WO2023094071A1 - Soziale-kräfte-modelle zur trajektorien-prädiktion anderer verkehrsteilnehmer - Google Patents

Soziale-kräfte-modelle zur trajektorien-prädiktion anderer verkehrsteilnehmer Download PDF

Info

Publication number
WO2023094071A1
WO2023094071A1 PCT/EP2022/078536 EP2022078536W WO2023094071A1 WO 2023094071 A1 WO2023094071 A1 WO 2023094071A1 EP 2022078536 W EP2022078536 W EP 2022078536W WO 2023094071 A1 WO2023094071 A1 WO 2023094071A1
Authority
WO
WIPO (PCT)
Prior art keywords
road user
social
road users
road
automated vehicle
Prior art date
Application number
PCT/EP2022/078536
Other languages
English (en)
French (fr)
Inventor
Christoph THIEM
Nico Weber
Ulrich Eberle
Original Assignee
Psa Automobiles Sa
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 Psa Automobiles Sa filed Critical Psa Automobiles Sa
Publication of WO2023094071A1 publication Critical patent/WO2023094071A1/de

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants

Definitions

  • the invention relates to a system for an automated vehicle for determining a respective prediction about the behavior of one or more other road users, and a method for an automated vehicle for determining a respective prediction about the behavior of one or more other road users.
  • automated vehicles tend to drive defensively in order to minimize the risk of entering a critical situation.
  • all possible maneuvers by other road users can be taken into account in order to always calculate a safe way to avoid a collision. If this is done using defined parameters and assuming that all road users behave in the same way, the automated vehicle can take a longer average time to cover the same route than human drivers, especially in inner-city traffic. This would lead to occupant dissatisfaction and rejection of the automated vehicle.
  • the automated vehicle would typically be technically able to drive through such busy areas more quickly if the possible driving maneuvers were carried out more aggressively. Although this could increase the average speed, it would reduce driving comfort, which could also lead to dissatisfaction.
  • the prior art describes the procedure for detecting other people and for drawing conclusions for the dynamics of an automatic or automated driving control function from the result.
  • DE 10 2017 217 056 A1 relates to a method for operating a driver assistance system of a motor vehicle, in which a movement of at least one living object in an area surrounding the motor vehicle is predicted, comprising the following steps: describes a change in the movement of the living object that is dependent on at least one further object, the living object and the at least one further object each belonging to an object class and the movement models for combinations of the object classes being stored, b) receiving measurement data relating to the surroundings of the motor vehicle; c) detecting the at least one living object and the at least one further object in the vicinity of the motor vehicle and determining a relative position of the objects to one another on the basis of the measurement data received; d) identifying the object classes of the detected objects; e) for the at least one detected living object: i.
  • US 2021/0155266 A1 further relates to an object trajectory prediction system of a vehicle, comprising: one or more sensors configured to generate sensory data corresponding to one or more objects within a region of the vehicle; one or more processors; and memory coupled to the one or more processors and containing instructions that when executed by the one or more processors cause the one or more processors to: identify a first person of interest , POI) based on the sensory data; estimating a three-dimensional (3D) pose of the first POI from the sensory data; calculating a trajectory of the first POI according to at least the 3D posture of the first POI; and determining a navigation path of the vehicle according to the trajectory of the first POI.
  • POI first person of interest
  • 3D three-dimensional
  • the object of the invention is to provide an improved prediction of the movements of other road users for an automated vehicle in order ultimately to improve the driving behavior of the automated vehicle.
  • a first aspect of the invention relates to a system for an automated vehicle for determining a respective prediction about the behavior of one or more other road users, having a sensor unit and a computing unit, the sensor unit for detecting other road users and for transmitting detected data about them to the Arithmetic unit is used and is executed, the arithmetic unit is designed to from the data of the sensor unit a respective To categorize road users into a respective, stored in a database, predetermined group of road users, to execute a social forces model assigned to the respective group of the respective road user and also stored in the database and the respective social forces model based on information in the To parameterize sensor data about the respective road user with regard to his current state, and to estimate a future behavior of the respective road user from the respective parameterized social forces model.
  • the social forces model is used for this purpose, in particular to model the movement (caused by the tendency of road users to move away from one another or from objects or to seek proximity to one another or to objects).
  • the social forces model is therefore used to model the surrounding traffic, since the behavior of the social forces model can be realistically approximated very well to the specific real behavior of road users by adapting the parameters of the social forces model.
  • the motion of dynamic objects is determined based on the influence of so-called social forces.
  • Social forces are not physically measurable forces to which the dynamic object is exposed, but are to be understood in this context as the motivation of the individual object to move in a certain direction depending on its goal and objects in its environment.
