit, Wochentag, Geschwindigkeit, Verkehrsdichte, Zustand von Ampeln, Abgelenktheit des Nutzers, etc. erfolgen.
Gemäß einem Ausführungsbeispiel kann in dem Schritt des Bestimmens 206 die Mittelung von Daten der Positionsinformation und/oder des Bewegungsvektors und/oder der Zielschätzungsinformation in Abhängigkeit von einer Klassifizierung des Straßenverkehrsteilnehmers und/oder in Abhängigkeit von einer Information über einen aktuellen Wochentag und/oder in Abhängigkeit von einer Information über eine aktuelle Uhrzeit und/oder in Abhängigkeit von einer Information über aktuelle Witterungsverhältnisse in dem Verkehrsraum und/oder in Abhängigkeit von einer Information über eine aktuelle Verkehrsdichte in dem Verkehrsraum und/oder in Abhängigkeit von einer Information über eine aktuelle
Ampelschaltung in dem Verkehrsraum und/oder in Abhängigkeit von einer Information über ein aktuelles Aufmerksamkeitsniveau des
Straßenverkehrsteilnehmers erfolgen. Alternativ kann statt des Mittelwerts ein möglicher Aufenthaltsbereich des Straßenverkehrsteilnehmers bestimmt werden, wobei als der Aufenthaltsbereich ein geografisches Gebiet bestimmt wird, in dem ein hoher Anteil der möglichen Trajektorien des Nutzers liegt. Mögliche Aufenthaltsbereiche können wiederum in Abhängigkeit von den oben genannten Faktoren gebildet werden. Entsprechend wird in dem Schritt des Bestimmens 206 ein Bereich des Verkehrsraums mit einer vorbestimmten Akkumulation möglicher Bewegungstrajektorien des
Straßenverkehrsteilnehmers in dem Verkehrsraum ausgewählt und als das Bewegungsprofil bestimmt.
Alternativ kann das Bewegungsprofil bzw. die Nutzerbewegung in einem
Positionsgitter bestimmt werden, indem für jeden Knotenpunkt des
Positionsgitters eine Übergangswahrscheinlichkeit und mögliche Geschwindigkeit zu benachbarten Knoten abgelegt wird. Zusätzlich kann eine Unterteilung nach Nutzertyp, Ziel, Wetter, Uhrzeit, Wochentag, Geschwindigkeit, Beschleunigung,
Verkehrsdichte, Zustand von Ampeln, Aufmerksamkeit des Nutzers, etc.
erfolgen. Die Karte mit den Bewegungsmustern kann auf dem Smartphone oder in einer Cloud bestimmt werden. Die Prädiktion in Schritt 206 erfolgt gemäß dem in Fig. 3 gezeigten
Ausführungsbeispiel des Verfahrens 200 auf Basis eines Messwertes und des Bewegungsprofils, das den zukünftigen Verlauf der Bewegung des
Straßenverkehrsteilnehmers gegeben den Messwert beschreibt. Der Messwert beinhaltet die aktuelle Position des Nutzers sowie weitere Informationen wie Termindaten eines in dem Mobilgerät des Nutzers hinterlegten Terminkalenders oder in dem Mobilgerät hinterlegte Webbrowserdaten oder in dem Mobilgerät hinterlegte oder ermittelte Daten zu Geschwindigkeit, Beschleunigung, Nutzertyp, Ziel, Wetter, Uhrzeit, Wochentag, Verkehrsdichte, Zustand von Ampeln,
Aufmerksamkeit des Nutzers, etc.
Das Bewegungsprofil enthält dem zugeordnet einen Erwartungs wert für die ausgewählte Trajektorie, also deren Position und mögliche Geschwindigkeiten, sowie gegebenenfalls Standardabweichungen. Alternativ oder zusätzlich enthält das Bewegungsprofil einen gemäß der ermittelten
Aufenthaltswahrscheinlichkeitsinformation bestimmten wahrscheinlichen Aufenthaltsbereich des Nutzers und/oder eine Verteilungsdichte, welche auf Basis der Messung aus dem oben genannten Positionsgitter bestimmt wird.
Fig. 4 zeigt ein Ablaufdiagramm einer weiteren beispielhaften Variante des in Fig. 2 skizzierten Verfahrens 200 zum Prädizieren der Bewegung eines
Straßenverkehrsteilnehmers in einem Verkehrsraum. Das Verfahren 200 wird hier gemeinschaftlich von dem Straßenverkehrsteilnehmer 102 bzw. dem
Fußgänger 102 und dem weiteren Straßenverkehrsteilnehmer 106 bzw. dem Fahrzeug 106 ausgeführt. Im Folgenden wird der Straßenverkehrsteilnehmer 102 auch als Nutzer 102 und der weitere Straßenverkehrsteilnehmer 106 auch als weiterer Nutzer 106 bezeichnet.
Der Ermittlung des Bewegungsprofils des Straßenverkehrsteilnehmers 102 wird wiederum eine Karte mit typischen Bewegungsprofilen des
