WO2022223080A1 - Verfahren zum erstellen einer karte mit kollisionswahrscheinlichkeiten - Google Patents

Verfahren zum erstellen einer karte mit kollisionswahrscheinlichkeiten Download PDF

Info

Publication number
WO2022223080A1
WO2022223080A1 PCT/DE2022/200042 DE2022200042W WO2022223080A1 WO 2022223080 A1 WO2022223080 A1 WO 2022223080A1 DE 2022200042 W DE2022200042 W DE 2022200042W WO 2022223080 A1 WO2022223080 A1 WO 2022223080A1
Authority
WO
WIPO (PCT)
Prior art keywords
collision
map
probabilities
vehicles
movement data
Prior art date
Application number
PCT/DE2022/200042
Other languages
English (en)
French (fr)
Inventor
Ulrich STÄHLIN
Marc Menzel
Original Assignee
Continental Automotive Technologies 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 Continental Automotive Technologies GmbH filed Critical Continental Automotive Technologies GmbH
Priority to EP22712800.6A priority Critical patent/EP4327314A1/de
Priority to CA3216842A priority patent/CA3216842A1/en
Priority to KR1020237035198A priority patent/KR20230156414A/ko
Priority to JP2023562778A priority patent/JP2024517394A/ja
Priority to CN202280029298.1A priority patent/CN117178309A/zh
Publication of WO2022223080A1 publication Critical patent/WO2022223080A1/de

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • 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
    • G01C21/3815—Road data
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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
    • 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
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map
    • 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

