WO2018188940A1 - Verfahren zum ermitteln von daten eines verkehrsszenarios - Google Patents

Verfahren zum ermitteln von daten eines verkehrsszenarios Download PDF

Info

Publication number
WO2018188940A1
WO2018188940A1 PCT/EP2018/057743 EP2018057743W WO2018188940A1 WO 2018188940 A1 WO2018188940 A1 WO 2018188940A1 EP 2018057743 W EP2018057743 W EP 2018057743W WO 2018188940 A1 WO2018188940 A1 WO 2018188940A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
vehicle
traffic
road
evaluating
Prior art date
Application number
PCT/EP2018/057743
Other languages
English (en)
French (fr)
Inventor
Holger Janssen
Fabian GIGENGACK
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
Priority to US16/476,987 priority Critical patent/US20190355245A1/en
Priority to EP18713903.5A priority patent/EP3610472A1/de
Priority to CN201880024497.7A priority patent/CN110506303B/zh
Publication of WO2018188940A1 publication Critical patent/WO2018188940A1/de

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors

Definitions

  • the invention relates to a method for determining data of a traffic scenario
  • the invention further relates to a device for determining data of a traffic scenario.
  • the invention further relates to a computer program product.
  • Automated or automatic vehicles require sensors and procedures to capture the environment. This environment detection is established so far by suitable methods that the driving task can be performed.
  • Traffic signs as part of the traffic infrastructure are made known to the driver. These signs are part of modern digital maps. Another example is detailed information on the number and type of
  • Lanes in digital maps intended to facilitate the driver's placement in an explicit lane, for example during turns.
  • information from the transport infrastructure such as lane lines, traffic lights, traffic signs, stop lines, other markings on the street, such as lamp posts, etc.
  • This roadbook will be used for vehicles
  • An object of the present invention is to provide improved detection of a traffic scenario.
  • the object is achieved according to a first aspect with a method for determining data of a traffic scenario, comprising the steps:
  • Benefit road users can increase safety in driving the vehicle in this way.
  • this provides a kind of best-practice aggregation that takes into account the behavior of road users that are correct (“best practice”) and therefore supports safe driving of vehicles, thereby advantageously reducing sensory outlay on the vehicle.
  • the object is achieved with a device for detecting a traffic scenario, comprising:
  • a sensor device for detecting an environment of the vehicle, wherein by means of the sensor device behaviors of at least one road user is detected; processing means for combining and evaluating the acquired data of the environment and the behaviors of the at least one road user;
  • a memory for storing the combined and evaluated data.
  • a further advantageous development of the method is characterized in that the combined and evaluated data are stored in an internal or in an external digital map of the vehicle. This supports both external and internal digital maps for the process.
  • Combining and evaluating the collected data is taken into account at least one of: local aspect, temporal aspect, behavioral patterns, use of external information.
  • the external information comprises at least one of the following: data relating to weather, accident statistics, police data.
  • different external information is advantageously used for the method.
  • a further advantageous development of the method provides that the combined and evaluated data are used for an information system and / or for a driver assistance system of the vehicle.
  • the combined and evaluated data may support high availability of longitudinal and / or lateral guidance of the vehicle.
  • Disclosed method features are analogous to corresponding disclosed device features and vice versa. This means
  • Fig. 1 is a schematic representation of an operation of the
  • Figs. 2-5 illustrate exemplary traffic scenarios for which the method may be used.
  • automated vehicle is used interchangeably in the terms fully automated vehicle, partially automated vehicle, fully autonomous vehicle and partially autonomous vehicle
  • the proposed method uses a reciprocal context between the transport infrastructure and the behavior of road users (any vehicles, pedestrians).
  • the traffic infrastructure causes
  • Contextual road users for example, "cars driving on the road”
  • the coverage or forecasts for the current road can be greatly enhanced by observing vehicles on the road.
  • one strategy for following the current situation may be to follow a vehicle in front. As long as this vehicle complies with current traffic rules, does not cause an accident, ie the vehicle implements a best practice, nothing speaks against the consequences of the vehicle (eg a traffic light switched to red). As long as the vehicle in front drives on its own route, this can be a successful driving strategy.
  • Suitable locations may be e.g. be designed as digital cards, which are arranged inside and / or outside of the vehicle on a server device.
  • a communication device is required in the vehicle, with which the vehicle can communicate with the external server device and data to / from the external server
  • Server device can transmit.
  • the information may include, for example: - local information
  • the local information may, for example, relate to:
  • Position information e.g. stored by GPS coordinates or formed as relative coordinates within the respective situation
  • Temporal functions may, for example, relate to:
  • Behavior patterns or best practices may e.g. concern:
  • vehicle sensors e.g., cameras and / or vehicle dynamics sensors
  • radar sensors e.g., radar sensors and / or
  • Navigation devices and / or other sensors detected and transmitted to a combination device In the case of the combination mentioned by means of the combination device, all information is compared with one another in order to arrive at the most uniform and correct picture of the situation. The combined information is stored based on their location information in a digital map. For this purpose, an evaluation is carried out in order to arrive at correct information.
  • this can be used in particular for automatically or automatically or autonomously driving vehicles which, in addition to their sensory surroundings detection, can use further information in the form of aggregated data relating to best practices of other road users.
  • this can be used in particular for automatically or automatically or autonomously driving vehicles which, in addition to their sensory surroundings detection, can use further information in the form of aggregated data relating to best practices of other road users.
  • sensors 1 for example, camera, radar, lidar, ultrasound, etc.
  • sensors 1 for example, camera, radar, lidar, ultrasound, etc.
  • the current information may optionally be combined with aggregated situation information 4 in a first module 3.
  • Aggregated situation information includes both: a) local information (this is known from digital maps)
  • temporal information e.g. local can be linked to temporal information
  • the temporal and / or local aggregation is carried out by means of a second module 5.
  • the result of this aggregation can be stored in new aggregated information 7. These are synchronized by means of a synchronization process 9, from which an aggregating situation detection 4 can again be carried out.
  • the aggregating situation survey 4, the Aggregated information 7 and the synchronization process 9 can be processed or executed in the vehicle and / or outside of a vehicle, for example in a so-called backend.
  • the results of the second module 5 and optionally the aggregated information 7 are combined into a situation interpretation 6. This is used to determine a suitable situational behavior 8 for the
  • Traffic scenarios uses at least one sensor device for
  • Environment detection such as video cameras and / or radar sensors and / or digital maps and / or location information (e.g., GPS data) and / or other environmental sensors and aggregated information from the mentioned sensor devices to describe the situation.
  • location information e.g., GPS data
  • the aim is to improve the location and / or time-specific driving behavior for automated and / or automatic and / or manual driving.
  • the following aspects are taken into account: - How has a vehicle whose behavior has been detected been included in the current
  • Driving situations are very different from the respective road shapes, e.g. On highways usually a uniformly flowing traffic in the increased speed range is realized. Exceptions here are the following events, for example, the proposed aggregating
  • Slow moving vehicles e.g., trucks on slopes
  • T-junction with three outgoing roads (T-junction), where there is a risk that the driver does not recognize a stop in time or where there is a likelihood of confusion with a right-of-way
  • Entrances and exits for example, farm entrances to agricultural farms, dirt roads, industrial plants, dirty roads at construction sites
  • Elements of the infrastructure may be e.g. include:
  • Road elements in the form of lanes with markings and lateral boundaries or other boundaries of the drivable area such as lane markings, stop lines, restricted areas, curbs, gutters, (warning) beacons, bus lanes, pedestrian crossings, pedestrian trains, arrows (eg to identify the direction of travel on the lane), traffic signs the roadway, pictograms or other symbols on the road, general writing on the road, turf
  • lateral routes / routes e.g. Junctions into the street (side streets, entrances and exits), pedestrian / cycle paths
  • Signaling elements e.g. Traffic signs (static and / or variable message signs), traffic flow rules, rules of the
  • the road users move within the above exemplified infrastructure.
  • a description of the road users can be the following
  • the road users interact as a whole with the
  • Traffic flow e.g. fluid, normal, slow-moving, stop-and-go, congestion
  • the current traffic flow can be assigned to individual infrastructures, such as:
  • Road users have the following characteristics: - type of road user: persons (pedestrians, children, disabled persons (eg disabled, blind, etc.)
  • Animals e.g. Farm animals (cows, horses, etc.), wild animals (deer, wild boar, etc.)
  • Vehicles such as Cars, trucks, motorbikes, scooters, bicycles, buses (in traffic and at bus stops)
  • Agricultural vehicles e.g. Tractors / tractors, where appropriate, with trailers, combine harvesters, Häxelmaschinen, grubbing machines, etc.
  • Type of movement of the participant such as uniformly moved (constant speed), accelerated (movement with
  • Speed change sustained, approaching, standing in traffic, standing on a parking area, parked in the second row (e.g., delivery vehicle), involved in an accident
  • Direction e.g. steady direction, changing direction
  • - location of the road user e.g. defined by a geo-coordinate (for example GPS coordinate, etc.), relative distances to road users and / or to lane boundaries
  • a passable area e.g., a road
  • Vehicles stop at certain infrastructures: e.g. in front
  • Vehicles make lane changes in front of certain infrastructures, e.g. turning lanes
  • Time of day time, day / night, information on temporal influences (e.g.
  • Week time e.g. Status weekend, beginning / end of the week (for example increased weekend traffic)
  • Weather and weather conditions such as Dryness (general and dryness of the road), wet, snow, ice
  • Temperature e.g. the air, the road, high heat (resulting in hectic driving), cold (resulting in attentive driving style)
  • Vehicle environment detection sensor e.g. Video camera, radar sensor
  • Lidar sensor ultrasonic sensor, other sensors
  • Microphone e.g., to detect siren, horn, etc.
  • said aggregation uses external information (e.g., accident statistics,
  • the said aggregation i. capturing the behaviors of the
  • Evaluating the recorded data of the environment can take place in the vehicle and / or on an external system and stored accordingly internally and / or externally in one or more memories. All of this can be used to make the ego vehicle through situation-specific
  • FIG. 2 shows an exemplary traffic scenario 100 in which the
  • Traffic scenario 100 and sensed, whereby the collected data are combined and evaluated, so that the data thus obtained can be used specifically.
  • This allows, for example, that a driver assistance system of a vehicle in an approximation to the
  • Crossing situation of Fig. 2 knows the potential hazard and gives a corresponding information or warning message to the driver, e.g. in
  • FIG. 3 shows another traffic scenario 100 for which the proposed method can be used.
  • One recognizes a crossing situation with a priority road 10 and a danger potential due to congestion.
  • a vehicle 40 approaches the jam area at increased speed.
  • the corresponding data may be distributed to other road users, so that future vehicles, when approaching the traffic scenario 100 of FIG. 3, may advantageously benefit from the "wealth of experience" of already driven vehicles.
  • FIG. 4 shows another traffic scenario 100 for which the proposed method can be used.
  • the traffic scenario 100 is formed as a bus stop at which a person 60 gets on a bus 70.
  • another person 61 traverses the lane 10 in order to change to the opposite side of the road (indicated by a Arrow).
  • a vehicle 40 is approaching this traffic scenario 100.
  • the said traffic scenario 100 takes place at a time 80 and is likely to repeat 80 on one of the following days at the same time.
  • FIG. 5 shows another traffic scenario 100 for which the proposed method can be used.
  • the traffic scenario 100 includes driving through a three lane roundabout.
  • a cooperative driving of the vehicles 30, 40 and 41 The vehicle 40 enters the roundabout on the right / outer lane and leaves the
  • Roundabout at the first exit so performs amaschineabbiegemanöver.
  • Another vehicle 30 enters the roundabout in the middle lane and leaves the roundabout at the second exit, thus realizing straight ahead driving.
  • Another vehicle 41 enters in the left / inner lane in the roundabout and leaves the roundabout at the third exit, thus realizing a left turn maneuver.
  • Vehicle 42 which enters the roundabout on the right / outer lane and remains permanently in the right / outer lane and the
  • all variants should be known because the automated or automatically moving vehicle can adjust to all variants and can take into account accordingly.
  • the combining and evaluating of the collected data may be in the form of a message and or in the form of defining exclusion criteria, but many other ways of combining and evaluating the collected data are possible.
  • the proposed method can be advantageously used for high-performance automatic and / or (partially) automated driving functions.
  • (partially) automated driving in urban environments, on country roads and on highways is relevant.
  • the method can also be used for manual driving, with the driver of the vehicle then e.g. be emitted visual and / or audible warning.
  • the method according to the invention can e.g. be used to provide high availability of longitudinal and lateral guidance of vehicles.
  • FIG. 6 shows a basic sequence of an embodiment of the invention
  • a step 200 an environment of a vehicle 30, 40, 41, 42 is detected by means of a sensor device.
  • a step 210 capturing behaviors of
  • a step 220 combining and evaluating the acquired data of the
  • step 230 storing of the combined and evaluated data is performed. It goes without saying that the order of steps 200 and 210 is arbitrary.
  • the proposed method can be realized by means of a software program with suitable program code means which runs on a device for determining data of a traffic scenario.
  • suitable program code means which runs on a device for determining data of a traffic scenario.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