  • the influences mentioned are expressed in the form of different repulsive and attractive forces and form a resultant force that ultimately determines the movement of the object.
  • the social forces model is therefore an abstract analogue of electric charges, which can either repel or attract each other depending on their charge.
  • each of the road users is advantageously viewed as an independent agent for a respective road user, who reacts to the behavior of other road users (in the sense of other agents) and whose own behavior in turn has an influence the behavior of other road users.
  • the social forces model can also be used for objects such as obstacles or logical units such as possible destinations for road users are applied.
  • the goal that is achieved with the social forces models of road users is a more accurate maneuver prediction compared to standard values.
  • the maneuver prediction can be more accurate, because the specific parameterization of the road users gives a higher probability of estimating the correct trajectory of the road users in advance.
  • This can achieve two things: Firstly, if it is to be expected that a road user will not behave in accordance with the rules, safety can be increased by reducing speed or increasing the safety distance, for example. Secondly: If it is unlikely that road users in the vicinity will not behave in accordance with the rules, a precautionary speed reduction and a precautionary increase in the safety distance can be dispensed with, so that faster progress is possible. This estimation is done in particular on the basis of simulations.
  • the detection of other road users by the sensor unit initially serves to identify the other road users in order to provide knowledge about what type of other road users are around one's own automated vehicle and to provide corresponding social force models.
  • the sensor unit may not only have the purpose of detecting the respective other road user with passive sensors such as cameras, but can also be designed to receive electronic communication, in particular via radio signals, from other road users. As explained below, this applies, for example, to GPS signals from other road users who can transmit their own previous trajectory to the automated vehicle.
  • other road users can also transmit social force models about themselves to the automated vehicle and, for example, an initial or complete set of parameters for the respective social force model.
  • the concept of the sensor unit is therefore to be seen in particular as being functional and to be understood in a broader sense as a data acquisition unit. It is an advantageous effect of the invention that the behavior of other road users can be better assessed and taken into account in the trajectory planning of the automated vehicle.
  • the behavior in particular the routes and reactions of the other road users can be estimated with a certain probability.
  • the surrounding traffic can be better estimated with the help of the social force models and taken into account in the trajectory planning of the automated vehicle.
  • the better assessment can be used, for example, to shift the executed trajectory towards greater safety or comfort, depending on the situation.
  • the computing unit is designed to adapt a command relating to a driving maneuver of the automated vehicle on the basis of the respective prediction about the behavior of the respective other road user.
  • the database is stored in a central memory.
  • the central memory is designed in such a way that exactly one respective automated vehicle has access to the central memory, so that exactly one central database is available for exactly one automated vehicle in each case.
  • This embodiment relates to a central database for each automated vehicle.
  • social force models created or made available to the automated vehicle are stored, with the respective automated vehicle having exclusive access to the central database, i. This means that no other automated vehicles have access to the same central database.
  • the database can be stored in the automated vehicle if there is sufficient computing capacity, or (otherwise) externally in a cloud/data center if access is fast enough.
  • all social-forces models for each of the specified groups are stored in the central memory in order to Needed to be able to be retrieved from the respective processing unit of a respective automated vehicle.
  • this embodiment relates to a central database in which each model created for specific road users is stored and can be called up by the respective automated vehicle if required.
  • This method has the advantage that a lot of data can be used to create and improve the social forces models.
  • the database is stored in respective decentralized memories, with the respective decentralized memory being assigned to a respective road user, so that each of the other road users can provide their own respective social forces model.
  • each road user saves their own social forces model and makes this available to other road users if required.
  • Other road users can also transmit data that the respective social forces model is being improved.
  • the social forces models can also be transmitted to automated vehicles when they are nearby.
  • the social forces model preferably uses many parameters in order to realistically model the repelling and attractive forces of road users, objects, destinations, traffic routes that act on the road users to be modeled.
  • the correct parameterization is therefore essential in order to represent a specific behavior of certain road users.
  • a detailed description of how the parameterization can be carried out can be found in the publication "Dirk Helbing and Peter Molnar. "Social force model for pedestrian dynamics”. In: Physical Review E 51.5 (May 1995), p.
  • the computing unit is designed to parameterize the respective social forces model with data that is actively transmitted to the sensor unit by a respective other road user.
  • this is preferably done either by built-in sensors including software or via an app in the driver's smartphone. This can be done via GPS (possibly supplemented by dGPS and acceleration sensors) to determine trajectories. Evaluated together with high-resolution maps, which also contain current traffic signs, a large number of parameters can already be determined in order to be able to simulate the probable behavior in certain traffic situations. Traffic situations can be, for example: speed in curves (depending on the geometry), positioning on the lane, observing the speed limit, behavior in front of pedestrian crossings, behavior next to cycle paths, etc.;
  • tracking is preferably carried out via their smartphone.