Definitions

  • the invention relates to a method for creating a map with collision probabilities for an area.
  • the invention relates to a method for creating a map with collision probabilities for an area, the method having the following steps:
  • Collision probabilities are created, which is based on actually recorded movement data and which can also be based on calculation models, which are used anyway for vehicle control, for example.
  • calculation models are typically not executed by the respective vehicles, but by an infrastructure which, for example, can be specially designed to create such maps with collision probabilities.
  • Vehicles can be detected and movement data can be determined, for example, using suitable sensors such as cameras or movement sensors, but it can also take place, for example, using data obtained as part of vehicle-to-X communication.
  • suitable sensors such as cameras or movement sensors
  • models based on deterministic algorithms and/or statistical methods and/or artificial intelligence can be used for the prediction.
  • Collision probabilities can be calculated, for example, by checking the probability with which trajectories overlap or areas around trajectories overlap.
  • the card can be an electronically stored card, for example, which can be stored in a central unit, for example. It can then be used, for example, to evaluate accident black spots and identify opportunities to improve road safety.
  • Movement data can be determined multiple times, for example, while the respective vehicle is driving through the area, and based on this, at least one trajectory can be predicted. As a result, the map can be improved, since a more extensive potential of data can be accessed. However, corresponding data can also be used for separate maps. Movement data can be determined in particular at predetermined time intervals. This allows for easy implementation.
  • a plurality of trajectories with respective associated probabilities are always or at least partially predicted. This applies in particular to a respective vehicle. As a result, it is possible to calculate in advance how the vehicle will continue to move and with what probability, and in particular a probability can be assigned to each possible course of movement. This facilitates the calculation of collision probabilities.
  • the detection and/or the determination of movement data can take place in particular by means of information received from the vehicles via radio.
  • Vehicle-to-X communication for example, can be used for this purpose.
  • roadside sensors such as cameras, radars, lidar sensors, etc. is also possible.
  • the area can contain an intersection, junction, curve or junction. Such places are typically accident black spots. However, other areas can also be used.
  • the collision probabilities can be normalized to a reference value.
  • the map can then be designed to give a relative probability compared to a reference value rather than an absolute probability.
  • the collision probabilities can, for example, be stored in aggregated form in predefined subdivisions of the area. This allows the map to be appropriately partitioned to avoid overly fine-grained execution. This allows certain evaluations in aggregated form.
  • a prediction uncertainty and/or error limits can occur Determine movement data are taken into account. This can further improve the calculation.
  • a number of trajectories with respective probabilities can be calculated on the basis of the uncertainty and/or the error limits.
  • the collision probabilities of multiple pairings of vehicles can be stored in an aggregated form.
  • a pairing can in particular be understood to mean that two vehicles come so close that there is at least a certain probability of collision.
  • Aggregated storage can also result in an aggregated evaluation.
  • collision probability for a collision with a fixed Flindernis can be considered.
  • a trajectory or trajectories originating from the single vehicle is typically sufficient.
  • the collision probabilities can be stored in the map in such a way that the map only takes into account collision probabilities from a predetermined time window.
  • the map can be created in such a way that it enables an evaluation with regard to an improvement in traffic safety at specific times, with different traffic volumes typically prevailing at different times.
  • a sliding window functionality may also be implemented so that the map is always generated for a predetermined period of time in the past.
  • one or more maps are generated, with only collision probabilities that meet one or more predetermined conditions being considered for each map.
  • maps with different characteristics can be generated, for example. Below are some examples, especially for conditions:
  • Map differs depending on the prediction horizon, for example one map each for a prediction time of 1 s, 2 s, 3 s etc., Tickets for different times, for example one ticket each for 6 a.m. to 10 a.m., 10 a.m. to 3 p.m., 3 p.m. to 7 p.m., 7 p.m. to 10 p.m., etc. and/or for certain days of the week,
  • Map only for certain combinations of objects for example a map for vehicle-vehicle, vehicle-pedestrian, bicycle-pedestrian, bicycle-car, truck-VRU, etc.,
  • Map that does not show the collision probabilities but the locations of the objects involved if the collision probability exceeds a certain threshold. This can be particularly advantageous if it is to be determined where the objects involved come from or where there could be structural reasons for the risk of collision.
  • Map depending on object density i.e. for example a map for a few, normally many, very many and overcrowded many objects in the observation area, possibly differentiated according to object types, for example "very many pedestrians", etc.,
  • Map as a deviation from the norm. For this purpose, for example, a map can first be created that describes the basic state, and from then on further maps can be created that show the difference to this basic state. This can be particularly helpful when the result of a change is to be shown.
  • the method can be carried out in such a way that one or more near-collision events are determined based on the fact that no collision of the vehicles took place at a location with a high probability of a collision between two vehicles.
  • Such near-collision events are particularly valuable for improving accident black spots with regard to road safety, since, in contrast to actual accidents, they cannot be determined using real events.
  • each collision probability to be read out can be one of can be assigned to a plurality of predetermined areas, and this area can be output in each case. In particular, this can mean that the reading is more coarse than the map would actually allow, which allows for an aggregated view and a simplification of the evaluation.
  • the invention further relates to a calculation module configured to carry out a method as described herein.
  • the invention further relates to a non-transitory computer-readable storage medium on which program code is stored, during the execution of which a processor executes a method described herein. With regard to the method, all of the versions and variants described herein can be used.
  • an infrastructure installation that has at least one environment sensor (for example radar, camera, lidar, ultrasound, etc.) and/or a vehicle-to-X communication module can be regarded as the basis.
  • a motion prediction can be created for each detected object. It is then checked whether the motion predictions of two or more objects overlap and there is therefore a risk of collision. Ideally, but not necessarily, both the motion prediction and the detection of the risk of collision take place with implicit consideration of the detection error and the prediction inaccuracy.
  • a vehicle is detected and its position is detected with an accuracy of ⁇ 0.5 m, its speed is detected with an accuracy of ⁇ 1 m/s and its direction of movement with an accuracy of ⁇ 1 °.
  • the prediction is now created as a kind of movement fan, with a most probable path in the middle (assuming no errors) and outer limits assuming detection errors and changes in vehicle dynamics during the prediction time.
  • the collision risks determined in this way can be recorded on a map, which can be designed, for example, in the form of a “fleat map”. For that can for each location and for each object combination, the collision risk in the range from 0% to 100% can be added to the other collision risks.
  • a grid can be used as the location for the evaluation, i.e. the collision probability is only added up for positions at a distance of e.g. 10 cm or another distance.
  • a normalization can also take place for the map or fleet map if the absolute collision probability is not important, but only the relative one, i.e. when the question is asked where an accident is most likely to occur. To do this, the collision probabilities added up are divided by the greatest collision probability in the given observation area.
  • the collision probabilities can also be added as a sliding window. Only the collision probabilities of the last x seconds or minutes or hours are added up.
  • the consideration can be simplified in particular if only clusters of collision probabilities are considered instead of the collision probabilities.
  • the collision probabilities could thus be divided into clusters, for example ⁇ 50%, 50% to 75%, 75% to 90%, >90%. Then, for example, it can be counted how often each cluster is reached (dedicated fleetmaps per cluster), or each cluster gets a rating number and these are summed up (for the example above, this could be 1, 3, 7, 15, for example).
  • near misses can also be recognized from a map or fleet map, especially if high collision probabilities are determined with short prediction times, but no collision takes place.
  • a minimum space-time distance distance of the four-dimensional space-time vectors
  • This space-time can then, for example, be weighted with the probability of the pair of trajectories and summed up.
  • this weighted space-time distance is evaluated as a near miss and can be re-entered in a fleet map at the position of the smallest distance.
  • the advantage of this second approach is, in particular, that even close passes with very well-defined speeds and directions are recognized as near misses, which did not have a high probability of collision.
  • the collision probability can also be made available as a further function to functions or devices of the system. This can be done, for example, in the form of raw data or as a trigger if a collision probability exceeds a specific value. On the basis of relatively well-known methods, danger spots and near misses can be identified.
  • FIG. 1 shows a situation with two vehicles in front of an intersection.
  • the first vehicle 10 is moving on a first road S1 and the second vehicle 20 is moving on a second road S2. Both vehicles 10, 20 are moving on the streets S1, S2 towards an intersection K, at which the two streets S1, S2 intersect.
  • the first vehicle 10 instructs Vehicle-to-X communication module 15 having an antenna 17 attached thereto.
  • the second vehicle 20 has a vehicle-to-X communication module 25 with an antenna 27 attached thereto. This enables the two vehicles 10, 20 to participate in the vehicle-to-X communication.
  • Vehicle-to-X communication module 45 with an antenna 47 is arranged.
  • the vehicles 10, 20 can also communicate with the roadside infrastructure.
  • a computing unit 30, which can be used to create a map, is arranged next to the streets S1, S2.
  • a camera 50 is arranged next to the roads S1, S2, which is shown here schematically and which can capture the two vehicles 10, 20.
  • the camera 50 represents an infrastructure-side environment sensor.
  • the computing unit 30 is designed to create a respective prediction of trajectories and associated probabilities at a number of times when the vehicles 10, 20 approach the intersection K.
  • the computing unit 30 calculates a number of trajectories for each vehicle starting from each point in time at which a corresponding measurement was made, with each trajectory being assigned a certain probability. Based on these trajectories, collision probabilities at the intersection K are then calculated, ie it is calculated at what point and with what probability a collision can occur.
  • a fleet map can be generated from this, ie an electronic map which indicates a respective collision probability for specific points of the intersection K. If required, the map can be normalized or it can be created based only on specific data, for example only based on data recorded at specific points in time. Such maps can help planners help to identify accident blackspots and to optimize them in such a way that road safety is increased.
  • vehicle-to-X communication means, in particular, direct communication between vehicles and/or between vehicles and infrastructure devices.
  • it can be vehicle-to-vehicle communication or vehicle-to-infrastructure communication. If reference is made to communication between vehicles in the context of this application, this can in principle take place, for example, in the context of vehicle-to-vehicle communication, which typically takes place without mediation through a mobile network or a similar external infrastructure and which is therefore different from other solutions , which are based, for example, on a cellular network.
  • vehicle-to-X communication can be accomplished using the IEEE 802.11p or IEEE 1609.4 standards.
  • Vehicle-to-X communication can also be referred to as C2X communication.
  • the sub-areas can be referred to as C2C (Car-to-Car) or C2I (Car-to-Infrastructure).
  • C2C Car-to-Car
  • C2I Car-to-Infrastructure
  • the invention does not explicitly exclude vehicle-to-X communication with switching, for example via a mobile radio network.