Verfahren zum Ermitteln von Daten eines Verkehrsszenarios (100), aufweisend die Schritte: - Erfassen eines Umfelds eines Fahrzeugs (30, 40, 41, 42) mittels einer Sensoreinrichtung; - Erfassen von Verhaltensweisen von Verkehrsteilnehmern mittels der Sensoreinrichtung; - Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen der Verkehrsteilnehmer; und - Speichern der kombinierten und bewerteten Daten.

Description

Beschreibung Titel
Verfahren zum Ermitteln von Daten eines Verkehrsszenarios Die Erfindung betrifft ein Verfahren zum Ermitteln von Daten eines
Verkehrsszenarios. Die Erfindung betrifft weiterhin eine Vorrichtung zum Ermitteln von Daten eines Verkehrsszenarios. Die Erfindung betrifft weiterhin ein Computerprogrammprodukt. Stand der Technik
Für automatisiert oder automatisch fahrende Fahrzeuge werden Sensoren und Verfahren zur Erfassung des Umfelds benötigt. Diese Umfelderfassung wird so weit durch geeignete Methoden etabliert, dass die Fahraufgabe durchgeführt werden kann.
Bestehende Verfahren zur Szeneninterpretation nutzen dazu direkt die im Fahrzeug verbauten Sensoren zum jeweils aktuellen Zeitpunkt. Zwei bereits bekannte Ansätze zur Szeneninterpretation sind:
- In digitalen Karten werden zunehmend Elemente eingetragen, die die
Interpretation von Straßenszenen vereinfachen. Als Beispiele seien
Geschwindigkeitsbegrenzungen genannt, die in der Regel durch
Verkehrszeichen als Teil der Verkehrsinfrastruktur dem Fahrer bekannt gemacht werden. Diese Zeichen sind Teil von modernen digitalen Karten. Ein anderes Beispiel sind detaillierte Informationen zu Anzahl und Art von
Fahrstreifen in digitalen Karten, die das Einordnen des Fahrers in eine explizite Fahrspur, zum Beispiel bei Abbiegevorgängen erleichtern sollen. - Bekannt ist, dass Informationen aus der Verkehrsinfrastruktur (beispielsweise Fahrbahnlinien, Ampeln, Verkehrszeichen, Haltelinien, weitere Markierungen auf der Straße, wie z.B. Laternenpfosten, usw.) online über Kameras erfasst und über Crowd Sourcing Methoden zu einem sogenannten Roadbook aggregiert werden. Dieses Roadbook wird beteiligten Fahrzeugen zur
Verfügung gestellt.
Offenbarung der Erfindung Eine Aufgabe der vorliegenden Erfindung ist es, eine verbesserte Erfassung eines Verkehrsszenarios bereitzustellen.
Die Aufgabe wird gemäß einem ersten Aspekt gelöst mit einem Verfahren zum Ermitteln von Daten eines Verkehrsszenarios, aufweisend die Schritte:
- Erfassen eines Umfelds eines Fahrzeugs mittels einer
Sensoreinrichtung;
Erfassen von Verhaltensweisen von Verkehrsteilnehmern mittels der Sensoreinrichtung;
Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen der Verkehrsteilnehmer; und
Speichern der kombinierten und bewerteten Daten.
Auf diese Weise können Fahrzeuge aus einem Erfahrungsschatz von
Verkehrsteilnehmern profitieren. Vorteilhaft lässt sie auf diese Weise eine Sicherheit im Fahrbetrieb des Fahrzeugs erhöhen. Im Ergebnis wird dadurch eine Art Best-Practice Aggregation bereitgestellt, welche Verhaltensweisen von Verkehrsteilnehmern berücksichtigt, die richtig sind („Best Practice") und daher einen sicheren Fahrbetrieb von Fahrzeugen unterstützt. Vorteilhaft kann dadurch ein sensorischer Aufwand für das Fahrzeug verringert werden.
Gemäß einem zweiten Aspekt wird die Aufgabe gelöst mit einer Vorrichtung zum Erfassen eines Verkehrsszenarios, aufweisend:
eine Sensoreinrichtung zum Erfassen eines Umfelds des Fahrzeugs, wobei mittels der Sensoreinrichtung Verhaltensweisen wenigstens eines Verkehrsteilnehmers erfasst wird; eine Verarbeitungseinrichtung zum Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen des wenigstens einen Verkehrsteilnehmers; und
einen Speicher zu Speichern der kombinierten und bewerteten Daten.
Vorteilhafte Weiterbildungen des Verfahrens sind Gegenstand von abhängigen Ansprüchen.
Eine vorteilhafte Weiterbildung des Verfahrens sieht vor, dass das Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen der
Verkehrsteilnehmer innerhalb oder außerhalb des Fahrzeugs durchgeführt wird. Auf diese Weise werden unterschiedliche Optionen zum Kombinieren und Bewerten der erfassten Daten bereitgestellt. Eine weitere vorteilhafte Weiterbildung des Verfahrens zeichnet sich dadurch aus, dass die kombinierten und bewerteten Daten in einer internen oder in einer externen digitalen Karte des Fahrzeugs gespeichert werden. Dadurch ist unterstützt, dass sowohl externe und auch interne digitale Karten für das Verfahren benutzt werden können.
Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass das Kombinieren und Bewerten der erfassten Daten ein Mitteln umfasst. Dadurch wird eine spezifische Art eines Auswertens der erfassten Daten durchgeführt. Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass das
Kombinieren und Bewerten der erfassten Daten ein Anwenden von
Ausschlusskriterien umfasst. Auf diese Weise wird eine weitere spezifische Art eines Auswertens der erfassten Daten bereitgestellt. Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass beim
Kombinieren und Bewerten der erfassten Daten wenigstens eines aus folgendem berücksichtigt wird: örtlicher Aspekt, zeitlicher Aspekt, Aspekte betreffend Verhaltensmuster, Nutzung von externen Informationen. Auf diese Weise werden verschiedene Aspekte beim Kombinieren und Bewerten erfassten Daten berücksichtigt. Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass die externen Informationen wenigstens eines aus Folgendem umfassen: Daten betreffend Witterung, Unfallstatistiken, Polizeidaten. Dadurch werden vorteilhaft verschiedene externe Informationen für das Verfahren genutzt.
Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass die kombinierten und bewerteten Daten für ein Informationssystem und/oder für ein Fahrerassistenzsystem des Fahrzeugs genutzt werden. Auf diese Weise werden vorteilhafte Anwendungsfälle des Verfahrens bereitgestellt. Zum Beispiel können die kombinierten und bewerteten Daten eine hohe Verfügbarkeit einer Längsund/oder Querführung des Fahrzeugs unterstützen.
Die Erfindung wird im Folgenden mit weiteren Merkmalen und Vorteilen anhand von mehreren Figuren detailliert beschrieben. Die Figuren sind vor allem dazu gedacht, die erfindungswesentlichen Prinzipien zu verdeutlichen und sind nicht unbedingt maßstabgetreu ausgeführt.
Offenbarte Verfahrensmerkmale ergeben sich analog aus entsprechenden offenbarten Vorrichtungsmerkmalen und umgekehrt. Dies bedeutet
insbesondere, dass sich Merkmale, technische Vorteile und Ausführungen betreffend das Verfahren in analoger Weise aus entsprechenden Ausführungen, Merkmalen und Vorteilen betreffend die Vorrichtung ergeben und umgekehrt.
In den Figuren zeigt:
Fig. 1 eine prinzipielle Darstellung einer Funktionsweise des
erfindungsgemäßen Verfahrens;
Fig. 2-5 beispielhafte Verkehrsszenarios, für die das Verfahren verwendet werden kann; und
Fig. 6 einen schematischen Ablauf einer Ausführungsform des
erfindungsgemäßen Verfahrens.
Beschreibung von Ausführungsformen Im Folgenden wird der Begriff„automatisiertes Fahrzeug" synonym in den Bedeutungen vollautomatisiertes Fahrzeug, teilautomatisiertes Fahrzeug, vollautonomes Fahrzeug und teilautonomes Fahrzeug verwendet. Ein Kerngedanke der vorliegenden Erfindung liegt insbesondere darin, eine
Informationsbasis zu schaffen, die ein Verhalten von anderen
Verkehrsteilnehmern berücksichtigt und dadurch zu einer verbesserten Qualität einer digitalen Karte beiträgt. Dabei werden Szenenelemente genutzt und Verhaltensmuster zum aktuellen oder und/oder zu anderen Zeitpunkten durch das eigene und/andere Fahrzeuge genutzt. Vorgeschlagen wird, die Ablage und