  • the current trajectories of the road users can be determined in particular via GPS (possibly supplemented by dGPS and acceleration sensors of the smartphone).
  • dGPS and acceleration sensors of the smartphone Evaluated together with high-resolution maps, which also contain current traffic signs, a large number of parameters can already be determined in order to be able to simulate the probable behavior in certain traffic situations.
  • Traffic situations can be e.g. Distances to other pedestrians, cyclists, etc. can be determined via Bluetooth. This has a major impact on the distance of the pedestrian to be tracked. "Other pedestrians" are often the reason for leaving the pedestrian walkway and turning onto the street.
  • Smartphone activities such as music apps, messengers, etc. can also be used to determine an attention parameter that determines the probability of realizing the traffic situation.
  • the computing unit is designed to parameterize the respective social forces model using real-time traffic flow data.
  • the parameters can also be described as a function of traffic density. This can have a significant impact in urban areas and also on the freeway.
  • the computing unit is designed to parameterize the respective social forces model by running a simulation is carried out on the behavior of another road user, where the other road user is also an automated vehicle.
  • the programmed behavior of an automated vehicle allows the parameters for the social forces model to be determined very precisely. These can e.g. B. be determined by simulations.
  • the computing unit is designed to initialize the parameters of the social forces model in addition to the parameterization with prior knowledge.
  • an initialisation of the parameters is advantageous.
  • at least the type (car, motorcycle, cyclist, pedestrian, truck,%) of the road user should be differentiated.
  • further distinctions can be made using statistics, such as regional traffic behavior, vehicle model, age, motorization, ...
  • the computing unit is designed to parameterize the social forces model using data from the sensor unit without other road users actively transmitting data to the sensor unit.
  • the parameters for a road user can also be determined by external tracking.
  • This can e.g. B. the own automated vehicle can use its own sensors and e.g. track a vehicle driving ahead and process the data. For example, an exact assignment can be made using the license plate number, so that the parameters can be determined by tracking several vehicles at different times.
  • the recorded data can then either be brought together in a central database or made available to the respective road user in a decentralized database.
  • the sensor unit is a mobile radio device arranged in the automated vehicle.
  • Objects and road users can be recognized using AI image recognition methods with the camera of the mobile phone, if it is attached to the windshield using a holder, or with the front camera of the vehicle.
  • the trajectories recorded in this way of road users can also be combined with the trajectories of the recorded road users to create the trajectory.
  • the exchange can take place via the cloud, for example. These can be determined more precisely by the respective time and location data and the parameters can be calculated even more precisely. This is important in order to determine the influence of the objects/road users on the road user to be modeled. Repelling forces from cyclists or objects can be parameterized in this way.
  • Other sensors can help to better map behavior with the social forces model, such as radar, parking sensors, other cameras, LIDAR devices, and the like. This allows objects to be detected even more precisely and reliably. In addition, distances and speed differences can be determined, the z. B. are complied with when overtaking, or lead to overtaking maneuvers are initiated.
  • the processing unit is designed to continuously assign the respective social forces model to a respective road user using one of the following methods:
  • the assignment to the models is implicit, since these are created via the tracking.
  • the correct assignment between the models made available and the road users recognized by the automated vehicle must be calculated or ensured using algorithms.
  • GPS/dG PS data provided by road users can be used for this purpose. To do this, these GPS coordinates must be compared with coordinates calculated by the automated vehicle. This calculation can be based on your own GPS data, which can be offset against the relative position of the road user to the automated vehicle. This relation can be measured directly via radar, lidar calculate, using image processing, several cameras would have to be available. Another possibility is that metadata for identification is included in the models.
  • each road user can receive unique identification information, which is made available to other road users via a communication interface, for example, so that identification can take place automatically with little effort. If the road users provide their destination, the routes can be estimated even more precisely.
  • the processing unit is designed to predict the future behavior of the respective road user by executing a motion simulation based on the respective parameterized social forces model.
  • the traffic environment can be prepared in advance in a simulation environment, for example by loading high-precision maps.
  • Temporary static objects such as parked cars, construction sites, etc., can also be positioned using the vehicle's own sensors or external sensors.
  • the other road users in the immediate vicinity of the automated vehicle can then be placed and initialized in this modeled traffic environment with the determined specific and individual parameterizations .
  • One or more simulations can be used to determine the trajectories of the road users and to estimate whether these could become critical for the automated vehicle.
  • Several simulations with randomized parameters which allow a certain bandwidth in the behavior, increase the significance of the probability of the possible trajectories.