Abstract

Die Erfindung betrifft ein Verfahren zum Erstellen einer Karte mit Kollisionswahrscheinlichkeiten für ein Gebiet, wobei mehrere Fahrzeuge detektiert werden, welche in dem Gebiet fahren, dabei Bewegungsdaten des jeweiligen Fahrzeugs bestimmt werden, wobei für jedes der Fahrzeuge mindestens eine Trajektorie basierend auf den Bewegungsdaten prädiziert wird, und wobei Kollisionswahrscheinlichkeiten basierend auf den Trajektorien berechnet werden. Die Kollisionswahrscheinlichkeiten können in einer Karte abgespeichert werden.

Description

Beschreibung
Verfahren zum Erstellen einer Karte mit Kollisionswahrscheinlichkeiten
Die Erfindung betrifft ein Verfahren zum Erstellen einer Karte mit Kollisionswahrscheinlichkeiten für ein Gebiet.
Kreuzungen oder andere Stellen in öffentlichen Verkehrswegen bergen grundsätzlich ein gewisses Unfallrisiko. Unfälle können beispielsweise passieren, wenn zwei Fahrzeuge Zusammenstößen. Um hierüber Informationen zu sammeln, können beispielsweise Umfeldsensoren verwendet werden, womit Infrastrukturbetreiber wie beispielsweise Städte oder Gemeinden Unfallschwerpunkte analysieren können.
Es wäre wünschenswert, ein Verfahren zum Erstellen einer Karte mit Kollisionswahrscheinlichkeiten vorzusehen, welches im Vergleich zu bekannten Ausführungen alternativ oder besser ausgeführt ist. Dies wird erfindungsgemäß durch ein Verfahren gemäß Anspruch 1 erreicht. Vorteilhafte Ausgestaltungen können beispielsweise den Unteransprüchen entnommen werden. Der Inhalt der Ansprüche wird durch ausdrückliche Inbezugnahme zum Inhalt der Beschreibung gemacht.
Die Erfindung betrifft ein Verfahren zum Erstellen einer Karte mit Kollisionswahrscheinlichkeiten für ein Gebiet, wobei das Verfahren folgende Schritte aufweist:
Detektieren eines Fahrzeugs oder mehrerer Fahrzeuge, welche in dem Gebiet fahren, dabei Bestimmen von Bewegungsdaten des jeweiligen Fahrzeugs, für jedes der Fahrzeuge Prädizieren mindestens einer Trajektorie basierend auf den Bewegungsdaten,
Berechnen von Kollisionswahrscheinlichkeiten basierend auf den Trajektorien, und
Abspeichern der Kollisionswahrscheinlichkeiten in der Karte. Mittels eines solchen Verfahrens kann eine Karte mit
Kollisionswahrscheinlichkeiten erstellt werden, welche auf tatsächlich erfassten Bewegungsdaten basiert und welche ferner auf Berechnungsmodellen basieren kann, welche beispielsweise ohnehin für die Fahrzeugsteuerung verwendet werden. Derartige Berechnungsmodelle werden bei dem hierin beschriebenen Verfahren typischerweise nicht von den jeweiligen Fahrzeugen ausgeführt, sondern von einer Infrastruktur, welche beispielsweise speziell zum Erstellen von solchen Karten mit Kollisionswahrscheinlichkeiten aufgebaut sein kann.
Das Detektieren von Fahrzeugen und das Bestimmen von Bewegungsdaten können beispielsweise über geeignete Sensorik wie beispielsweise Kameras oder Bewegungssensoren erfolgen, es kann jedoch beispielsweise auch über Daten erfolgen, welche im Rahmen einer Fahrzeug-zu-X-Kommunikation erhalten werden. Für das Prädizieren können beispielsweise Modelle verwendet werden, welche auf deterministischen Algorithmen und/oder statistischen Methoden und/oder auf künstlicher Intelligenz basieren. Das Berechnen von Kollisionswahrscheinlichkeiten kann beispielsweise derart erfolgen, dass überprüft wird, mit welcher Wahrscheinlichkeit sich Trajektorien überlappen oder sich Bereiche um Trajektorien überlappen.
Die Karte kann beispielsweise eine elektronisch gespeicherte Karte sein, welche beispielsweise in einer zentralen Einheit abgespeichert werden kann. Sie kann anschließend beispielsweise für die Auswertung von Unfallschwerpunkten und für das Erkennen von Möglichkeiten zur Verbesserung der Verkehrssicherheit verwendet werden.
Bewegungsdaten können beispielsweise während einer Fahrt des jeweiligen Fahrzeugs durch das Gebiet mehrfach bestimmt werden und jeweils basierend darauf kann mindestens eine Trajektorie prädiziert werden. Dadurch kann die Karte verbessert werden, da auf ein umfangreicheres Potenzial an Daten zurückgegriffen werden kann. Entsprechende Daten können jedoch auch für separate Karten verwendet werden. Bewegungsdaten können insbesondere in vorbestimmten Zeitintervallen bestimmt werden. Dies ermöglicht eine einfache Ausführung.
Gemäß einer Ausführung werden immer oder zumindest teilweise mehrere Trajektorien mit jeweiligen zugehörigen Wahrscheinlichkeiten prädiziert. Dies gilt insbesondere für ein jeweiliges Fahrzeug. Dadurch kann vorausberechnet werden, wie sich das Fahrzeug mit welcher Wahrscheinlichkeit weiterbewegen wird, und es kann insbesondere jedem möglichen Bewegungsablauf eine Wahrscheinlichkeit zugeordnet werden. Dies erleichtert die Berechnung von Kollisionswahrscheinlichkeiten.
Das Detektieren und/oder das Bestimmen von Bewegungsdaten kann insbesondere mittels über Funk von den Fahrzeugen erhaltenen Informationen erfolgen. Flierzu kann beispielsweise eine Fahrzeug-zu-X-Kommunikation verwendet werden. Auch die Verwendung von straßenseitiger Sensorik wie beispielsweise Kameras, Radaren, Lidar-Sensoren etc. ist jedoch möglich.
Das Gebiet kann insbesondere eine Kreuzung, Abzweigung, Kurve oder Einmündung beinhalten. Derartige Stellen sind typischerweise Unfallschwerpunkte. Es können jedoch auch andere Gebiete verwendet werden.