Straßenverkehrsteilnehmers 102 in Form einer Bewegungshistorie zugrunde gelegt. Wie oben ist die Karte auf dem Smartphone des
Straßenverkehrsteilnehmers 102 hinterlegt.
Bei der in Fig. 4 vorbestellten weiteren Variante des Verfahrens 200 liegt der Schwerpunkt auf möglichen Ausführungen der Warnung vor Kollisionen. Ein besonders wichtiger Anwendungsfall der Kollisionswarnung ist die Warnung des Autofahrers des Fahrzeugs 106 vor einer Kollision mit dem Fußgänger 102. Das hierin vorgestellte Prinzip ist jedoch auf alle Kombinationen von
Verkehrsteilnehmern anwendbar und daher im Folgenden allgemein formuliert.
In Fig. 4 repräsentiert wiederum der Nutzer 102 einen Fußgänger oder einen anderen ungeschützten Verkehrsteilnehmer mit einem Smartphone, dessen Bewegungsprofil ermittelt wird. Der weitere Nutzer 106 repräsentiert ein
Fahrzeug bzw. einen Fahrer eines Fahrzeugs oder einen anderen
Verkehrsteilnehmer, der vor einer Kollision mit dem Nutzer 102 gewarnt wird. Der weitere Nutzer 106 muss nicht zwingend über ein Smartphone verfügen und es muss nicht zwingend ein Bewegungsprofil des weiteren Nutzers 106 ermittelt werden. Der weitere Nutzer 106 kann einen Umfeldsensor zur Erkennung des Nutzers 102 aufweisen. In einer ersten Ausprägung des in Fig. 4 gezeigten beispielhaften Verfahrens 200 wird die Prädiktion über die Bewegung des Nutzers 102 wie oben beschrieben auf dem Smartphone des Nutzers 102 erstellt und über eine passive
Transpondertechnik wie DS RC (Dedicated Short Range Communication) an den weiteren Nutzer 106 bereitgestellt.
Das Smartphone des Nutzers 102 ermittelt wie in Fig. 3 in Schritt 300 seine aktuelle Position und Geschwindigkeit. Daraus und gegebenenfalls mit weiteren Informationen wie Ziel, Tag, Uhrzeit, Wetter, Aufmerksamkeit des Nutzers 102, etc. wird wie oben dargestellt in Schritt 206 mit der Erstellung des
Bewegungsprofils die Bewegung des Nutzers 102 prädiziert.
Diese Information wird in einem Schritt des Bereitstellens 400 über eine geeignete Schnittstelle auf einem direkten Kommunikationsweg, z. B. DSRC, an den weiteren Nutzer 106 übermittelt. Der weitere Nutzer 106 hat bereits in einem Schritt 404 eine Eigenbewegung prädiziert und prüft nun in einem Schritt 406 anhand der prädizierten Eigenbewegung, ob eine Kollisionsgefahr vorliegt. Wenn ja, wird in einem Schritt 408 eine Kollisionswarnung ausgegeben. Zur Prädiktion der Eigenbewegung des weiteren Nutzers 106 in Schritt 404 kann sofern vorhanden ein in einem Schritt 402 erstelltes Bewegungsprofil des weiteren Nutzers 106 verwendet werden.
Die Warnanforderung kann in einem Schritt 410 über den direkten
Kommunikationsweg zurück an den Nutzer 102 gesendet werden, um auf dessen Smartphone in einem Schritt 412 eine Ausgabe einer Kollisionswarnung auszulösen.
In einer zweiten - in Fig. 4 nicht gezeigten - Ausprägung des Verfahrens 200 wird das Bewegungsprofil wiederum auf dem Smartphone des Nutzers 102 erstellt. Die Kommunikation zwischen den Nutzern 102, 106 findet hier allerdings über einen Server, z. B. eine Cloud, und beispielsweise LTE (Long Term
Evolution), einen Mobilfunkstandard der vierten Generation, statt.
In dieser zweiten Ausprägung übermittelt der weitere Nutzer 106 seine Position, seine Geschwindigkeit und seinen Nutzertyp ebenfalls an den Server, wo aus diesen Informationen eine Auswahl von kollisionsrelevanten Paaren der Nutzer 102, 106 bestimmt wird. Über LTE wird die wahrscheinliche Trajektorie oder der mögliche Aufenthaltsbereich oder die Verteilungsdichte möglicher Trajektorien des Nutzers 102 an den weiteren Nutzer 106 übermittelt.
Eine dritte - in Fig. 4 nicht gezeigte - Ausprägung des Verfahrens 200 wird wie die zweite Ausprägung serverbasiert ausgeführt, mit dem Unterschied, dass jetzt die Karte des Bewegungsprofils des Nutzers 102 auf dem Server bestimmt wird und der Nutzer 102 nur die dafür erforderlichen Daten an den Server überträgt. Es erfolgt dann auch hier eine Auswahl von kollisionsrelevanten Paaren der
Nutzer 102, 106. Die Prädiktion der Bewegung der Nutzer 102, 106 wird auf dem Server vorgenommen und die prädizierten Bewegungen an den weiteren Nutzer 106 übertragen.