  • the computing effort can be very high.
  • the calculation must be done almost in real time. With sufficient computing power, this can be done onboard in the automated vehicle itself or via a stationary high-performance computer in a data center. In the latter case, the data must be sent to the data center via the Internet (e.g. 5G) and the result sent back to the automated vehicle. If several simulations are run with different parameters, they can be run in parallel because they are independent of each other. It should also be noted that this step is constantly changing with the conditions (new position of all moving road users, new road users, adapted models) has to be carried out repeatedly.
  • a further aspect of the invention relates to a method for an automated vehicle for determining a respective prediction about the behavior of one or more other road users, having the steps:
  • Fig. 2 A vehicle with a system for determining a respective forecast the behavior of one or more other road users according to an embodiment of the invention.
  • 1 shows a method for an automated vehicle 3 for determining a respective prediction about the behavior of one or more other road users, having the steps:
  • Fig. 1 shows a system 1 for an automated vehicle 3 for determining a respective prediction of the behavior of one or more other road users, having a sensor unit 5 and a computing unit 7, the sensor unit 5 for detecting other road users and for transmitting detected data about this serves and is executed on processing unit 7, processing unit 7 being designed to use the data from sensor unit 5 to categorize a respective road user into a respective predetermined group of road users stored in a database, one of the respective group of the respective road user associated and also stored in the database social forces model and to parameterize the respective social forces model based on information in the sensor data about the respective road user with regard to his current state, and from the respective parameterized social forces model a future Estimate the behavior of the respective road user.

Abstract

Die Erfindung betrifft ein System (1) für ein automatisiertes Fahrzeug (3) zum Ermitteln einer jeweiligen Vorhersage über das Verhalten eines oder mehrerer anderer Verkehrsteilnehmer, aufweisend eine Sensoreinheit (5) und eine Recheneinheit (7), wobei die Sensoreinheit (5) zum Erfassen anderer Verkehrsteilnehmer und zum Übermitteln von erfassten Daten über diese an die Recheneinheit (7) dient und ausgeführt ist, wobei die Recheneinheit (7) dazu ausgeführt ist, aus den Daten der Sensoreinheit (5) einen jeweiligen Verkehrsteilnehmer in eine jeweilige, in einer Datenbank abgespeicherte, vorgegebene Gruppe von Verkehrsteilnehmern zu kategorisieren, ein der jeweiligen Gruppe des jeweiligen Verkehrsteilnehmers zugeordnetes und ebenfalls in der Datenbank abgespeichertes Soziale-Kräfte-Modell auszuführen und das jeweilige Soziale-Kräfte-Modell anhand von Informationen in den Sensordaten über den jeweiligen Verkehrsteilnehmer bezüglich seines aktuellen Zustands zu parametrieren, und aus dem jeweiligen parametrierten Soziale-Kräfte-Modell ein zukünftiges Verhalten des jeweiligen Verkehrsteilnehmers abzuschätzen.

Description

SOZIALE-KRÄFTE-MODELLE ZUR TRAJEKTORIEN-PRÄDIKTION ANDERER
VERKEHRSTEILNEHMER
Die Erfindung betrifft ein System für ein automatisiertes Fahrzeug zum Ermitteln einer jeweiligen Vorhersage über das Verhalten eines oder mehrerer anderer Verkehrsteilnehmer, sowie ein Verfahren für ein automatisiertes Fahrzeug zum Ermitteln einer jeweiligen Vorhersage über das Verhalten eines oder mehrerer anderer Verkehrsteilnehmer.
Automatisierte Fahrzeuge neigen bei konservativer Auslegung zu einem defensiven Fahrverhalten, um das Risiko des Eintritts in eine kritische Situation zu minimieren. In einer solchen Auslegung können sämtliche mögliche Manöver anderer Verkehrsteilnehmer berücksichtigt werden, um stets einen sicheren Weg zur Vermeidung einer Kollision zu berechnen. Erfolgt dies durch festgelegte Parameter unter der Annahme eines einheitlichen Verhaltens sämtlicher Verkehrsteilnehmer, kann das automatisierte Fahrzeug im Vergleich zu menschlichen Fahrern, insbesondere im innerstädtischen Verkehr, für die gleiche Strecke eine durchschnittlich längere Zeitdauer benötigen. Dies würde zu einer Unzufriedenheit der Insassen und zur Ablehnung des automatisierten Fahrzeugs führen. Das automatisierte Fahrzeug wäre typischerweise aber technisch in der Lage, auch schneller durch solche belebte Bereiche zu fahren, wenn dafür die möglichen Fahrmanöver aggressiver ausgeführt werden würden. Dadurch könnte zwar die Durchschnittsgeschwindigkeit gesteigert werden, aber der Fahrkomfort würde abnehmen, sodass es ebenfalls zu Unzufriedenheit kommen könnte.