Die Kollisionswahrscheinlichkeiten können insbesondere auf einen Referenzwert normalisiert werden. Die Karte kann dann so ausgeführt werden, dass sie nicht die absolute Wahrscheinlichkeit, sondern eine relative Wahrscheinlichkeit im Vergleich zu einem Referenzwert angibt.
Die Kollisionswahrscheinlichkeiten können beispielsweise in vorgegebenen Unterteilungen des Gebiets aggregiert abgespeichert werden. Dadurch kann die Karte in geeigneter Weise aufgeteilt werden, um eine zu feinkörnige Ausführung zu vermeiden. Dies erlaubt bestimmte Auswertungen in aggregierter Form.
Bei der Prädiktion von Trajektorien und zugehörigen Wahrscheinlichkeiten kann insbesondere eine Prädiktionsunsicherheit und/oder können Fehlergrenzen beim Bestimmen von Bewegungsdaten berücksichtigt werden. Dies kann die Berechnung noch weiter verbessern. Insbesondere können anhand der Unsicherheit und/oder der Fehlergrenzen mehrere Trajektorien mit jeweiligen Wahrscheinlichkeiten berechnet werden.
Insbesondere können die Kollisionswahrscheinlichkeiten mehrerer Paarungen von Fahrzeugen aggregiert abgespeichert werden. Unter einer Paarung kann dabei insbesondere verstanden werden, dass sich zwei Fahrzeuge so nahe kommen, dass eine gewisse Kollisionswahrscheinlichkeit zumindest besteht. Durch ein aggregiertes Abspeichern kann auch eine aggregierte Auswertung erreicht werden.
Wird nur ein Fahrzeug betrachtet kann insbesondere eine
Kollisionswahrscheinlichkeit für eine Kollision mit einem festen Flindernis betrachtet werden. In diesem Fall genügt typischerweise eine Trajektorie oder Trajektorien, welche von dem einzigen Fahrzeug ausgehen.
Die Kollisionswahrscheinlichkeiten können insbesondere in der Karte derart abgespeichert werden, dass die Karte nur Kollisionswahrscheinlichkeiten aus einem vorgegebenen Zeitfenster berücksichtigt. Dadurch kann beispielsweise die Karte so erstellt werden, dass sie eine Auswertung in Bezug auf eine Verbesserung der Verkehrssicherheit zu bestimmten Zeiten ermöglicht, wobei typischerweise zu unterschiedlichen Zeitpunkten ein unterschiedliches Verkehrsaufkommen herrscht. Es kann auch eine Funktionalität eines gleitenden Fensters implementiert sein, so dass die Karte immer für einen vorgegebenen zurückliegenden Zeitraum erstellt wird.
Gemäß einer Ausführung werden eine oder mehrere Karten erzeugt, wobei für jede Karte nur Kollisionswahrscheinlichkeiten berücksichtigt werden, die eine oder mehrere vorgegebene Bedingungen erfüllen. Dadurch können beispielsweise Karten mit unterschiedlichen Merkmalen erzeugt werden. Nachfolgend werden hierzu einige Beispiele, insbesondere für Bedingungen, genannt:
Karte unterschiedlich je nach Prädiktionshorizont, also beispielsweise je eine Karte für eine Prädiktionszeit von beispielsweise 1 s, 2s, 3s etc., Karte für unterschiedliche Uhrzeiten, also beispielsweise je eine Karte für 6 Uhr bis 10 Uhr, 10 Uhr bis 15 Uhr, 15 Uhr bis 19 Uhr, 19 Uhr bis 22 Uhr, etc. und/oder für bestimmte Wochentage,
Karte nur für bestimmte Kombinationen von Objekten, also beispielsweise je eine Karte für Fahrzeug-Fahrzeug, Fahrzeug-Fußgänger, Fahrrad-Fußgänger, Fahrrad-PKW, LKW-VRU, etc.,
Karte, welche nicht die Kollisionswahrscheinlichkeiten aufträgt, sondern die Orte der beteiligten Objekte, falls die Kollisionswahrscheinlichkeit einen bestimmten Schwellenwert überschreitet. Dies kann insbesondere dann von Vorteil sein, wenn ermittelt werden soll, woher die beteiligten Objekte kommen bzw. wo es bauliche Gründe für Kollisionsrisiken geben könnte.
Karte für unterschiedliche Ampelphasen bzw. Zeiten bis zur Änderung der Ampelphase,
Karte je nach Objektdichte, also beispielsweise je eine Karte für wenige, normal viele, sehr viele und überfüllt viele Objekte im Betrachtungsbereich, eventuell noch differenziert nach Objekttypen, zum Beispiel „sehr viele Fußgänger“, etc.,
Karte als Abweichung von der Norm. Dafür kann beispielsweise erstmal eine Karte erstellt werden, die den Grundzustand beschreibt, und ab dann können weitere Karten erstellt werden, die den Unterschied zu diesem Grundzustand darstellen. Dies kann vor allem dann hilfreich sein, wenn das Ergebnis einer Änderung aufgezeigt werden soll.
Das Verfahren kann insbesondere derart ausgeführt werden, dass eines oder mehrere Fast-Kollisionsereignisse basierend darauf ermittelt werden, dass an einem Ort mit hoher Kollisionswahrscheinlichkeit zwischen zwei Fahrzeugen keine Kollision der Fahrzeuge stattfand. Derartige Fast-Kollisionsereignisse sind besonders wertvoll für die Verbesserung von Unfallschwerpunkten im Hinblick auf die Verkehrssicherheit, da sie im Gegensatz zu tatsächlichen Unfällen nicht anhand von realen Ereignissen ermittelbar sind.
Beim Auslesen von Kollisionswahrscheinlichkeiten aus einer Karte kann beispielsweise jede auszulesende Kollisionswahrscheinlichkeit einem von mehreren vorgegebenen Bereichen zugeordnet werden, und dieser Bereich kann jeweils ausgegeben werden. Dies kann insbesondere bedeuten, dass das Auslesen gröber erfolgt als es die Karte eigentlich ermöglichen würde, was eine aggregierte Betrachtung und eine Vereinfachung der Auswertung ermöglicht.