Eine vierte - in Fig. 4 nicht gezeigte - Ausprägung des Verfahrens 200 unterscheidet sich von den vorher erläuterten Ausprägungen darin, dass ein Teil des Bewegungsprofils oder das gesamte Bewegungsprofil des Nutzers 102 über DSRC von dem Nutzer 102 an den weiteren Nutzer 106 übermittelt wird.
Außerdem werden Position, Geschwindigkeit und weitere Informationen wie Ziel, Uhrzeit, Wetter, Aufmerksamkeit des Nutzers 102, etc. an den weiteren Nutzer 106 übermittelt. Die Daten aus Umfeldsensoren des weiteren Nutzers 106 werden mit den Daten von dem Nutzer 102 fusioniert, um insbesondere eine genauere Schätzung von Position und Geschwindigkeit des Nutzers 102 für die Prädiktion zu bekommen.
Insbesondere in der oben erwähnten zweiten und dritten Ausprägung des hier vorgestellten Verfahrens 200 mit Beteiligung eines externen Servers wie z. B. einer Cloud kann das Verfahren 200 durch zusätzliche serverbasierte
Informationen noch weiter verfeinert werden. Beispielsweise können Daten von auf dem Server hinterlegten empirisch verketteten Histogrammen in die
Datenverarbeitung des Verfahrens 200 einfließen, insbesondere zur Bildung der Kollisionswarnung. Sinnvoll wäre beispielsweise das Bereitstellen von
Informationen zu definierten Aufenthaltsakkumulationen bestimmter
Personengruppen in dem Verkehrsraum oder das Bereitstellen von
Infrastrukturdaten bezüglich des Verkehrsraums und/oder das Bereitstellen hinterlegter Informationen über Unfallhistogramme in dem Verkehrsraum oder über Histogramme von Verkehrsregelverstößen in dem Verkehrsraum.
Ein Beispiel wäre hier die Bereitstellung von Informationen über eine hohe Wahrscheinlichkeit bestimmter Trajektorien von Kindern zu konkreten Uhrzeiten an Schultagen. Eine Herleitung wäre z. B. über Datamining realisierbar. Die Basis hierfür können Histogramme einer Aufenthaltsakkumulation an den genannten Knotenpunkten in Verbindung mit verketteten Merkmalen wie z. B. Uhrzeit, Profile (Kinder, Tiere), usw. bilden.
Eine Hinterlegung und Nutzung von Unfallhistogrammen neben den
Knotenpunkten ist serverbasiert aber auch ausschließlich smartphonebasiert möglich. Die Basis hierfür bilden Daten zur Unfallforschung mit Verkettung zu Geopositionen, aber auch zu Wetter, Uhrzeit, Fahrzeugtypen, etc.
Ebenfalls Server- aber auch smartphonebasiert ist neben der Bereitstellung von Unfallgeopositions- , Wetter- und Fahrzeugtypdaten auch eine Korrelation des Zustandekommens von Unfällen realisierbar. Konkret werden beispielsweise Geschwindigkeiten von Fahrzeugen und Fußgängern aber auch von anderen Fahrzeugen ebenso wie Ampelzustände (Infrastrukturdaten) mit der aktuellen
Situation verglichen.
Bei einer hohen Gesamtkorrelation aller Merkmale, die gegebenenfalls gewichtet ermittelt wird, kann der Fahrer gemäß Ausführungsbeispielen deutlich früher vor einer drohenden Kollision gewarnt werden. Als Beispiel sei eine
Landstraßenkreuzung mit Ampel genannt. Gegeben den Fall, dass es hier in der Vergangenheit an Samstagabenden regelmäßig zum Überfahren roter Ampeln aufgrund hohen Alkoholkonsums und damit verbunden zu schweren Unfällen gekommen ist, kann allein das Erscheinen eines schnellen Fahrzeugs in einer solchen Situation das Unfallrisiko erhöhen.
Wurden weitere Datenerhebungen, z. B. überfahrene rote Ampeln oder
Geschwindigkeitsüberschreitungen, auch ohne Unfälle, lokalisiert, könnten diese Merkmale zusätzlich zugeordnet werden, und es könnte damit vor
Gefahrenschwerpunkten noch effizienter gewarnt werden. Die relevanten Daten können beispielsweise durch einen anonymen Auszug aus einer Datenbank verfügbar gemacht werden.
Umfasst ein Ausführungsbeispiel eine„und/oder"-Verknüpfung zwischen einem ersten Merkmal und einem zweiten Merkmal, so ist dies so zu lesen, dass das
Ausführungsbeispiel gemäß einer Ausführungsform sowohl das erste Merkmal als auch das zweite Merkmal und gemäß einer weiteren Ausführungsform entweder nur das erste Merkmal oder nur das zweite Merkmal aufweist.