Aggregation von Verhaltensmustern von Fahrzeugen und/oder die Interpretation von deren Verhalten in der Interaktion mit der Infrastruktur bereitzustellen. Diese Kernaspekte werden im Folgenden näher beschrieben. Aufgrund der hohen Komplexität einer vollständigen Szeneinterpretation, ermöglichen bekannte Verfahren nur ein eingeschränktes Verständnis der Szene und damit nur eingeschränkte Fahrfunktionen. Vorgeschlagen wird daher eine umfassendere Szeneinterpretation von automotiven Verkehrssituationen, die insbesondere zum autonomen Fahren zukünftig erforderlich sein wird.
Das vorgeschlagene Verfahren nutzt einen wechselseitigen Kontext zwischen der Verkehrsinfrastruktur und dem Verhalten von Verkehrsteilnehmern (jegliche Fahrzeuge, Fußgänger). Zum einen bewirkt die Verkehrsinfrastruktur
(beispielsweise der Verlauf einer Straße) ein spezifisches Verhalten der Verkehrsteilnehmer. Zum anderen kann bei Beobachtung des Verhaltens von
Verkehrsteilnehmern mithilfe des Kontextes (z.B.„die Autos fahren auf der Straße") auf eine konkrete Ausgestaltung der Infrastruktur geschlossen werden. Der Erfassungsbereich oder die Vorausschau auf den Verlauf der aktuellen Straße kann durch die Beobachtung von Fahrzeugen auf der Straße stark erweitert werden.
Das aktuelle Verhalten eines Verkehrsteilnehmers kann als„beste Praxis" oder „beste Praktik" (engl, best practice) bezeichnen werden, wodurch ein Verhalten des Verkehrsteilnehmers beschrieben wird, welches sich in der jeweiligen Situation als„richtig" bzw.„problemlos" erweist und zu einem reibungslosen
Verkehrsgeschehen beiträgt. Eine Strategie zur Befahrung der aktuellen Situation kann es zum Beispiel sein, einem vorausfahrenden Fahrzeug zu folgen. Solange sich dieses Fahrzeug an geltende Verkehrsregeln hält, keinen Unfall verursacht, d.h. das Fahrzeug eine beste Praktik umsetzt, spricht nichts gegen das Folgen des Fahrzeuges (z.B. eine auf rot geschaltete Ampel). Solange das vorausfahrende Fahrzeug auf der eigenen Route fährt, kann dies eine erfolgreiche Fahrstrategie sein.
Beobachtet man die besten Praktiken verschiedener Verkehrsteilnehmer in der aktuellen Situation, kann dies die Interpretation der aktuellen Situation sehr stark verbessern. Merkt sich das erfindungsgemäße System die besten Praktiken an einer bestimmten Fahrsituation über einen längeren Zeitraum, so entsteht ein erweitertes Bild dessen, was in dieser Situation an Verhalten und Handlungen möglich und vorteilhaft ist.
Erweitert man den Gedanken auf mehrere Orte und verschiedene Zeitpunkte auf einer Route, die ein Fahrzeug fährt, kann dies vorteilhaft für das Abfahren der Route verwendet werden. Eine zusätzliche Erweiterung wird durch eine
Anbindung anderer Fahrzeuge erreicht, die gemeinsam in einer Menge zusammenarbeiten (sogenanntes„Crowd Sourcing"). Dabei wird auf diese Weise eine gesammelte Sicht auf Verkehrssituationen erzeugt bzw. aggregiert.
Unter„Aggregieren" bzw.„Aggregation" versteht man im Folgenden ein
Sammeln, Kombinieren und Bewerten von verschiedenen Informationen und Inhalten und deren Ablage an einem oder an mehreren geeigneten Orten.
Geeignete Orte können dabei z.B. als digitale Karten ausgebildet sein, die innerhalb und/oder außerhalb des Fahrzeugs auf einer Servereinrichtung angeordnet sind. Im Falle einer externen Servereinrichtung ist im Fahrzeug eine Kommunikationseinrichtung erforderlich, mit der das Fahrzeug mit der externen Servereinrichtung kommunizieren kann und Daten zu der/von der externen
Servereinrichtung übertragen kann.
Die Informationen können dabei beispielsweise folgendes betreffen: - örtliche Informationen
- zeitliche Informationen - Verhaltensweisen (beste Praktiken von Verkehrsteilnehmern
- externe Randbedingungen
- sonstige Informationen
Die örtlichen Informationen können beispielsweise folgendes betreffen:
- Positionsinformationen, die z.B. durch GPS-Koordinaten abgelegt oder als relative Koordinaten innerhalb der jeweiligen Situation ausgebildet sind
- statische Positionsinformationen (sich langsam ändernde Infrastruktur, zu Beispiel Ampeln, Verkehrszeichen usw.)
- Positionen von Fahrzeugen
Zeitliche Funktionen können beispielsweise folgendes betreffen:
- Zeitpunkte
- Wochentage/Monate
- Tag/Nacht-Informationen
Verhaltensmuster bzw. beste Praktiken können z.B. folgendes betreffen:
- Fahrzeug fährt auf der Spur über eine Kreuzung
- Fußgänger quert die Straße
Externe Randbedingungen können z.B. folgendes betreffen:
- Witterung
- Straßenzustand
- Tageslicht
Unter den sonstigen Informationen kann zum Beispiel folgendes verstanden werden:
- Unfallschwerpunkte (z.B. aus Polizeistatistiken)
- Baustellen (z.B. in Form von Daten von Straßenverkehrsämtern)
Bei der genannten Sammlung werden alle genannten Informationen von einem oder von mehreren Fahrzeugen durch Fahrzeugsensoren (z.B. Kameras und/oder Fahrdynamiksensoren) und/oder Radarsensoren und/oder
Navigationsgeräten und/oder weiteren Sensoren erfasst und werden an eine Kombinationseinrichtung übertragen. Bei der genannten Kombination mittels der Kombinationseinrichtung werden alle Informationen miteinander verglichen, um zu einem möglichst einheitlichen und richtigen Bild der Situation zu kommen. Die kombinierten Informationen werden dabei basierend auf ihrer Ortsinformation in einer digitalen Karte hinterlegt. Dazu wird eine Bewertung durchgeführt, um zu richtigen Informationen zu gelangen.
Die genannten Schritte können in sehr vielen Situationen, von denen einige nachfolgend beschrieben sind, angewendet werden und können in vielen Fahrerassistenz- und automatischen Fahrfunktionssystemen eingesetzt werden.
Vorteilhaft lässt sich dies insbesondere für automatisiert oder automatisch oder autonom fahrende Fahrzeuge einsetzen, die so neben ihrer sensorischen Umfelderfassung weitere Informationen in Form von aggregierten Daten betreffend beste Praktiken anderer Verkehrsteilnehmer nutzen können. Auf diese Weise können Mängel im Bereich der Zuverlässigkeit und Verfügbarkeit des Situationsverstehens von Verkehrsszenarien behoben werden.
Fig. 1 zeigt ein prinzipielles Systembild des vorgeschlagenen Verfahrens 100. Dabei erfassen Sensoren 1 (z.B. Kamera, Radar, Lidar, Ultraschall, usw.) des Fahrzeugs ein Fahrzeugumfeld, wobei eine Informationserfassung 2
durchgeführt wird. Die aktuelle Information kann optional mit aggregierten Situationsinformationen 4 in einem ersten Modul 3 kombiniert werden.
Aggregierte Situationsinformationen enthalten dabei sowohl: a) örtliche Informationen (dies ist aus digitalen Karten bekannt)
b) zeitliche Informationen, wodurch z.B. örtliche mit zeitlichen Informationen verknüpft werden können, und
c) Verhalten von Verkehrsteilnehmern im Kontext einer Infrastruktur.
Die zeitliche und/oder örtliche Aggregation wird mittels eines zweiten Moduls 5 durchgeführt.
Das Ergebnis dieser Aggregation kann in neuen aggregierten Informationen 7 abgelegt werden. Diese werden mithilfe eines Synchronisationsprozesses 9 synchronisiert, woraus wieder eine aggregierende Situationserfassung 4 durchgeführt werden kann. Die aggregierende Situationserfassung 4, die aggregierten Informationen 7 und der Synchronisationsprozess 9 können im Fahrzeug und/oder außerhalb eines Fahrzeugs bearbeitet bzw. ausgeführt werden, beispielsweise in einem sogenannten Backend. Im Fahrzeug werden die Ergebnisse des zweiten Moduls 5 und optional die aggregierten Informationen 7 zu einer Situationsinterpretation 6 kombiniert. Diese wird genutzt, um ein geeignetes situationsgerechtes Verhalten 8 für das
Fahrzeug abzuleiten. Im Ergebnis wird dadurch eine Betrachtung des Verhaltens von
Verkehrsteilnehmern im Kontext der Infrastruktur, externer Einflüsse bei zeitlichen und/oder örtlichen Abhängigkeiten durchgeführt.