Die Erfindung betrifft des Weiteren ein Berechnungsmodul, welches dazu konfiguriert ist, ein Verfahren wie hierin beschrieben auszuführen. Die Erfindung betrifft des Weiteren ein nichtflüchtiges computerlesbares Speichermedium, auf welchem Programmcode gespeichert ist, bei dessen Ausführung ein Prozessor ein hierin beschriebenes Verfahren ausführt. Bezüglich des Verfahrens kann dabei jeweils auf alle hierin beschriebenen Ausführungen und Varianten zurückgegriffen werden.
Als Grundlage kann beispielsweise eine Infrastrukturinstallation angesehen werden, welche mindestens einen Umfeldsensor (zum Beispiel Radar, Kamera, Lidar, Ultraschall, ... ) und/oder ein Fahrzeug-zu-X-Kommunikationsmodul hat. Für jedes detektierte Objekt kann eine Bewegungsprädiktion erstellt werden. Anschließend wird geprüft, ob sich die Bewegungsprädiktionen von zwei oder mehr Objekten überschneiden und somit ein Kollisionsrisiko besteht. Idealerweise, aber nicht notwendigerweise, findet sowohl die Bewegungsprädiktion als auch die Detektion des Kollisionsrisikos unter impliziter Berücksichtigung des Detektionsfehlers als auch der Prädiktionsungenauigkeit statt.
Nachfolgend sei ein Beispiel gegeben. Ein Fahrzeug wird erkannt und seine Position auf ± 0,5 m genau erkannt sowie seine Geschwindigkeit auf ± 1 m/s und seine Bewegungsrichtung auf ± 1 ° genau erkannt. Die Prädiktion wird nun als eine Art Bewegungsfächer erstellt, mit einem wahrscheinlichsten Pfad in der Mitte (unter Annahme keiner Fehler) und Außengrenzen unter der Annahme von Detektionsfehlern und Änderungen der Fahrdynamik während der Prädiktionszeit.
Die so ermittelten Kollisionsrisiken können auf einer Karte aufgezeichnet werden, welche beispielsweise in Form einer „Fleatmap“ ausgestaltet sein kann. Dafür kann für jeden Ort und für jede Objektkombination das Kollisionsrisiko im Bereich 0 % bis 100 % zu den anderen Kollisionsrisiken aufaddiert werden.
Für eine bessere Bewertung der Heatmap bzw. Karte kann als Ort für die Bewertung ein Raster verwendet werden, d.h. es wird nur für Positionen im Abstand von beispielsweise 10 cm oder einer anderen Strecke die Kollisionswahrscheinlichkeit aufaddiert.
Für die Karte bzw. Fleatmap kann zusätzlich noch eine Normierung stattfinden, wenn nicht die absolute Kollisionswahrscheinlichkeit wichtig ist, sondern nur die relative, wenn also gefragt wird, wo sich am wahrscheinlichsten ein Unfall ereignen wird. Dafür werden die aufaddierten Kollisionswahrscheinlichkeiten durch die größte Kollisionswahrscheinlichkeit im gegebenen Betrachtungsbereich dividiert.
Die Addition der Kollisionswahrscheinlichkeiten kann auch als Sliding Window ausgeführt werden. Dabei werden nur die Kollisionswahrscheinlichkeiten der letzten x Sekunden oder Minuten oder Stunden aufaddiert.
Zur differenzierten Analyse können auch mehrere Karten bzw. Fleatmaps erstellt werden. Mögliche Unterschiede wurden bereits weiter oben beschrieben.
Eine Vereinfachung der Betrachtung kann insbesondere erfolgen, wenn anstelle der Kollisionswahrscheinlichkeiten nur Cluster von Kollisionswahrscheinlichkeiten betrachtet werden. So könnten die Kollisionswahrscheinlichkeiten in die Cluster unterteilt werden, beispielsweise < 50 %, 50 % bis 75 %, 75 % bis 90 %, > 90 %. Anschließend kann beispielsweise gezählt werden, wie oft jedes der Cluster erreicht wird (dedizierte Fleatmaps je Cluster), oder jedes Cluster bekommt eine Bewertungszahl und diese werden summiert (für das Beispiel vorne könnte dies beispielsweise 1 , 3, 7, 15 sein).
Aus einer Karte oder Fleatmap können auch sogenannte „Near Misses“ erkannt werden, vor allem wenn bei kurzen Prädiktionszeiten hohe Kollisionswahrscheinlichkeiten ermittelt werden, jedoch keine Kollision stattfindet. Um zusätzliche Near Misses, also Fast-Kollisionsereignisse, zu identifizieren, kann für jede Kombination von Fahrzeug-Trajektorien der Fahrfächer, welche bezüglich der Kollisionswahrscheinlichkeit eine gewisse Mindest-Wahrscheinlichkeit übersteigt, ein minimaler raumzeitlicher Abstand berechnet werden (Abstand der vierdimensionalen Raumzeitvektoren). Diese Raumzeit kann dann beispielsweise mit der Wahrscheinlichkeit des Trajektorienpaars gewichtet und aufsummiert werden. Ab einem Schwellenwert wird dieser gewichtete Raumzeitabstand als Near Miss gewertet und kann an der Position des geringsten Abstands wieder in eine Fleatmap eingetragen werden. Der Vorteil dieses zweiten Ansatzes besteht insbesondere darin, dass auch enge Vorbeifahrten mit sehr gut definierten Geschwindigkeiten und Richtungen als Near Misses erkannt werden, welche keine großen Kollisionswahrscheinlichkeiten hatten.
Zusätzlich oder anstelle von Fleatmaps kann die Kollisionswahrscheinlichkeit auch als weitere Funktion Funktionen oder Geräten des Systems zur Verfügung gestellt werden. Dies kann beispielsweise in Form von Rohdaten erfolgen oder als Trigger, falls eine Kollisionswahrscheinlichkeit einen bestimmten Wert überschreitet. Auf Basis relativ bekannter Verfahren können Gefahrenstellen und Near Misses erkannt werden.
Weiterhin ist es möglich, Situationen oder Orte zu identifizieren, die für Fahrer unangenehm bzw. schwierig zu meistern sind. Dies kann benutzt werden, um bauliche Änderungen vorzunehmen oder die Verkehrsflusssteuerung anzupassen, bevor ein Unfall passiert.
Die Erfindung wird nachfolgend anhand der Zeichnung beschrieben. Dabei zeigt: Fig. 1 : eine Situation mit zwei Fahrzeugen vor einer Kreuzung.