Claims

Ansprüche
Verfahren (200) zum Prädizieren einer Bewegung (110) eines
Straßenverkehrsteilnehmers (102) in einem Verkehrsraum (104), wobei das Verfahren (200) die folgenden Schritte aufweist:
Einlesen (202) einer Positionsinformation (118) und/oder eines
Bewegungsvektors (120) des Straßenverkehrsteilnehmers (102) Verkehrsraum (104);
Einlesen (204) einer Zielschätzungsinformation (124) über ein geschätztes Ziel der Bewegung (110) des Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104), wobei die Zielschätzungsinformation (124) auf einer hinterlegten Bewegungshistorie (126) des
Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104) basiert; und
Bestimmen (206) eines Bewegungsprofils (130) des
Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104) unter Verwendung der Positionsinformation (118) und/oder des
Bewegungsvektors (120) und/oder der Zielschätzungsinformation (124), um die Bewegung (110) des Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104) zu prädizieren.
Verfahren (200) gemäß Anspruch 1, bei dem in dem Schritt des
Bestimmens (206) mittels Mittelung von Daten der Positionsinformation (118) und/oder des Bewegungsvektors (120) und/oder der
Zielschätzungsinformation (124) eine Bewegungstrajektorie einer Mehrzahl von möglichen Bewegungstrajektorien des
Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104) ausgewählt und als das Bewegungsprofil (130) bestimmt wird. Verfahren (200) gemäß Anspruch 2, bei dem in dem Schritt des
Bestimmens (206) die Mittelung von Daten der Positionsinformation (118) und/oder des Bewegungsvektors (120) und/oder der
Zielschätzungsinformation (124) in Abhängigkeit von einer
Klassifizierung (304) des Straßenverkehrsteilnehmers (102) und/oder in Abhängigkeit von einer Information über einen aktuellen Wochentag und/oder in Abhängigkeit von einer Information über eine aktuelle Uhrzeit und/oder in Abhängigkeit von einer Information über aktuelle Witterungsverhältnisse in dem Verkehrsraum (104) und/oder in
Abhängigkeit von einer Information über eine aktuelle Verkehrsdichte in dem Verkehrsraum (104) und/oder in Abhängigkeit von einer Information über eine aktuelle Ampelschaltung in dem Verkehrsraum (104) und/oder in Abhängigkeit von einer Information über ein aktuelles
Aufmerksamkeitsniveau des Straßenverkehrsteilnehmers (102) erfolgt.
Verfahren (200) gemäß Anspruch 1, bei dem in dem Schritt des
Bestimmens (206) ein Bereich des Verkehrsraums (104) mit einer vorbestimmten Akkumulation möglicher Bewegungstrajektorien des Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104) ausgewählt und als das Bewegungsprofil (130) bestimmt wird.
Verfahren (200) gemäß einem der vorangegangenen Ansprüche, mit einem Schritt des Bildens (306) der Zielschätzungsinformation (124) unter Verwendung einer in einem Mobilgerät (128) des
Straßenverkehrsteilnehmers (102) hinterlegten Bewegungshistorie (126) des Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104) und/oder unter Verwendung eines in dem Mobilgerät (128) des
Straßenverkehrsteilnehmers (102) hinterlegten Terminkalenders und/oder unter Verwendung von in dem Mobilgerät (128) des
Straßenverkehrsteilnehmers (102) hinterlegten Webbrowserdaten und/oder unter Verwendung einer Information über einen aktuellen Wochentag und/oder unter Verwendung einer Information über eine aktuelle Uhrzeit und/oder unter Verwendung einer Information über aktuelle Witterungsverhältnisse. Verfahren (200) gemäß einem der vorangegangenen Ansprüche, mit einem Schritt des Einlesens einer
Aufenthaltswahrscheinlichkeitsinformation, die einen wahrscheinlichen Aufenthaltsbereich des Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104) repräsentiert, wobei die
Aufenthaltswahrscheinlichkeitsinformation unter Verwendung einer Klassifizierung (304) des Straßenverkehrsteilnehmers (102) und einer Zuordnung eines einer Mehrzahl von Aufenthaltsbereichen in dem Verkehrsraum (104) zu dem Straßenverkehrsteilnehmer (102) unter Verwendung der Klassifizierung (304) gebildet wurde, und wobei in dem Schritt des Bestimmens (206) das Bewegungsprofil (130) des