Das Verfahren zur Situationsinterpretation der Fahrsituation bzw. des
Verkehrsszenarios nutzt wenigstens eine Sensoreinrichtung zur
Umfelderfassung, wie beispielsweise Videokameras und/oder Radarsensoren und/oder digitale Karten und/oder Ortungsinformationen (z.B. GPS-Daten) und/oder weitere Umfeldsensoren und aggregierte Information aus den erwähnten Sensoreinrichtungen zur Beschreibung der Situation.
Ziel ist eine Verbesserung des orts- und/oder zeitspezifischen Fahrverhaltens für automatisiertes und/oder automatisches und/oder manuelles Fahren. Folgende Aspekte werden dabei berücksichtigt: - Wie hat sich ein Fahrzeug, dessen Verhalten erfasst wurde, in der aktuellen
Situation verhalten?
- Gibt es eine beste Praktik unter den aktuellen Randbedingungen?
- Was ist in Abhängigkeit vom aktuellen Ort und der aktuellen Zeit zu erwarten?
- Sind Abweichungen der aktuellen Situation von der erwarteten aggregierten Situation wahrscheinlich? (Beispiel: Aktuell ist die Straße vereist und die
Verkehrsteilnehmer fahren sehr langsam im Verkehrsszenario. In den
aggregierten Informationen gibt es noch keine Daten zu einem Verkehrsszenario, die unter vereisten Bedingungen abgespeichert wurden.)
- Gibt es ein unerwartetes Verhalten von Verkehrsteilnehmern? (Beispiel: Ein vorausfahrendes Fahrzeug weicht vom normalen Kurs ab, was ein Zeichen einer
Abnormalität ist. Als Konsequenz können mit dem vorgeschlagenen Verfahren gewisse Funktionen, wie z.B. in Notbremssystem, in erhöhte Betriebsbereitschaft versetzt werden)
- Gibt es vorausfahrende Fahrzeuge, deren beste Praktiken genutzt werden können?
- Können aus dem Verhalten, der Bewegung und/oder der Absichten der
Verkehrsteilnehmer Rückschlüsse auf die aktuelle Situation gezogen werden?
Die Beantwortung der obigen Fragen kann durch das vorgeschlagene Verfahren erleichtert werden, dient auf diese Weise einer Verbesserung der
Situationsinterpretation eines Verkehrsszenarios und kann dadurch vorteilhaft zu einer erhöhten Fahrsicherheit beitragen, indem die Situationsinterpretation des Verkehrsszenarios spezifisch genutzt wird (z.B. für ein Fahrinformationssystem, Fahrerassistenzsystem, Regelungssystem, usw. des Fahrzeugs). Im Folgenden werden Beispiele von ortsabhängigen Verkehrsszenarien beispielhaft aufgelistet, die vom erfindungsgemäßen Verfahren erfasst und verarbeitet werden können:
Fahrsituationen unterscheiden sich stark von den jeweiligen Straßenformen, wobei z.B. auf Autobahnen in der Regel ein gleichmäßig fließender Verkehr im erhöhten Geschwindigkeitsbereich realisiert ist. Ausnahmen sind hierbei folgende Ereignisse, die beispielsweise durch das vorgeschlagene aggregierende
Verfahren behandelt werden können. Die folgenden Listen sind nicht als vollständig anzusehen, sondern nennen lediglich beispielhaft einige
Anwendungsfälle:
- Aggregation von Stauschwerpunkten (inklusive Zeitpunkt)
- Auf- und Abfahrten
- Unfallschwerpunkte
- Bildung von Rettungsgassen
- Langfristige Baustellen
- Langsam fahrende Fahrzeuge (z.B. LKWs auf Steigungen)
- Eingliederung von langsamen Fahrzeugen (z.B. Ende von Kriechspuren)
- Witterungseinflüsse (z.B. Häufung von Nebel in bestimmten
Streckenabschnitten) - Sichteinschränkungen (z.B. Möglichkeit von Gegenlicht/Blendung an bestimmten Streckenabschnitten zu bestimmten Zeiten)
- Möglichkeit von Aquaplaning
- Schlechte Straßendecke, reduzierte Haftung der Fahrzeugreifen
(Reibwertreduktion)
Neben den langfristigen, eher an der Infrastruktur orientierten Themen gibt es auch folgende, aktuelle Informationen, die relevant sein können: - Aktuelle Verkehrskontrollen
- Aktuelle Geschwindigkeitsbeschränkungen
- Aktuelle weitere Verbote (z.B. Überholverbot)
- Aktuelle Baustellen (Tagesbaustellen, auch bewegte) Auf Landstraßen gibt es neben den Autobahnsituationen folgende weitere
Situationen und Ereignisse, die durch das aggregierende Verfahren erfasst und verarbeitet werden können:
- Kreuzungen jeglicher Art (z.B. Kreuzung mit mehreren abgehenden Straßen (Vorfahrt nicht gut ersichtlich, Verdeckungen durch Infrastruktur, Abbiegespuren,
Aufbiegespuren, Kreuzungen mit drei abgehenden Straßen)
- Kreuzung mit drei abgehenden Straßen (T-Kreuzung), bei der die Gefahr besteht, dass der Fahrer einen Halt nicht rechtzeitig erkennt bzw. bei der eine Verwechslungsgefahr mit einer abknickenden Vorfahrt besteht
- Einfädelspuren
- Ein- und Ausfahrten (z.B. Hofeinfahrten zu landwirtschaftlichen Betrieben, Feldwege, Industriebetriebe, verschmutzte Fahrbahnen bei Baustellen
- Kreuzende Sportwege
- Starke Kurven (z.B. Serpentinen auf Gebirgspässen)
- Motorradstrecken
- Strecken, auf denen Fahrzeuge häufig Kurven schneiden
- Szenarios, in denen ein Ausweichverhalten angepasst werden muss, weil große Fahrzeuge nicht ausweichen können
- starke Steigungen/Gefälle (Gefahr, dass das Fahrzeug aufsetzt)
- Staubildung mit daraus resultierender Unfallgefahr, wie es z.B. im
Verkehrsszenario von Fig. 3 erläutert ist Auf innerstädtischen Straßen gibt es neben den Autobahn- und Landstraßensituationen beispielsweise folgende weitere Situationen:
- Ortsstraßen mit Objekten wie z.B. Schulen, Spielplätze, Sportplätze, Hotels, Bushaltestellen, wie z.B. im Verkehrsszenario von Fig. 4 erläutert
- Wohnstraßen mit Tempo 30-Zonen, Spielstraßen, spielenden Kindern,
Personen mit Kinderwagen, Rollator, Rollstuhl, usw.
- Engstellen mit engen Straßen, geparkten Fahrzeugen/Lieferfahrzeugen
- Kreuzungen mit häufig unübersichtlicher Verkehrsführung, wobei eine Position von Fahrstreifen unklar ist, komplexen Kreuzungen
- Kreisel mit stark unterschiedlichem Fahrverhalten von verschiedenen
Verkehrsteilnehmern, komplexer Verkehrsführung mit vielfältigen
Entscheidungsoptionen, wie es anhand des Verkehrsszenarios 100 von Fig. 5 erläutert ist
- Hochstraßen mit einer Verkehrsführung auf mehreren Ebenen
- Rettungswesen mit ärztlicher Versorgung, Polizei, Feuerwehreinfahrten, Krankenhauseinfahrten, Polizeistationen, Vorrang für Blaulichtfahrzeuge
- Soziale Einrichtungen mit z.B. Altersheimen, Kinderheimen, Blindenheimen, Taubblindenheimen
Unabhängig vom Ort gibt es häufig Verkehrsereignisse, die für die jeweilige Örtlichkeit wahrscheinlich sein können, wie zum Beispiel:
- Stau
- zähfließender Verkehr, Stop-and-Go-Verkehr
- Unfallschwerpunkt
Die örtlichen Situationen werden durch die jeweilige Infrastruktur und die auftretenden Verkehrsteilnehmer beschrieben. Elemente der Infrastruktur können dabei z.B. folgendes umfassen:
- Straßenelemente in Form von Fahrbahnen mit Markierungen und seitlichen Begrenzungen oder anderen Begrenzungen der befahrbaren Fläche, wie z.B. Fahrstreifenmarkierungen, Haltelinien, Sperrflächen, Bordsteine, Rinnsteine, (Warn-) Baken, Busspuren, Fußgängerüberwege, Fußgängerfurten, Pfeile (z.B. zur Kennzeichnung der Fahrtrichtung auf dem Fahrstreifen), Verkehrszeichen auf der Fahrbahn, Piktogramme oder sonstige Symbole auf der Fahrbahn, allgemeine Schrift auf der Straße, Grasnarbe
- Parkflächen, Parkstreifen
- seitliche Wege/Zuwege, z.B. Einmündungen in die Straße (Seitenstraßen, Ein- und Ausfahrten), Fußgänger/Fahrradwege
- Verkehrsinseln
- Leitpfosten oder andere seitliche Begrenzungszeichen (z.B. Meilensteine)
- Leitplanken
- Straßenbeleuchtungseinrichtungen
- Übergänge zu anderen Verkehrsmitteln, wie z.B. Fähren, Autozüge, Flughäfen, usw.
- Signalisierungselemente, wie z.B. Verkehrszeichen (statische und/oder Wechselverkehrszeichen), Regeln zum Verkehrsfluss, Regeln der
Geschwindigkeit, Ampeln (Lichtsignalanlagen), Warnlampen (z.B. gelbes Blinklicht), Lärmschutz
Die Verkehrsteilnehmer bewegen sich innerhalb der oben beispielhaft genannten Infrastruktur. Eine Beschreibung der Verkehrsteilnehmer kann folgende