Fig. 1 zeigt rein schematisch ein erstes Fahrzeug 10 und ein zweites Fahrzeug 20. Das erste Fahrzeug 10 bewegt sich auf einer ersten Straße S1 und das zweite Fahrzeug 20 bewegt sich auf einer zweiten Straße S2. Beide Fahrzeuge 10, 20 bewegen sich auf den Straßen S1 , S2 auf eine Kreuzung K zu, an welcher sich die beiden Straßen S1 , S2 schneiden. Das erste Fahrzeug 10 weist ein Fahrzeug-zu-X-Kommunikationsmodul 15 mit einer daran angebrachten Antenne 17 auf. Das zweite Fahrzeug 20 weist ein Fahrzeug-zu-X-Kommunikationsmodul 25 mit einer daran angebrachten Antenne 27 auf. Dies ermöglicht den beiden Fahrzeugen 10, 20 die Teilnahme an der Fahrzeug-zu-X-Kommunikation.
Neben den Straßen S1 , S2 ist ein straßenseitiges
Fahrzeug-zu-X-Kommunikationsmodul 45 mit einer Antenne 47 angeordnet. Dadurch können die Fahrzeuge 10, 20 auch mit der straßenseitigen Infrastruktur kommunizieren. Neben den Straßen S1 , S2 ist eine Recheneinheit 30 angeordnet, welche zum Erstellen einer Karte verwendet werden kann.
Des Weiteren ist neben den Straßen S1 , S2 eine Kamera 50 angeordnet, welche hier schematisch gezeigt ist und die beiden Fahrzeuge 10, 20 erfassen kann. Die Kamera 50 stellt einen infrastrukturseitigen Umfeldsensor dar.
Nähern sich die Fahrzeuge 10, 20 der Kreuzung K, werden sie über die Kamera 50 sowie über die Fahrzeug-zu-X-Kommunikation erfasst. Dabei gesammelte Daten werden an die Recheneinheit 30 geleitet. Über die genannten Mechanismen werden auch Ort, Kurs und Geschwindigkeit der Fahrzeuge 10, 20 samt jeweiliger Fehler erfasst. Die Recheneinheit 30 ist dazu ausgebildet, zu mehreren Zeitpunkten beim Annähern der Fahrzeuge 10, 20 an die Kreuzung K eine jeweilige Prädiktion von Trajektorien und zugehörigen Wahrscheinlichkeiten zu erstellen. Dabei berechnet die Recheneinheit 30 mehrere Trajektorien für jedes Fahrzeug ausgehend von jedem Zeitpunkt, an welchem eine entsprechende Messung erfolgt ist, wobei jeder Trajektorie eine gewisse Wahrscheinlichkeit zugeordnet ist. Basierend auf diesen Trajektorien werden dann Kollisionswahrscheinlichkeiten an der Kreuzung K berechnet, d.h. es wird berechnet, an welcher Stelle mit welcher Wahrscheinlichkeit eine Kollision erfolgen kann. Daraus kann eine Fleatmap erzeugt werden, d.h. eine elektronische Karte, welche für bestimmte Punkte der Kreuzung K eine jeweilige Kollisionswahrscheinlichkeit angibt. Die Karte kann bei Bedarf normiert werden oder sie kann basierend nur auf bestimmten Daten, beispielsweise nur basierend auf Daten, welche zu bestimmten Zeitpunkten aufgenommen wurden, erstellt werden. Derartige Karten können Planern dabei helfen, Unfallschwerpunkte zu erkennen und dahingehend zu optimieren, dass die Verkehrssicherheit erhöht wird.
Allgemein sei darauf hingewiesen, dass unter Fahrzeug-zu-X-Kommunikation insbesondere eine direkte Kommunikation zwischen Fahrzeugen und/oder zwischen Fahrzeugen und Infrastruktureinrichtungen verstanden wird. Beispielsweise kann es sich also um Fahrzeug-zu-Fahrzeug-Kommunikation oder um Fahrzeug-zu-lnfrastruktur-Kommunikation handeln. Sofern im Rahmen dieser Anmeldung auf eine Kommunikation zwischen Fahrzeugen Bezug genommen wird, so kann diese grundsätzlich beispielsweise im Rahmen einer Fahrzeug-zu-Fahrzeug-Kommunikation erfolgen, welche typischerweise ohne Vermittlung durch ein Mobilfunknetz oder eine ähnliche externe Infrastruktur erfolgt und welche deshalb von anderen Lösungen, welche beispielsweise auf ein Mobilfunknetz aufbauen, abzugrenzen ist. Beispielsweise kann eine Fahrzeug-zu-X-Kommunikation unter Verwendung der Standards IEEE 802.11 p oder IEEE 1609.4 erfolgen. Weitere Beispiele für Kommunikationstechnologien umfassen LTE-V2X, 5G-V2X, C-V2X, WLAN, WiMax, UWB oder Bluetooth. Eine Fahrzeug-zu-X-Kommunikation kann auch als C2X-Kommunikation bezeichnet werden. Die Teilbereiche können als C2C (Car-to-Car) oder C2I (Car-to-lnfrastructure) bezeichnet werden. Die Erfindung schließt jedoch Fahrzeug-zu-X-Kommunikation mit Vermittlung beispielsweise über ein Mobilfunknetz explizit nicht aus.
Erwähnte Schritte des erfindungsgemäßen Verfahrens können in der angegebenen Reihenfolge ausgeführt werden. Sie können jedoch auch in einer anderen Reihenfolge ausgeführt werden, soweit dies technisch sinnvoll ist. Das erfindungsgemäße Verfahren kann in einer seiner Ausführungen, beispielsweise mit einer bestimmten Zusammenstellung von Schritten, in der Weise ausgeführt werden, dass keine weiteren Schritte ausgeführt werden. Es können jedoch grundsätzlich auch weitere Schritte ausgeführt werden, auch solche welche nicht erwähnt sind. Es sei darauf hingewiesen, dass in den Ansprüchen und in der Beschreibung Merkmale in Kombination beschrieben sein können, beispielsweise um das Verständnis zu erleichtern, obwohl diese auch separat voneinander verwendet werden können. Der Fachmann erkennt, dass solche Merkmale auch unabhängig voneinander mit anderen Merkmalen oder Merkmalskombinationen kombiniert werden können.
Rückbezüge in Unteransprüchen können bevorzugte Kombinationen der jeweiligen Merkmale kennzeichnen, schließen jedoch andere Merkmalskombinationen nicht aus.
Bezugszeichenliste:
K Kreuzung
S1 erste Straße S2 zweite Straße
10 erstes Fahrzeug
15 Fahrzeug-zu-X-Kommunikationsmodul
17 Antenne
20 zweites Fahrzeug 25 Fahrzeug-zu-X-Kommunikationsmodul
27 Antenne
30 Recheneinheit
45 straßenseitiges Fahrzeug-zu-X-Kommunikationsmodul
47 Antenne 50 Kamera / Umfeldsensor