Straßenverkehrsteilnehmers (102) ferner unter Verwendung der Aufenthaltswahrscheinlichkeitsinformation bestimmt wird.
Verfahren (200) gemäß Anspruch 6, bei dem in dem Schritt Einlesens der Aufenthaltswahrscheinlichkeitsinformation die
Aufenthaltswahrscheinlichkeitsinformation ferner unter Verwendung einer digitalen Karte des Verkehrsraums (104), insbesondere unter Verwendung einer dynamische Informationen über den Verkehrsraum (104) aufweisenden digitalen Karte des Verkehrsraums (104) gebildet wurde.
Verfahren (200) gemäß einem der vorangegangenen Ansprüche, mit einem Schritt des Bereitstellens des Bewegungsprofils (130) an einen weiteren Straßenverkehrsteilnehmer (106) in dem Verkehrsraum (104) und/oder an ein entferntes Rechenzentrum (134) über eine geeignete Schnittstelle.
Verfahren (200) gemäß einem der vorangegangenen Ansprüche, mit einem Schritt des Bildens einer Kollisionswarnung über eine drohende Kollision eines weiteren Straßenverkehrsteilnehmers (106) mit dem Straßenverkehrsteilnehmer (102) unter Verwendung des
Bewegungsprofils (130) des Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104). Verfahren (200) gemäß Anspruch 9, bei dem in dem Schritt des Bildens der Kollisionswarnung die Kollisionswarnung ferner unter Verwendung einer hinterlegten Information über eine zeitlich definierte
Aufenthaltsakkumulation bestimmter Personengruppen in dem
Verkehrsraum (104) und/oder unter Verwendung von hinterlegten Infrastrukturdaten bezüglich des Verkehrsraums (104) und/oder unter Verwendung einer hinterlegten Information über ein Unfallhistogramm in dem Verkehrsraum (104) und/oder unter Verwendung einer hinterlegten Information über ein Histogramm von Verkehrsregelverstößen in dem Verkehrsraum (104) gebildet wird.
Verfahren (200) gemäß Anspruch 9 oder 10, bei dem in dem Schritt des Bildens der Kollisionswarnung die Kollisionswarnung ferner unter Verwendung einer Information eines Umfeldsensors (132) des weiteren Straßenverkehrsteilnehmers (106) gebildet wird.
Verfahren (200) gemäß einem der Ansprüche 9 bis 11, mit einem Schritt des Bereitstellens der Kollisionswarnung an den
Straßenverkehrsteilnehmer (102) über eine dem
Straßenverkehrsteilnehmer (102) zugeordnete geeignete Schnittstelle und/oder an den weiteren Straßenverkehrsteilnehmer (106) über eine dem weiteren Straßenverkehrsteilnehmer (106) zugeordnete geeignete Schnittstelle.
Vorrichtung (100) zum Prädizieren einer Bewegung (110) eines
Straßenverkehrsteilnehmers (102) in einem Verkehrsraum (104), wobei die Vorrichtung (100) die folgenden Merkmale aufweist: eine Einleseeinrichtung (112) zum Einlesen einer Positionsinformation (118) und/oder eines Bewegungsvektors (120) des
Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104); eine weitere Einleseeinrichtung (114) zum Einlesen einer
Zielschätzungsinformation (124) über ein geschätztes Ziel der
Bewegung (110) des Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104), wobei die Zielschätzungsinformation (124) auf einer hinterlegten Bewegungshistorie (126) des
Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104) basiert; und eine Bestimmungseinrichtung (116) zum Bestimmen eines
Bewegungsprofils (130) des Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104) unter Verwendung der Positionsinformation (118) und/oder des Bewegungsvektors (120) und/oder der
Zielschätzungsinformation (124), um die Bewegung (110) des
Straßenverkehrsteilnehmers (102) in dem Verkehrsraum (104) zu prädizieren.
14. Computerprogramm, das dazu eingerichtet ist, das Verfahren (200) gemäß einem der Ansprüche 1 bis 12 auszuführen.
15. Maschinenlesbares Speichermedium, auf dem das Computerprogramm nach Anspruch 14 gespeichert ist.
PCT/EP2016/080576 2015-12-17 2016-12-12 VERFAHREN UND VORRICHTUNG ZUM PRÄDIZIEREN EINER BEWEGUNG EINES STRAßENVERKEHRSTEILNEHMERS IN EINEM VERKEHRSRAUM WO2017102623A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102015225751.7 2015-12-17
DE102015225751.7A DE102015225751A1 (de) 2015-12-17 2015-12-17 Verfahren und Vorrichtung zum Prädizieren einer Bewegung eines Straßenverkehrsteilnehmers in einem Verkehrsraum