Merkmale enthalten, wobei auch Erweiterungen möglich sind:
Die Verkehrsteilnehmer stehen als Ganzes in Wechselwirkung mit der
Infrastruktur:
- Verkehrsfluss, z.B. flüssig, normal, zähfließend, Stop-and-Go, Stau Der aktuelle Verkehrsfluss kann einzelnen Infrastrukturen zugeordnet werden, wie zum Beispiel:
- Verkehrsflussbeeinflussung durch Kreuzungen, Ampelanlagen, usw.
- Zuordnung von Verkehrsfluss zu individuellen Fahrstreifen (z.B. Stau auf Rechtsabbiegerspuren an individuellen Kreuzungen)
- Stau an Kreuzung, weil der niedrig priorisierte Verkehr („Stop Vorfahrt gewähren") wegen der hohen Verkehrsdichte auf der Vorfahrtsstraße nicht abfließen kann, wie anhand des Verkehrsszenarios von Fig. 3 erläutert
- Überlastung von Einfädel- und Ausfädelspuren
Die Verkehrsteilnehmer haben dabei folgende Eigenschaften: - Art des Verkehrsteilnehmers: Personen (Fußgänger, Kinder, beeinträchtigte Personen (z.B. behindert, blind, usw.)
- Tiere, wie z.B. Nutztiere (Kühe, Pferde, usw.), Wildtiere (Rehe, Wildschweine, usw.)
- Fahrzeuge, wie z.B. PKW, LKW, Motorrad, Motorroller, Fahrrad, Busse (im fließenden Verkehr und an Bushaltestellen)
- Schienenfahrzeuge (z.B. S-Bahn, U-Bahn, Fernzug, Straßenbahn, usw.)
- Einsatzfahrzeuge (z.B. Feuerwehr, Krankenwagen, usw.)
- Landwirtschaftliche Fahrzeuge, z.B. Trecker/Zugmaschinen gegebenenfalls mit Anhänger, Mähdrescher, Häxelmaschinen, Rodungsmaschinen, usw.
- Sonderfahrzeuge, wie z.B. Schneepflüge, Schneefräsen, Mähfahrzeuge
- Art der Bewegung des Teilnehmers, wie z.B. gleichförmig bewegt (konstante Geschwindigkeit), beschleunigt bewegt (Bewegung mit
Geschwindigkeitsänderung), anhaltend, anfahrend, stehend im Verkehr, stehend auf einer Parkfläche, parkend in der zweiten Reihe (z.B. Lieferfahrzeug), in einen Unfall verwickelt
- Richtung: z.B. gleichbleibende Richtung, sich ändernde Richtung
- Falls sich das Fahrzeug ruhig bewegt, ist dies ein Hinweis auf eine glatte Straße/Fläche
- Macht das Fahrzeug starke zyklische Wank- und Kippbewegungen, ist dies ein Hinweis auf eine unebene Straße/Fläche
- Ort des Verkehrsteilnehmers, z.B. definiert durch eine Geokoordinate (zum Beispiel GPS-Koordinate, usw.), relative Abstände zu Verkehrsteilnehmern und/oder zu Fahrbahnbegrenzungen
Aus den oben genannten Beobachtungen lässt sich das aktuelle Verhalten (engl, action recognition) der Verkehrsteilnehmer und durch eine Änderung des Verhalten eine Absicht der Teilnehmer (engl, intention recognition) erkennen. Es gibt beobachtbare Indikatoren, die die Absichten ankündigen, wie z.B.:
- Betätigen des Blinkers (Fahrtrichtungsanzeiger)
- Bremslicht - Blaulicht/Gelblicht
- Blickrichtung (von Fußgängern und Fahrzeuglenkern)
Eine Beobachtung der Präsenz, des Verhaltens und der Absichten der
Verkehrsteilnehmer lässt indirekt in folgender Weise Rückschlüsse auf die
Infrastruktur zu:
- Wo die Fahrzeuge fahren, gibt es in der Regel eine befahrbare Fläche (z.B. eine Straße)
- Wo die Fahrzeuge hinfahren (meist durch das Fahrzeug selbst verdeckt und daher nicht direkt von Sensoren erfassbar) kann, abhängig von Geschwindigkeit und Orientierung des Fahrzeugs, mit hoher Wahrscheinlichkeit von einer befahrbaren Fläche (z.B. Straße) ausgegangen werden (erhöhte longitudinale Vorausschau)
- Fahrzeuge fahren in der Regel mit einem bestimmten Abstand zu seitlichen
Begrenzungen der befahrbaren Fläche
- Fahrzeuge wählen beim Durchfahren von komplexen Kreuzungen bestimmte Fahrkorridore oder fahren andere übliche Fahrwege (auch ohne Markierungen auf der Straße)
- Fahrzeuge halten vor bestimmten Infrastruktureinrichtungen an: z.B. vor
Ampeln, Stop-Zeichen, usw.
- Fahrzeuge machen Spurwechsel vor bestimmten Infrastruktureinrichtungen, z.B. Abbiegespuren
- Fahrzeuge reihen sich bei Fahrbahnverengungen ein
(„Reißverschlussverfahren")
- Vorfahrt geben an bestimmten Kreuzungen
- Warten von Fahrzeugen vor bestimmten Situationen (z.B. Engstellen, Stau, Einfahrten, Bussen, Straßenbahnen, usw.)
- Vorsichtige Fahrweise von Fahrzeugen bei wahrscheinlichem Wildwechsel zu einer bestimmten Tageszeit
- Vorsichtige Fahrweise an Bushaltestellen, an denen gerade Personen aus einem Bus ein- oder aussteigen, wie anhand des Verkehrsszenarios von Fig. 4 erläutert
- Sehr viele weitere Beispiele ergeben sich durch die Kombinationen und den Kontext von Infrastruktur und Verkehrsteilnehmern Folgende zeitliche Informationen können bei der Erfassung und Verarbeitung des jeweiligen Verkehrsszenarios betrachtet werden:
- Datum
- Tageszeit: Uhrzeit, Tag/Nacht, Informationen zu zeitlichen Einflüssen (z.B.
Berufsverkehr), allgemeine Statistik zur Verkehrsfrequenz in Abhängigkeit von der Tageszeit
- Wochenzeit: z.B. Status Wochenende, Anfang/Ende der Woche (z.B. erhöhter Reiseverkehr am Wochenende)
- Jahreszeit: Frühling/Sommer/Herbst/Winter, Ferien (Schulferien, Werksferien,
Semesterferien an Universitäten, usw.)
Folgende externe Einflüsse können für das erfasste und verarbeitete
Verkehrsszenario betrachtet werden:
- Sichtverhältnisse wie z.B. Lichtstärke, Dunkelheit, Gegenlicht
- Wetter- und Witterungsverhältnisse, wie z.B. Trockenheit (allgemein und Trockenheit der Straße), Nässe, Schnee, Eis
- Temperatur: z.B. der Luft, der Straße, große Hitze (resultierend in hektischer Fahrweise), Kälte (resultierend in aufmerksamer Fahrweise)
Die Erfassung der jeweiligen Information zur Situation, zur Infrastruktur und zum Verhalten von Verkehrsteilnehmern und des eigenen Verhaltens wird mittels geeigneter Umfeldsensorik durchgeführt, wobei beispielhaft folgende
Sensoreinrichtungen verwendet werden können:
- Lichtsensor
- Temperatursensor
- Fahrdynamiksensoren, z.B. zur Erfassung der Geschwindigkeit und der Beschleunigung des eigenen Fahrzeugs, gegebenenfalls auch des Reibwerts der Straße
- Ortungssensoren (zur Ermittlung der Geoposition)
- Digitale Karten
- Fahrzeugumfeld-Erfassungssensor, z.B. Videokamera, Radarsensor,
Lidarsensor, Ultraschallsensor, weitere Sensoren
- Kommunikation mit anderen Verkehrsteilnehmern, z.B. über C2C-Kommuni- kation - Kommunikation mit der Verkehrsinfrastruktur, z.B. über C2X-Kommunikation
- Zugriff auf weitere Daten, z.B. aggregierte Informationen
- Mikrofon (z.B. zum Erfassen bei Martinshorn, Hupe, usw.) Die genannte Aggregation nutzt externe Informationen (z.B. Unfallstatistiken,
Polizeidaten) und führt eine Aggregation auf Basis einer Beobachtung anderer Verkehrsteilnehmer („Crowd Sourcing"), Polizei und Straßenverkehrsämter durch. Aggregiert werden dabei alle oder eine Auswahl:
- von Eigenschaften und/oder Verhaltensweisen von Verkehrsteilnehmern
- Informationen über die Verkehrsinfrastruktur
- Informationen über externe Einflüsse, wie zum Beispiel Witterung und
Lichteinflüsse
- Ortsinformationen (absolute oder relative Positionen der jeweiligen
Situationselemente)
- Zeitinformationen (wann wurde das jeweilige Verkehrsszenario durchfahren)
Die genannte Aggregation, d.h. das Erfassen der Verhaltensweisen der
Verkehrsteilnehmer mittels der Sensoreinrichtung und das Kombinieren und
Bewerten der erfassten Daten des Umfelds kann im eigenen Fahrzeug und/oder auf einem externen System stattfinden und entsprechend intern und/oder extern in einem oder mehreren Speichern abgelegt werden. All dies kann dazu verwendet werden, dass das Ego-Fahrzeug durch situationsspezifische
Aggregation von Verhaltensmustern sehr viele von Unwägbarkeiten einer
Strecke kennt und spezifisch nutzen kann. Dadurch kann auf vorteilhafte die Sicherheit beim Fahren bedeutend erhöht werden.
Fig. 2 zeigt ein beispielhaftes Verkehrsszenario 100, bei dem das
vorgeschlagene Verfahren verwendet werden kann. Man erkennt eine