Claims

Patentansprüche
1. Verfahren zum Erstellen einer Karte mit Kollisionswahrscheinlichkeiten für ein Gebiet, wobei das Verfahren folgende Schritte aufweist:
Detektieren eines Fahrzeugs oder mehrerer Fahrzeuge (10, 20), welche in dem Gebiet fahren, dabei Bestimmen von Bewegungsdaten des jeweiligen Fahrzeugs (10, 20), für jedes der Fahrzeuge (10, 20) prädizieren mindestens einer Trajektorie basierend auf den Bewegungsdaten,
Berechnen von Kollisionswahrscheinlichkeiten basierend auf den Trajektorien, und
Abspeichern der Kollisionswahrscheinlichkeiten in der Karte.
2. Verfahren nach Anspruch 1, wobei die Bewegungsdaten während einer Fahrt des jeweiligen Fahrzeugs (10, 20) durch das Gebiet mehrfach bestimmt werden und jeweils basierend darauf mindestens eine Trajektorie prädiziert wird.
3. Verfahren nach Anspruch 2, wobei die Bewegungsdaten in vorbestimmten Zeitintervallen bestimmt werden.
4. Verfahren nach einem der vorhergehenden Ansprüche, wobei immer oder zumindest teilweise mehrere Trajektorien mit jeweiligen zugehörigen Wahrscheinlichkeiten prädiziert werden.
5. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Detektieren und/oder das Bestimmen von Bewegungsdaten mittels einem oder mehreren straßenseitigen Umfeldsensoren (50) erfolgt.
6. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Detektieren und/oder das Bestimmen von Bewegungsdaten mittels über Funk von den Fahrzeugen (10, 20) erhaltenen Informationen erfolgt.
7. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Gebiet eine Kreuzung (K), Abzweigung, Kurve oder Einmündung beinhaltet.
8. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Kollisionswahrscheinlichkeiten auf einen Referenzwert normalisiert werden.
9. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Kollisionswahrscheinlichkeiten in vorgegebenen Unterteilungen des Gebiets aggregiert abgespeichert werden.
10. Verfahren nach einem der vorhergehenden Ansprüche, wobei bei der Prädiktion von Trajektorien und zugehörigen Wahrscheinlichkeiten eine Prädiktionsunsicherheit und/oder Fehlergrenzen beim Bestimmen von Bewegungsdaten berücksichtigt werden.
11. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Kollisionswahrscheinlichkeiten mehrerer Paarungen von Fahrzeugen aggregiert abgespeichert werden.
12. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Kollisionswahrscheinlichkeiten in der Karte derart abgespeichert werden, dass die Karte nur Kollisionswahrscheinlichkeiten aus einem vorgegebenen Zeitfenster berücksichtigt.
13. Verfahren nach einem der vorhergehenden Ansprüche, wobei eine oder mehrere Karten erzeugt werden, wobei für jede Karte nur Kollisionswahrscheinlichkeiten berücksichtigt werden, die eine oder mehrere vorgegebene Bedingungen erfüllen.
14. Verfahren nach einem der vorhergehenden Ansprüche, - wobei eines oder mehrere Fast-Kollisionsereignisse basierend darauf ermittelt werden, dass an einem Ort mit hoher Kollisionswahrscheinlichkeit zwischen zwei Fahrzeugen keine Kollision der Fahrzeuge (10, 20) stattfand.
15. Verfahren nach einem der vorhergehenden Ansprüche, - wobei beim Auslesen von Kollisionswahrscheinlichkeiten aus einer Karte jede auszulesende Kollisionswahrscheinlichkeit einem von mehreren vorgegebenen Bereichen zugeordnet wird und dieser Bereich jeweils ausgegeben wird.
PCT/DE2022/200042 2021-04-23 2022-03-16 Verfahren zum erstellen einer karte mit kollisionswahrscheinlichkeiten WO2022223080A1 (de)

Priority Applications (5)

Application Number Priority Date Filing Date Title
EP22712800.6A EP4327314A1 (de) 2021-04-23 2022-03-16 Verfahren zum erstellen einer karte mit kollisionswahrscheinlichkeiten
CA3216842A CA3216842A1 (en) 2021-04-23 2022-03-16 Method for creating a map with collision probabilities
KR1020237035198A KR20230156414A (ko) 2021-04-23 2022-03-16 충돌 확률을 나타낸 맵을 생성하기 위한 방법
JP2023562778A JP2024517394A (ja) 2021-04-23 2022-03-16 衝突確率を有するマップを作成する方法
CN202280029298.1A CN117178309A (zh) 2021-04-23 2022-03-16 用于创建具有碰撞概率的地图的方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021204067.5 2021-04-23
DE102021204067.5A DE102021204067A1 (de) 2021-04-23 2021-04-23 Verfahren zum Erstellen einer Karte mit Kollisionswahrscheinlichkeiten

Publications (1)

Publication Number Publication Date
WO2022223080A1 true WO2022223080A1 (de) 2022-10-27

Family

ID=80952170

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE2022/200042 WO2022223080A1 (de) 2021-04-23 2022-03-16 Verfahren zum erstellen einer karte mit kollisionswahrscheinlichkeiten

Country Status (7)