Publications (1)

Publication Number Publication Date
WO2017102623A1 true WO2017102623A1 (de) 2017-06-22

Family

ID=57543035

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2016/080576 WO2017102623A1 (de) 2015-12-17 2016-12-12 VERFAHREN UND VORRICHTUNG ZUM PRÄDIZIEREN EINER BEWEGUNG EINES STRAßENVERKEHRSTEILNEHMERS IN EINEM VERKEHRSRAUM

Country Status (2)

Country Link
DE (1) DE102015225751A1 (de)
WO (1) WO2017102623A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112197928A (zh) * 2020-09-14 2021-01-08 中国第一汽车股份有限公司 一种用于行人保护头型试验的头型回收装置

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017222288A1 (de) 2017-12-08 2019-06-13 Audi Ag Verfahren zur Organisation mehrerer Fahrzeuge einer Fahrzeugflotte zur Personenbeförderung und Servereinrichtung zum Durchführen des Verfahrens
DE102017222876A1 (de) * 2017-12-15 2019-06-19 Continental Automotive Gmbh Verfahren und System zur Erzeugung einer Kollisionswarnung für Verkehrsteilnehmer
DE102018200852A1 (de) * 2018-01-19 2019-07-25 Bayerische Motoren Werke Aktiengesellschaft Bewegungsassistenzverfahren für Personen als Verkehrsteilnehmer und Bewegungsassistenzsystem
DE102019127930B4 (de) 2019-10-16 2022-01-20 Audi Ag Verfahren zur Positionsbestimmung eines nichtmotorisierten Verkehrsteilnehmers und Verkehrseinrichtung
DE102020131489B3 (de) * 2020-11-27 2021-10-28 Sfara GmbH Verfahren zur Kollisionsvermeidung
DE102020131490A1 (de) * 2020-11-27 2022-06-02 Sfara GmbH Verfahren zur Kollisionsvermeidung
DE102022004426A1 (de) 2022-11-28 2024-05-29 Mercedes-Benz Group AG Verfahren zur Prädiktion von Bewegungen von Verkehrsteilnehmern