Kreuzungssituation mit einer Vorfahrtsstraße 10 und einem Gefahrenpotential aufgrund von kreuzendem Verkehr, der für ein sich an die Kreuzung mit hoher Geschwindigkeit annäherndes Fahrzeug 40 durch Gebäude 20 verdeckt wird. Es besteht dadurch eine Gefahr eines Übersehens eines Verkehrszeichens 50 (Geschwindigkeitsbeschränkung auf Ortsgeschwindigkeit) und eines
vorfahrtsregelnden Verkehrszeichens 51 (Stop-Zeichen). Die auf der Vorfahrtsstraße 10 fahrenden Fahrzeuge 30 können durch die Verdeckung durch die Gebäude 20 übersehen werden.
Mit dem vorgeschlagenen Verfahren ist vorgesehen, das dargestellte
Verkehrsszenario 100 sensorisch und erfassen, wobei die erfassten Daten miteinander kombiniert und bewertet werden, sodass die derart ermittelten Daten spezifisch genutzt werden können. Dadurch ist beispielsweise ermöglicht, dass ein Fahrerassistenzsystem eines Fahrzeugs bei einer Näherung an die
Kreuzungssituation von Fig. 2 um das Gefahrenpotential weiß und eine entsprechende Information oder Warnmeldung an den Fahrer abgibt, z.B. in
Form einer akustischen und/oder optischen Warnanzeige, einer erhöhten Bereitschaft eines Bremssystems, usw.
Fig. 3 zeigt ein weiteres Verkehrsszenario 100, für das das vorgeschlagene Verfahren verwendet werden kann. Man erkennt eine Kreuzungssituation mit einer Vorfahrtsstraße 10 und einem Gefahrenpotential aufgrund von Staubildung.
Ein Fahrzeug 40 nähert sich dem Staubereich mit erhöhter Geschwindigkeit an.
Auf der Vorfahrtsstraße 10 fahrende Fahrzeuge 30 verhindern das zügige
Abfließen der im Stau befindlichen Fahrzeuge. Das Verkehrszeichen 50
(Geschwindigkeitsbeschränkung auf Ortsgeschwindigkeit) kommt in dieser
Situation örtlich zu spät, da der Staubereich über die Position des
Verkehrszeichens 50 hinausgeht. Gebäude 20 verdecken zusätzlich die Sicht auf die Vorfahrtsstraße 10. Auch in diesem Fall kann auch wiederum ein sensorisches Erfassen,
Kombinieren und Bewerten des Verkehrsszenarios inklusive dem Verhalten der Verkehrsteilnehmer durchgeführt werden. Die entsprechenden Daten können an andere Verkehrsteilnehmer verteilt werden, sodass zukünftige Fahrzeuge bei einem Annähern an das Verkehrsszenario 100 von Fig. 3 vorteilhaft vom „Erfahrungsschatz" von bereits durchgefahrenen Fahrzeugen profitieren können.
Fig. 4 zeigt ein weiteres Verkehrsszenario 100, für das das vorgeschlagene Verfahren verwendet werden kann. In diesem Fall das Verkehrsszenario 100 als eine Bushaltestelle ausgebildet, bei der eine Person 60 in einen Bus 70 einsteigt. Gleichzeitig quert hinter dem Bus 70 eine weitere Person 61 die Fahrbahn 10, um auf die gegenüberliegende Straßenseite zu wechseln (angedeutet mit einem Pfeil). Ein Fahrzeug 40 nähert sich diesem Verkehrsszenario 100 an. Es besteht die Gefahr, dass dessen Fahrer den Fußgänger 61 zu spät bemerkt. Das genannte Verkehrsszenario 100 findet zu einem Zeitpunkt 80 statt und es ist wahrscheinlich, dass es sich an einem der folgenden Tage zum selben Zeitpunkt 80 wiederholen kann.
Auch in diesem Fall wird mittels des vorgeschlagenen Verfahrens ein
sensorisches Erfassen der Verkehrssituation inklusive dem Verhaltensmuster der Verkehrsteilnehmer Bus 70, Fußgänger 60, 61 und ein Kombinieren und
Bewerten dieser Information zu aggregierten Daten durchgeführt, die verwendet werden können, damit sich zukünftige Verkehrsteilnehmer bei einem Annähern an das Verkehrsszenario 100 von Fig. 4 zum gegebenen Zeitpunkt 80 mit einem erhöhten Wachsamkeitspegel verhalten. Vorteilhaft kann dadurch ein Übersehen von die Fahrbahn 10 hinter dem Bus 70 querenden Personen 61 vermieden werden.
Fig. 5 zeigt ein weiteres Verkehrsszenario 100, für das das vorgeschlagene Verfahren verwendet werden kann. In diesem Fall umfasst das Verkehrsszenario 100 ein Durchfahren eines dreispurigen Kreisverkehrs. Es gibt dabei mehrere Verhaltensweisen von Fahrern:
Eine kooperative Fahrweise der Fahrzeuge 30, 40 und 41 : Das Fahrzeug 40 fährt auf der rechten/äußeren Spur in den Kreisverkehr ein und verlässt den
Kreisverkehr an der ersten Ausfahrt, führt also ein Rechtsabbiegemanöver durch. Ein weiteres Fahrzeug 30 fährt in der mittleren Spur in den Kreisverkehr ein und verlässt den Kreisverkehr an der zweiten Ausfahrt und realisiert damit ein Geradeausfahren. Ein weiteres Fahrzeug 41 fährt in der linken/inneren Spur in den Kreisverkehr ein und verlässt den Kreisverkehr an der dritten Ausfahrt und realisiert damit ein Linksabbiegemanöver.
Ferner gibt es aber auch eine unkooperative Fahrweise eines weiteren
Fahrzeugs 42, welches auf der rechten/äußeren Spur in den Kreisverkehr einfährt und dauerhaft in der rechten/äußeren Spur verbleibt und den
Kreisverkehr an der dritten Ausfahrt verlässt. Auf diese Weise realisiert das Fahrzeug 42 ein unkooperatives Abbiegen, da es viele Kreuzungsfahrten und
Überschneidungsfahrten von Fahrspuren vornimmt. Dieses Beispiel soll zeigen, wie viele mögliche Fahrweisen es in bestimmten Fahrsituationen geben kann und alle zu einer üblichen Praxis in
Verkehrssituationen gehören. Die besten Praktiken sind im Falle des
Verkehrsszenarios 100 von Fig. 5 die erstgenannten drei Praktiken, jedoch ist letztgenannte Praxis betreffend das Fahrzeug 42 auch üblich.
Vorteilhaft sollten alle Varianten bekannt sein, weil sich das automatisiert oder automatisch fahrende Fahrzeug auf alle Varianten einstellen kann und diese entsprechend berücksichtigen kann.
Das Kombinieren und Bewerten der erfassten Daten kann in Form eines Mitteins erfolgen und oder in Form eines Definierens von Ausschlusskriterien, wobei aber noch viele andere Arten des Kombinierens und Bewertens der erfassten Daten möglich sind.
Das vorgeschlagene Verfahren kann vorteilhaft für hochleistungsfähige automatische und/oder (teil-)automatisierte Fahrfunktionen verwendet werden. Hierbei ist das (teil-) automatisierte Fahren im Urbanen Umfeld, auf Landstraßen und auf Autobahnen relevant. Vorteilhaft kann das Verfahren aber auch für manuelles Fahren benutzt wird, wobei dem Fahrer des Fahrzeugs dann z.B. optische und/oder akustische Warnsignale abgegeben werden.
Vorteilhaft ist es mit dem vorgeschlagenen Verfahren möglich, dass Fahrzeuge von sensorisch erfassten Daten anderer Fahrzeuge profitieren. Im Ergebnis ist dadurch für Fahrzeuge ein verringerter sensorischer Aufwand erforderlich, weil sie von einer sensorischen Infrastruktur anderer Fahrzeuge profitieren.
Vorteilhaft kann das erfindungsgemäße Verfahren z.B. dazu verwendet werden, eine hohe Verfügbarkeit einer Längs- und Querführung von Fahrzeugen bereitzustellen.
Fig. 6 zeigt einen prinzipiellen Ablauf einer Ausführungsform des
vorgeschlagenen Verfahrens.
In einem Schritt 200 wird ein Erfassen eines Umfelds eines Fahrzeugs 30, 40, 41 , 42 mittels einer Sensoreinrichtung durchgeführt. In einem Schritt 210 wird ein Erfassen von Verhaltensweisen von
Verkehrsteilnehmern mittels der Sensoreinrichtung durchgeführt. In einem Schritt 220 wird ein Kombinieren und Bewerten der erfassten Daten des
Umfelds und der Verhaltensweisen der Verkehrsteilnehmer durchgeführt.
In einem Schritt 230 wird ein Speichern der kombinierten und bewerteten Daten durchgeführt. Es versteht sich von selbst, dass die Reihenfolge der Schritte 200 und 210 beliebig ist.
Vorteilhaft kann das vorgeschlagene Verfahren mittels eines Softwareprogramms mit geeigneten Programmcodemitteln realisiert werden, die auf einer Vorrichtung zum Ermitteln von Daten eines Verkehrsszenarios abläuft. Auf einfache Weise ist dadurch eine Adaptierung des Verfahrens möglich.
Der Fachmann wird die Merkmale der Erfindung in geeigneter Weise abändern und/oder miteinander kombinieren, ohne vom Kern der Erfindung abzuweichen.