Im Stand der Technik wird das Vorgehen beschrieben, andere Personen zu erfassen und aus dem Ergebnis Rückschlüsse für die Dynamik einer automatischen bzw. automatisierten Fahrsteuerungsfunktion zu ziehen.
Die DE 10 2017 217 056 A1 betrifft hierzu ein Verfahren zum Betreiben eines Fahrerassistenzsystems eines Kraftfahrzeugs, bei welchem eine Bewegung zumindest eines lebenden Objekts in einer Umgebung des Kraftfahrzeugs prädiziert wird, folgende Schritte umfassend: a) Hinterlegen von Bewegungsmodellen, wobei ein jeweiliges Bewegungsmodell eine von zumindest einem weiteren Objekt abhängige Änderung der Bewegung des lebenden Objekts beschreibt, wobei das lebende Objekt und das zumindest eine weitere Objekt jeweils einer Objektklasse angehören und die Bewegungsmodelle für Kombinationen der Objektklassen hinterlegt sind, b) Empfangen von Messdaten betreffend die Umgebung des Kraftfahrzeugs; c) Erkennen des zumindest einen lebenden Objekts und des zumindest einen weiteren Objekts in der Umgebung des Kraftfahrzeugs sowie Bestimmen einer Relativposition der Objekte zueinander anhand der empfangenen Messdaten; d) Identifizieren der Objektklassen der erkannten Objekte; e) für das zumindest eine erfasste, lebende Objekt : i. Erstellen einer Bewegungsgleichung des lebenden Objekts zumindest in Abhängigkeit von der jeweiligen Relativposition des lebenden Objekts zu dem zumindest einem weiteren Objekt sowie dem zumindest einen für die Kombination der in Schritt d) identifizierten Objektklassen hinterlegten Bewegungsmodell; ii. Prädiktion der Bewegung des lebenden Objekts anhand der in Schritt e) i. erstellten Bewegungsgleichung; und f) Betreiben des Fahrerassistenzsystems unter Einbeziehen der in Schritt e) prädizierten Bewegung des wenigsten einen lebenden Objekts.
Die US 2021/0155266 A1 betrifft darüberhinaus ein Objekttrajektorie-Vorhersagesystem eines Fahrzeugs, umfassend: einen oder mehrere Sensoren, die dafür eingerichtet sind, sensorische Daten zu generieren, die einem oder mehreren Objekten innerhalb eines Bereichs des Fahrzeugs entsprechen; einen oder mehrere Prozessoren; und Speicher, der mit dem einen oder den mehreren Prozessoren gekoppelt ist und Instruktionen enthält, die, wenn sie durch den einen oder die mehreren Prozessoren ausgeführt werden, den einen oder die mehreren Prozessoren zu Folgendem veranlassen: Identifizieren einer ersten interessierenden Person (Person Of Interest, POI) anhand der sensorischen Daten; Schätzen einer dreidimensionalen (3D-) Haltung der ersten POI anhand der sensorischen Daten; Berechnen einer Trajektorie der ersten POI gemäß mindestens der 3D-Haltung der ersten POI; und Bestimmen eines Navigationspfades des Fahrzeugs gemäß der Trajektorie der ersten POI.
Aufgabe der Erfindung ist es, für ein automatisiertes Fahrzeug eine verbesserte Vorhersage über die Bewegungen anderer Verkehrsteilnehmer zu schaffen, um letztendlich das Fahrverhalten des automatisierten Fahrzeugs zu verbessern.
Die Erfindung ergibt sich aus den Merkmalen der unabhängigen Ansprüche. Vorteilhafte Weiterbildungen und Ausgestaltungen sind Gegenstand der abhängigen Ansprüche.
Ein erster Aspekt der Erfindung betrifft ein System für ein automatisiertes Fahrzeug zum Ermitteln einer jeweiligen Vorhersage über das Verhalten eines oder mehrerer anderer Verkehrsteilnehmer, aufweisend eine Sensoreinheit und eine Recheneinheit, wobei die Sensoreinheit zum Erfassen anderer Verkehrsteilnehmer und zum Übermitteln von erfassten Daten über diese an die Recheneinheit dient und ausgeführt ist, wobei die Recheneinheit dazu ausgeführt ist, aus den Daten der Sensoreinheit einen jeweiligen Verkehrsteilnehmer in eine jeweilige, in einer Datenbank abgespeicherte, vorgegebene Gruppe von Verkehrsteilnehmern zu kategorisieren, ein der jeweiligen Gruppe des jeweiligen Verkehrsteilnehmers zugeordnetes und ebenfalls in der Datenbank abgespeichertes Soziale-Kräfte-Modell auszuführen und das jeweilige Soziale-Kräfte-Modell anhand von Informationen in den Sensordaten über den jeweiligen Verkehrsteilnehmer bezüglich seines aktuellen Zustands zu parametrieren, und aus dem jeweiligen parametrierten Soziale- Kräfte-Modell ein zukünftiges Verhalten des jeweiligen Verkehrsteilnehmers abzuschätzen.