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010037823A1 (de) * 2008-10-01 2010-04-08 Universität Kassel Verfahren zur kollisionsvermeidung
DE102011111899A1 (de) 2011-08-30 2013-02-28 Gm Global Technology Operations, Llc Detektionsvorrichtung und Verfahren zur Detektion eines Trägers eines Sende-/Empfangsgeräts, Kraftfahrzeug
DE102013202463A1 (de) * 2013-02-15 2014-08-21 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zum Ermitteln eines Bewegungsmodells

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010037823A1 (de) * 2008-10-01 2010-04-08 Universität Kassel Verfahren zur kollisionsvermeidung
DE102011111899A1 (de) 2011-08-30 2013-02-28 Gm Global Technology Operations, Llc Detektionsvorrichtung und Verfahren zur Detektion eines Trägers eines Sende-/Empfangsgeräts, Kraftfahrzeug
DE102013202463A1 (de) * 2013-02-15 2014-08-21 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zum Ermitteln eines Bewegungsmodells

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112197928A (zh) * 2020-09-14 2021-01-08 中国第一汽车股份有限公司 一种用于行人保护头型试验的头型回收装置

Also Published As

Publication number Publication date
DE102015225751A1 (de) 2017-06-22

Similar Documents

Publication Publication Date Title
WO2017102623A1 (de) VERFAHREN UND VORRICHTUNG ZUM PRÄDIZIEREN EINER BEWEGUNG EINES STRAßENVERKEHRSTEILNEHMERS IN EINEM VERKEHRSRAUM
DE102018100112A1 (de) Verfahren und systeme zum verarbeiten von lokalen und cloud-daten in einem fahrzeug und ein cloud-server zum übertragen von cloud-daten an fahrzeuge
DE102019205228A1 (de) Einfädelverhaltenssysteme und Verfahren für Fahrzeuge auf einer Hauptspur
DE102019205223A1 (de) Einfädelverhaltenssysteme und Verfahren zum Einfädeln von Fahrzeugen
DE102017114495A1 (de) Autonomes fahrsystem
DE112016004751T5 (de) Autonomes fahrunterstützungssystem, autonomes fahrunterstützungsverfahren und computerprogramm
DE102020210499A1 (de) Datengesteuerte regelwerke
DE102017117158A1 (de) Systeme und verfahren für das management von spurwechseln beim autonomen fahren
DE102014220681A1 (de) Verkehrssignalvorhersage
DE102014118079A1 (de) Erlernen des autonomen Fahrverhaltens
EP3338252A1 (de) Vorrichtungen, verfahren und computerprogramm zum bereitstellen von information über eine voraussichtliche fahrintention
DE102019209154A1 (de) Infrastrukturseitige Umfelderfassung beim autonomen Fahren
DE102014117751A1 (de) System und Verfahren zum dynamischen Fokussieren von Fahrzeugsensoren
DE102014201159A1 (de) Verfahren und Vorrichtung zum Klassifizieren eines Verhaltens eines Fußgängers beim Überqueren einer Fahrbahn eines Fahrzeugs sowie Personenschutzsystem eines Fahrzeugs
DE102018115198A1 (de) Crowdsourcing-basierte virtuelle Sensorgenerierungs- und virtuelle Sansoranwendungs-Streuerung
DE102012210608A1 (de) Verfahren und Vorrichtung zum Erzeugen eines Steuerparameters für ein Abstandsassistenzsystem eines Fahrzeugs
DE102021103149A1 (de) Verfahren und vorrichtung zur bestimmung der optimalen kreuzungsspur in einem unterstützten fahrsystem
EP2562735A1 (de) Verfahren und Vorrichtung zur Analysierung eines von einem Fahrzeug zu befahrenden Streckenabschnitts
DE102012204948A1 (de) Verfahren zur Unterstützung eines Fahrers
DE102018120330A1 (de) Bildprojektion bei Fahrzeugen
DE102015223656A1 (de) Fahrerassistenzsystem und -Verfahren zur Fahrspurempfehlung
DE102018124578A1 (de) System und verfahren zur dynamischen fahrzeuganpassung und zum -tuning
DE102021111144A1 (de) Spurenbasierte fahrzeugsteuerung
DE102013217486A1 (de) Verfahren zur Repräsentation eines Umfelds eines Fahrzeugs in einem Belegungsgitter
EP3091368B1 (de) Verfahren zum betrieb eines radarsensors in einem kraftfahrzeug, radarsensor und kraftfahrzeug

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16809799

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16809799

Country of ref document: EP

Kind code of ref document: A1