Claims

Ansprüche
1 . Verfahren zum Ermitteln von Daten eines Verkehrsszenarios (100),
aufweisend die Schritte:
Erfassen eines Umfelds eines Fahrzeugs (30, 40, 41 , 42) mittels einer Sensoreinrichtung;
Erfassen von Verhaltensweisen von Verkehrsteilnehmern mittels der Sensoreinrichtung;
Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen der Verkehrsteilnehmer; und
Speichern der kombinierten und bewerteten Daten.
2. Verfahren nach Anspruch 1 , wobei das Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen der
Verkehrsteilnehmer innerhalb oder außerhalb des Fahrzeugs durchgeführt wird.
3. Verfahren nach Anspruch 1 oder 2, wobei die kombinierten und bewerteten Daten in einer internen oder in einer externen digitalen Karte des Fahrzeugs gespeichert werden.
4. Verfahren nach einem der Ansprüche 1 bis 3, wobei das Kombinieren und Bewerten der erfassten Daten ein Mitteln umfasst.
5. Verfahren nach einem der vorhergehenden Ansprüche, wobei das
Kombinieren und Bewerten der erfassten Daten ein Anwenden von
Ausschlusskriterien umfasst.
6. Verfahren nach einem der vorhergehenden Ansprüche, wobei beim
Kombinieren und Bewerten der erfassten Daten wenigstens eines aus folgendem berücksichtigt wird: örtlicher Aspekt, zeitlicher Aspekt, Aspekte betreffend Verhaltensmuster, Nutzung von externen Informationen.
7. Verfahren nach Anspruch 6, wobei die externen Informationen wenigstens eines aus Folgendem umfassen: Daten betreffend Witterung,
Unfallstatistiken, Polizeidaten.
8. Verfahren nach einem der vorhergehenden Ansprüche, wobei die
kombinierten und bewerteten Daten für ein Informationssystem und/oder für ein Fahrerassistenzsystem des Fahrzeugs genutzt werden.
9. Vorrichtung zum Ermitteln von Daten eines Verkehrsszenarios (100),
aufweisend:
eine Sensoreinrichtung zum Erfassen eines Umfelds des Fahrzeugs, wobei mittels der Sensoreinrichtung Verhaltensweisen wenigstens eines Verkehrsteilnehmers erfasst wird;
eine Verarbeitungseinrichtung zum Kombinieren und Bewerten der erfassten Daten des Umfelds und der Verhaltensweisen des wenigstens einen Verkehrsteilnehmers; und
einen Speicher zu Speichern der kombinierten und bewerteten Daten.
10. Vorrichtung nach Anspruch 10, ferner aufweisend eine
Kommunikationseinrichtung zum Übermitteln der erfassten und/oder der kombinierten und bewerteten Daten.
1 1 . Computerprogrammprodukt mit Programmcodemitteln zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 8, wenn es auf einer
Vorrichtung zum Ermitteln von Daten eines Verkehrsszenarios (100) abläuft oder auf einem computerlesbaren Datenträger gespeichert ist.
PCT/EP2018/057743 2017-04-12 2018-03-27 Verfahren zum ermitteln von daten eines verkehrsszenarios WO2018188940A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US16/476,987 US20190355245A1 (en) 2017-04-12 2018-03-27 Method for ascertaining data of a traffic scenario
EP18713903.5A EP3610472A1 (de) 2017-04-12 2018-03-27 Verfahren zum ermitteln von daten eines verkehrsszenarios
CN201880024497.7A CN110506303B (zh) 2017-04-12 2018-03-27 用于求取交通场景的数据的方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102017206343.2 2017-04-12
DE102017206343.2A DE102017206343A1 (de) 2017-04-12 2017-04-12 Verfahren zum Ermitteln von Daten eines Verkehrsszenarios

Publications (1)

Publication Number Publication Date
WO2018188940A1 true WO2018188940A1 (de) 2018-10-18

Family

ID=61801963

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2018/057743 WO2018188940A1 (de) 2017-04-12 2018-03-27 Verfahren zum ermitteln von daten eines verkehrsszenarios

Country Status (5)

Country Link
US (1) US20190355245A1 (de)
EP (1) EP3610472A1 (de)
CN (1) CN110506303B (de)
DE (1) DE102017206343A1 (de)
WO (1) WO2018188940A1 (de)