Hierfür dient insbesondere das Soziale-Kräfte-Modell, um insbesondere die Bewegung (hervorgerufen durch die Tendenz der Verkehrsteilnehmer sich voneinander oder von Objekten zu entfernen oder die Nähe untereinander oder zu Objekten zu suchen) zu modellieren.
Das Soziale-Kräfte-Modell dient daher zur Modellierung des Umgebungsverkehrs, da sich das Verhalten des Soziale-Kräfte-Modells durch Anpassung der Parameter des Soziale- Kräfte-Modells realistisch an spezifische reale Verhalten von Verkehrsteilnehmern sehr gut annähern lässt. Im Paradigma des Sozialen-Kräfte Modells wird die Bewegung dynamischer Objekte auf Basis des Einflusses so genannter sozialer Kräfte bestimmt. Soziale Kräfte sind dabei keine physikalisch messbaren Kräfte, denen das dynamische Objekt ausgesetzt ist, sondern sind in diesem Kontext als Motivation des individuellen Objekts aufzufassen, sich in Abhängigkeit von seinem Ziel und Objekten in seiner Umgebung in eine bestimmte Richtung zu bewegen. Die genannten Einflüsse äußern sich in Form unterschiedlicher abstoßender und anziehender Kräfte und bilden eine resultierende Kraft, die die schließlich die Bewegung des Objekts bestimmt. Das Soziale-Kräfte-Modell ist daher ein abstraktes Analogon zu elektrischen Ladungen, die sich je nach ihrer Ladung gegenseitig abstoßen können oder anziehen können. Ein Beispiel hierfür ist das Verhalten zwischen Mutter und Kind, welches zu einer anziehenden Bewegungstendenz zueinander führt. Fahrradfahrer und Lastkraftwagen hingegen weisen eher eine abstoßende Tendenz auf, da von dem Lastkraftwagen grundsätzlich eine Gefahr für den Fahrradfahrer ausgeht, sodass der Fahrradfahrer zumindest über längere Zeiten hinweg versuchen wird, die unmittelbare Nähe des Lastkraftwagens zu meiden. Jeder der Verkehrsteilnehmer wird in einer Simulation mit einem jeweiligen Soziale-Kräfte-Modell für einen jeweiligen Verkehrsteilnehmer vorteilhaft für sich genommen als unabhängiger Agent betrachtet, der auf das Verhalten weiterer Verkehrsteilnehmer (im Sinne von weiteren Agenten) reagiert und dessen eigenes Verhalten wiederum einen Einfluss auf das Verhalten der anderen Verkehrsteilnehmer ausübt. Das Soziale-Kräfte-Modell kann auch für Objekte wie Hindernisse oder logische Einheiten wie mögliche Ziele für Verkehrsteilnehmer angewendet werden. Vergleiche hierzu auch die Veröffentlichung "Dirk Helbing und Peter Molnar. „Social force model for pedestrian dynamics“. In: Physical Review E 51.5 (Mai 1995), S. 4282-4286. issn: 1095-3787. doi: 10.1103/physreve.51 .4282. url: http://dx.doi.org/10.1103/PhysRevE.51.4282". Die Nutzung dieses mehrdimensionalen, raumkontinuierlichen Modellansatzes des Soziale-Kräfte-Modells bietet eine signifikante Verbesserungen des Realitätsgrads im Vergleich zu bisher verfügbaren Werkzeugen der Verkehrssimulation.
Das Ziel, welches mit den Soziale-Kräfte-Modellen der Verkehrsteilnehmer erreicht wird ist eine genauere Manöver-Prädiktion im Vergleich zu Standardwerten. Die Manöver-Prädiktion kann genauer werden, weil über die spezifische Parametrierung der Verkehrsteilnehmer eine höhere Wahrscheinlichkeit erlangt werden kann, die korrekte Trajektorie der Verkehrsteilnehmer im Voraus abzuschätzen. Dadurch können zwei Dinge erreicht werden: Erstens: Ist zu erwarten, dass ein Verkehrsteilnehmer sich nicht regelkonform verhält, kann beispielsweise durch Verringerung der Geschwindigkeit oder Erhöhung des Sicherheitsabstands die Sicherheit gesteigert werden. Zweitens: Ist es unwahrscheinlich, dass sich in der Nähe befindliche Verkehrsteilnehmer nicht regelkonform verhalten, kann beispielsweise auf vorsorgliche Geschwindigkeitsreduzierung und eine vorsorgliche Erhöhung des Sicherheitsabstands verzichtet werden, sodass ein schnelleres Vorankommen ermöglichst wird. Diese Abschätzung geschieht insbesondere simulationsbasiert.