Country Link
EP (1) EP4327314A1 (de)
JP (1) JP2024517394A (de)
KR (1) KR20230156414A (de)
CN (1) CN117178309A (de)
CA (1) CA3216842A1 (de)
DE (1) DE102021204067A1 (de)
WO (1) WO2022223080A1 (de)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011113019A1 (de) * 2011-07-14 2012-05-10 Daimler Ag Verfahren zur Ermittlung und Bewertung von Gefahren einer Situation zwischen zumindest zwei Verkehrsteilnehmern in einem Straßenkreuzungsbereich und Verfahren zur Unterstützung eines Fahrers beim Führen eines Fahrzeugs
DE102016222219A1 (de) * 2016-11-11 2018-05-17 Robert Bosch Gmbh Fahrerassistenzsystem für ein Kraftfahrzeug
US20180365999A1 (en) * 2017-06-20 2018-12-20 Zf Friedrichshafen Ag System and method for collision avoidance
US20200023838A1 (en) * 2018-07-17 2020-01-23 Baidu Usa Llc Methods and systems to predict object movement for autonomous driving vehicles
US20200174481A1 (en) * 2018-11-30 2020-06-04 Zoox, Inc. Probabilistic risk assessment for trajectory evaluation

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013014157A1 (de) 2013-08-24 2015-02-26 Audi Ag Ortsfeste Einrichtung zur Verringerung der Kollisionsgefahr von Kraftfahrzeugen

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011113019A1 (de) * 2011-07-14 2012-05-10 Daimler Ag Verfahren zur Ermittlung und Bewertung von Gefahren einer Situation zwischen zumindest zwei Verkehrsteilnehmern in einem Straßenkreuzungsbereich und Verfahren zur Unterstützung eines Fahrers beim Führen eines Fahrzeugs
DE102016222219A1 (de) * 2016-11-11 2018-05-17 Robert Bosch Gmbh Fahrerassistenzsystem für ein Kraftfahrzeug
US20180365999A1 (en) * 2017-06-20 2018-12-20 Zf Friedrichshafen Ag System and method for collision avoidance
US20200023838A1 (en) * 2018-07-17 2020-01-23 Baidu Usa Llc Methods and systems to predict object movement for autonomous driving vehicles
US20200174481A1 (en) * 2018-11-30 2020-06-04 Zoox, Inc. Probabilistic risk assessment for trajectory evaluation

Also Published As

Publication number Publication date
EP4327314A1 (de) 2024-02-28
CN117178309A (zh) 2023-12-05
KR20230156414A (ko) 2023-11-14
DE102021204067A1 (de) 2022-10-27
CA3216842A1 (en) 2022-10-27
JP2024517394A (ja) 2024-04-22

Similar Documents

Publication Publication Date Title
DE102015100812B4 (de) Verfahren zum Verwenden von Strassenniveaubildern zum Verbessern eines Modus eines automatisierten Fahrens für ein Fahrzeug
DE102015202367A1 (de) Autonome steuerung in einer dichten fahrzeugumgebung
DE102018102027A1 (de) Effizientes situationsbewusstsein durch ereigniserzeugung und episodischen speicherabruf für autonome antriebssysteme
DE602006000702T2 (de) Automatisches Streckenberechnungssystem auf ausschließlicher Satellitennavigationsbasis unter Berücksichtigung des Positionsfehlers und Verfahren dazu
DE102016216636A1 (de) Bewegter-körper-erkennungssystem
DE102012201472A1 (de) Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen
DE102012204098A1 (de) Verfahren zur Stauerkennung mittels einer drahtlosen Fahrzeug-zu-Fahrzeug-Kommunikation
DE102011083677A1 (de) Prognose einer Verkehrssituation für ein Fahrzeug
EP2856452B1 (de) Erkennung von richtungsfahrbahnen
EP2936470B1 (de) Verfahren und system zum lernen von verkehrsereignissen sowie verwendung des systems
DE102015213517A1 (de) Verfahren und Vorrichtung zum Warnen anderer Verkehrsteilnehmer bei einem falsch fahrenden Fahrzeug
DE102018115198A1 (de) Crowdsourcing-basierte virtuelle Sensorgenerierungs- und virtuelle Sansoranwendungs-Streuerung
EP3526624A1 (de) Automatisierte freiraumerkennung mittels differenzanalyse für fahrzeuge
DE102016003969A1 (de) Verfahren zum Erfassen von Umgebungsdaten mittels mehrerer Kraftfahrzeuge
DE102014212866A1 (de) Verfahren zum Ermitteln eines Parkplatzes aus einer Anzahl von Messpunkten
WO2017102623A1 (de) VERFAHREN UND VORRICHTUNG ZUM PRÄDIZIEREN EINER BEWEGUNG EINES STRAßENVERKEHRSTEILNEHMERS IN EINEM VERKEHRSRAUM
DE102018124578A1 (de) System und verfahren zur dynamischen fahrzeuganpassung und zum -tuning
DE102012207864A1 (de) Verfahren zum Reduzieren einer Staugefahr
DE102014212216A1 (de) Verfahren und Fahrerassistenzsystem zur Erfassung eines Fahrzeugumfel-des
DE102019211098B4 (de) Verfahren, Vorrichtung und Computerprogramm zum Bestimmen einer Ampelphase einer Ampel einer Ampelanlage
WO2022247994A1 (de) System zur sensordatenfusion für die umgebungswahrnehmung
WO2017125332A2 (de) ERFASSUNG EINER GEFAHRENSITUATION IM STRAßENVERKEHR
EP4327314A1 (de) Verfahren zum erstellen einer karte mit kollisionswahrscheinlichkeiten
DE102021125730A1 (de) Systeme und verfahren zum detektieren einer fahrt in die falsche richtung eines fahrzeugs
WO2018024412A1 (de) Verfahren zum bestimmen der position einer mobilen funkstelle durch ein fahrzeug und fahrzeug

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: 22712800

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023562778

Country of ref document: JP

ENP Entry into the national phase

Ref document number: 20237035198

Country of ref document: KR

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 1020237035198

Country of ref document: KR

WWE Wipo information: entry into national phase

Ref document number: 3216842

Country of ref document: CA

WWE Wipo information: entry into national phase

Ref document number: MX/A/2023/012505

Country of ref document: MX

WWE Wipo information: entry into national phase

Ref document number: 2022712800

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022712800

Country of ref document: EP

Effective date: 20231123