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017154967A1 (ja) * 2016-03-11 2017-09-14 日本電気株式会社 異常走行検出装置、異常走行検出方法とそのプログラムを格納する記憶媒体、および異常走行検出システム
SE541634C2 (en) * 2018-03-06 2019-11-19 Scania Cv Ab Method and control arrangement for identification of parking areas
DE102018208105B3 (de) * 2018-05-23 2019-03-21 Volkswagen Aktiengesellschaft Verfahren zum Unterstützen eines Führens wenigstens eines Kraftfahrzeugs und Assistenzsystem
DE102018214894A1 (de) * 2018-09-03 2020-03-05 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines automatisierten Fahrzeugs
DE102018217932A1 (de) * 2018-10-19 2020-04-23 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines automatisierten Fahrzeugs
US10922966B2 (en) * 2018-10-31 2021-02-16 Mitsubishi Electric Research Laboratories, Inc. System and method for asymmetric traffic control
DE102018219603A1 (de) * 2018-11-15 2020-05-20 Robert Bosch Gmbh Markieren einer digitalen Karte für ein automatisiertes oder teilautomatisiertes Fahren
JP7192709B2 (ja) * 2019-08-09 2022-12-20 トヨタ自動車株式会社 車両遠隔指示訓練装置
CN110599765A (zh) * 2019-08-16 2019-12-20 华南理工大学 一种基于多源数据融合的公路客货运输量指标统计方法
DE102019215359A1 (de) * 2019-10-08 2021-04-08 Robert Bosch Gmbh Verfahren zum Ausgeben eines Signals zum Auffahren eines Fahrzeugs auf eine Vorfahrtsstraße
DE102019215656B4 (de) * 2019-10-11 2021-07-22 Zf Friedrichshafen Ag Verfahren zum Bewerten einer ausgewählten Route, Routenbewertungssystem und Computerprogramm
US11335100B2 (en) * 2019-12-27 2022-05-17 Industrial Technology Research Institute Traffic light recognition system and method thereof
DE102020203122A1 (de) 2020-03-11 2021-09-16 Volkswagen Aktiengesellschaft Vorrichtung und Verfahren zur Unterstützung der Bildung einer Rettungsgasse
CN113140107B (zh) * 2020-03-30 2022-09-16 北京高德云图科技有限公司 交通信息处理方法、装置、电子设备及计算机存储介质
DE102020205725A1 (de) 2020-05-06 2021-11-11 Volkswagen Aktiengesellschaft Modellierung eines Verkehrsszenarios
CN111439261B (zh) * 2020-05-12 2023-07-21 吉林大学 一种用于智能车群主动换道功能的车流量计算系统
CN111710158B (zh) * 2020-05-28 2022-04-15 深圳市元征科技股份有限公司 一种车辆数据处理方法及相关设备
CN111832179B (zh) * 2020-07-17 2023-08-15 北京赛目科技有限公司 无人车的测试场景创建方法及装置
DE102020126679A1 (de) 2020-10-12 2022-04-14 Bayerische Motoren Werke Aktiengesellschaft Fahrzeugführungssystem und Verfahren zum Betreiben einer Fahrfunktion in Abhängigkeit von einem Vorder-Fahrzeug
DE102020213496A1 (de) 2020-10-27 2022-04-28 Volkswagen Aktiengesellschaft Validierung von Modellen für Fahrbahn-Spuren basierend auf Schwarmdaten
CN114813157A (zh) * 2021-01-29 2022-07-29 华为技术有限公司 一种测试场景构建方法及装置
CN112991764B (zh) * 2021-04-26 2021-08-06 中汽研（天津）汽车工程研究院有限公司 一种基于摄像头的超车场景数据采集、识别与提取系统
US20220379902A1 (en) * 2021-05-26 2022-12-01 Robert Bosch Gmbh Automated traffic violation warning and prevention system for vehicles
US11904906B2 (en) * 2021-08-05 2024-02-20 Argo AI, LLC Systems and methods for prediction of a jaywalker trajectory through an intersection
AT525387A1 (de) * 2021-08-31 2023-03-15 Tom Robotics Gmbh Verteilungsverfahren für ein vertellen von objektdaten von verkehrsteilnehmern erfasster objekte
DE102022002082A1 (de) 2022-06-10 2023-12-21 Mercedes-Benz Group AG Verfahren zur Erkennung von semantischen Beziehungen zwischen Verkehrsobjekten
US11618460B1 (en) * 2022-06-20 2023-04-04 Plusai, Inc. Predictive planning
US11634133B1 (en) 2022-06-20 2023-04-25 Plusai, Inc. Adaptive automatic preventative braking (APB) distance
DE102022212414A1 (de) 2022-11-21 2024-05-23 Continental Automotive Technologies GmbH Verfahren und Vorrichtung zum Bereitstellen von Verkehrsinformationen
CN116129647B (zh) * 2023-02-28 2023-09-05 禾多科技（北京）有限公司 一种基于危险点的全闭环场景重构方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002008695A1 (de) * 2000-07-25 2002-01-31 Volkswagen Ag Verfahren zum bereitstellen von verkehrsdaten
WO2007119348A1 (ja) * 2006-03-20 2007-10-25 Pioneer Corporation 情報提供装置、情報提供方法、情報提供プログラムおよび記録媒体
DE102016007475A1 (de) * 2016-06-18 2017-03-02 Daimler Ag Verfahren zur Gefährdungseinschätzung von Verkehrsteilnehmern

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011084264A1 (de) * 2011-10-11 2013-04-11 Robert Bosch Gmbh Verfahren und Vorrichtung zum Kalibrieren eines Umfeldsensors
EP3742339A1 (de) * 2013-12-04 2020-11-25 Mobileye Vision Technologies Ltd. System und verfahren zur durchführung eines mehrsegment-bremsprofils für ein fahrzeug
CN105741595B (zh) * 2016-04-27 2018-02-27 常州加美科技有限公司 一种基于云端数据库的无人驾驶车辆导航行车方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002008695A1 (de) * 2000-07-25 2002-01-31 Volkswagen Ag Verfahren zum bereitstellen von verkehrsdaten
WO2007119348A1 (ja) * 2006-03-20 2007-10-25 Pioneer Corporation 情報提供装置、情報提供方法、情報提供プログラムおよび記録媒体
DE102016007475A1 (de) * 2016-06-18 2017-03-02 Daimler Ag Verfahren zur Gefährdungseinschätzung von Verkehrsteilnehmern

Also Published As

Publication number Publication date
US20190355245A1 (en) 2019-11-21
DE102017206343A1 (de) 2018-10-18
EP3610472A1 (de) 2020-02-19
CN110506303A (zh) 2019-11-26
CN110506303B (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
EP3610472A1 (de) Verfahren zum ermitteln von daten eines verkehrsszenarios
DE10334620B4 (de) Generierung von Verkehrshinweisen durch die Interpretation von Verkehrszeichenszenarien und Navigationsinformation in einem Fahrzeug
DE102005053461B4 (de) Verfahren und Vorrichtung zur Verkehrssteuerung
DE102006005022B3 (de) Kraftfahrzeug umfassend wenigstens eine Einrichtung zur Ausgabe akustischer und/oder optischer Informationen, sowie Verfahren zur Leitung eines Kraftfahrzeugs bei Annäherung eines vorfahrtsberechtigten Einsatzfahrzeugs
DE102015216266A1 (de) Technik zum Navigieren eines Fahrzeugs zu einem Parkplatz
EP3160813A2 (de) Verfahren zur erstellung eines umfeldmodells eines fahrzeugs
DE102014220678A1 (de) Fahrzeug-fernüberwachung
DE102014220681A1 (de) Verkehrssignalvorhersage
DE102017217443A1 (de) Verfahren und System zur Bereitstellung von Trainingsdaten zum maschinellen Lernen für ein Steuerungsmodell einer automatischen Fahrzeugsteuerung
DE102014008151A1 (de) Verfahren zum Betrieb eines Kraftfahrzeugs
EP3151213A1 (de) Fahrzeugvorrichtung sowie verfahren zur aufzeichnung eines umgebungsbereichs eines kraftfahrzeugs
DE102015200059A1 (de) Fahrer-Intentions-Vorhersage-Vorrichtung und Verfahren und Fahrzeug umfassend solch eine Vorrichtung
DE102017209347A1 (de) Verfahren und Vorrichtung zum Steuern eines Fahrzeugs
EP0915446A2 (de) Verkehrsleit-, Informations- und Positionierungssystem (VIPS)
DE102023001318A1 (de) Verfahren und Vorrichtung zum assistierten Fahren eines Fahrzeugs an Kreuzungen
EP3684645B1 (de) Verkürzung von lichtführungsfunktionen
EP2729924A1 (de) Verfahren zum bereitstellen von fahrwegdaten in einem kraftfahrzeug, sowie bodenfeste vorrichtung
DE102017103862A1 (de) System für eine Verkehrsfläche und Verfahren mit einem System für eine Verkehrsfläche
DE102018122472A1 (de) Konzentrationsbestimmungsvorrichtung, konzentrationsbestimmungsverfahren und programm zur konzentrationsbestimmung
DE102017008863A1 (de) Verfahren zum Betrieb eines autonom fahrenden Fahrzeugs mit einer an den Verkehr angepassten Fahrweise
DE102018122992B4 (de) Verfahren zum Bereitstellen von Positionsdaten von wenigstens einer Einfahrt zu einem Navigationsziel, Servereinrichtung zum Durchführen eines derartigen Verfahrens sowie Kraftfahrzeug
DE102014011851B4 (de) Konzept zur Erkennung einer Falschfahrt
DE10042980A1 (de) Einrichtung zur Bereitstellung von Informationen über die, auf einem Streckenabschnitt jeweils geltenden, Verkehrsregeln in einem Fahrzeug
DE102018122922A1 (de) Verfahren zum Fahren eines Fahrzeugs in einem Niedriggeschwindigkeitsmodus
WO2019233916A1 (de) Verfahren und gesamtsystem zum erkennen von parkplätzen

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: 18713903

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018713903

Country of ref document: EP

Effective date: 20191112