Das Erfassen anderer Verkehrsteilnehmer durch die Sensoreinheit dient zunächst der Identifizierung der anderen Verkehrsteilnehmer um das Wissen darüber bereitzustellen, welche Art von weiteren Verkehrsteilnehmern sich um das eigene automatisierte Fahrzeug herum befinden, und um entsprechende Soziale-Kräfte-Modelle bereitzustellen. Darüber hinaus hat die Sensoreinheit unter Umständen nicht nur den Zweck, mit passiven Sensoren wie Kameras den jeweiligen anderen Verkehrsteilnehmer zu erfassen, sondern kann auch dazu ausgeführt sein, elektronische Kommunikation, insbesondere über Funksignale, von anderen Verkehrsteilnehmern zu empfangen. Dies betrifft beispielsweise, wie weiter unten erklärt, GPS Signale von anderen Verkehrsteilnehmern, die ihre eigene bisherige Bahnkurve an das automatisierte Fahrzeug übertragen können. Auch können beispielsweise vom anderen Verkehrsteilnehmern Soziale-Kräfte-Modelle über sich selbst an das automatisierte Fahrzeug übertragen werden und dazu beispielsweise ein initialer oder vollständiger Satz von Parametern für das jeweilige Soziale-Kräfte-Modell. Der Begriff der Sensoreinheit ist daher insbesondere funktional zu sehen und im weiteren Sinne als Datenerfassungseinheit zu verstehen. Es ist eine vorteilhafte Wirkung der Erfindung, dass das Verhalten anderer Verkehrsteilnehmer besser eingeschätzt werden kann und in der Trajektorienplanung des automatisierten Fahrzeugs berücksichtigt werden kann. Durch die Zuordnung geeigneter spezifischer Modellierungen und deren Parametrierung für reale Verkehrsteilnehmer in der Umgebung des automatisierten Fahrzeugs kann das Verhalten, insbesondere die Wege und Reaktionen der anderen Verkehrsteilnehmer mit einer bestimmten Wahrscheinlichkeit eingeschätzt werden. Der Umgebungsverkehr kann mithilfe der Soziale-Kräfte-Modelle besser eingeschätzt werden und in der Trajektorienplanung des automatisierten Fahrzeugs berücksichtigt werden. Die bessere Einschätzung kann beispielsweise genutzt werden, um die ausgeführte Trajektorie situationsabhängig in Richtung mehr Sicherheit oder Komfort zu verschieben.
Gemäß einer vorteilhaften Ausführungsform ist die Recheneinheit dazu ausgeführt, auf Basis der jeweiligen Vorhersage über das Verhalten des jeweiligen anderen Verkehrsteilnehmers ein Kommando bezüglich eines Fahrmanövers des automatisierten Fahrzeugs anzupassen.
Gemäß einer weiteren vorteilhaften Ausführungsform ist die Datenbank in einem zentralen Speicher abgelegt.
Gemäß einer weiteren vorteilhaften Ausführungsform ist der zentrale Speicher so ausgelegt, dass genau ein jeweiliges von automatisierten Fahrzeugen Zugriff auf den zentralen Speicher hat, sodass genau eine zentrale Datenbank für jeweils genau ein automatisiertes Fahrzeug zur Verfügung steht.
Diese Ausführungsform betrifft eine zentrale Datenbank je automatisiertes Fahrzeug. Hierbei werden Soziale-Kräfte-Modelle, die das automatisierte Fahrzeug erstellt oder zur Verfügung gestellt bekommt, gespeichert, wobei das jeweilige automatisierte Fahrzeug exklusiven Zugriff auf die zentrale Datenbank aufweist, d. h., dass keine weiteren automatisierten Fahrzeuge auf dieselbe zentrale Datenbankzugriff haben. Die Datenbank kann bei entsprechend leistungsfähiger Rechenkapazität im automatisierten Fahrzeug, oder (andernfalls) extern in einer Cloud/einem Rechenzentrum gespeichert werden, wenn der Zugriff schnell genug ist.
Gemäß einer weiteren vorteilhaften Ausführungsform sind im zentralen Speicher sämtliche Soziale-Kräfte-Modelle für jede der vorgegebenen Gruppen abgespeichert, um bei Bedarf von der jeweiligen Recheneinheit eines jeweiligen von automatisierten Fahrzeugen abgerufen werden zu können.
Diese Ausführungsform betrifft im Gegensatz zur vorhergehenden eine zentrale Datenbank in der jedes erstellte Modell für spezifische Verkehrsteilnehmer hinterlegt ist und bei Bedarf vom jeweiligen automatisierten Fahrzeug abgerufen werden kann. Diese Methode hat den Vorteil, dass zum Erstellen und Verbessern der Soziale-Kräfte-Modelle viele Daten genutzt werden können. Zudem ist die Wahrscheinlichkeit höher, dass ein spezifisches Soziale-Kräfte-Modell schon in dieser Datenbank hinterlegt ist, wenn ein automatisiertes Fahrzeug ein Soziale-Kräfte-Modell eines spezifischen Verkehrsteilnehmers benötigt.
Gemäß einer weiteren vorteilhaften Ausführungsform ist die Datenbank in jeweiligen dezentralen Speichern abgelegt, wobei der jeweilige dezentrale Speicher einem jeweiligen Verkehrsteilnehmer zugeordnet ist, sodass ein jeweiliger der anderen Verkehrsteilnehmer sein eigenes jeweiliges Soziale-Kräfte-Modell zur Verfügung stellen kann.
Bei der dezentralen Datenbank speichert jeder Verkehrsteilnehmer sein eigenes Soziale- Kräfte-Modell und stellt dieses bei Bedarf anderen Verkehrsteilnehmern zur Verfügung. Andere Verkehrsteilnehmer können zusätzlich Daten übermitteln, dass das jeweilige Soziale-Kräfte-Modell verbessert wird. Die Soziale-Kräfte-Modelle können auch schon an automatisierte Fahrzeuge übermittelt werden, wenn diese sich in der Nähe befinden.
Das Soziale-Kräfte-Modell nutzt bevorzugt viele Parameter um die abstoßenden und anziehenden Kräfte von Verkehrsteilnehmern, Objekten, Zielen, Verkehrswege, die auf den zu modellierenden Verkehrsteilnehmer wirken, realitätsnah zu modellieren. Die korrekte Parametrierung ist somit essentiell, um ein spezifisches Verhalten bestimmter Verkehrsteilnehmer dazustellen. Eine detaillierte Beschreibung wie die Parametrierung durchgeführt werden kann, findet sich in der Veröffentlichung "Dirk Helbing und Peter Molnar. „Social force model for pedestrian dynamics“. In: Physical Review E 51.5 (Mai 1995), S.
4282-4286. issn: 1095-3787. doi: 10.1103/physreve.51.4282. url: http://dx.doi.Org/10.1103/PhysRevE.51.4282".
Gemäß einer weiteren vorteilhaften Ausführungsform ist die Recheneinheit dazu ausgeführt, das jeweilige Soziale-Kräfte-Modell mit Daten, die von einem jeweiligen anderen Verkehrsteilnehmer aktiv an die Sensoreinheit übermittelt werden, zu parametrieren. Im Falle von motorisierten Fahrzeugen als andere Verkehrsteilnehmer erfolgt dies bevorzugt entweder durch eine eingebaute Sensorik inklusive Software oder über eine App im Smartphone des Fahrers. Dies kann über GPS (ggf. ergänzt durch dGPS sowie Beschleunigungssensoren) erfolgen, um Trajektorien zu bestimmen. Ausgewertet zusammen mit hochauflösenden Karten, die zusätzlich aktuelle Verkehrszeichen beinhalten, können so bereits sehr viele Parameter bestimmt werden, um das wahrscheinliche Verhalten in bestimmten Verkehrssituationen simulieren zu können. Verkehrssituationen können z.B. sein: Geschwindigkeit in Kurven (abhängig von der Geometrie), Positionierung auf dem Fahrstreifen, Beachtung der Geschwindigkeitsbegrenzung, Verhalten vor Fußgängerüberwegen, Verhalten neben Fahrradwegen, etc.;
Im Falle von Fußgängern als andere Verkehrsteilnehmer erfolgt bevorzugt ein Tracking über deren Smartphone. Insbesondere über GPS (ggf. ergänzt durch dGPS sowie Beschleunigungssensoren des Smartphones) können die aktuellen Trajektorien der Verkehrsteilnehmer bestimmt werden. Ausgewertet zusammen mit hochauflösenden Karten, die zusätzlich aktuelle Verkehrszeichen beinhalten, können so bereits sehr viele Parameter bestimmt werden, um das wahrscheinliche Verhalten in bestimmten Verkehrssituationen simulieren zu können. Verkehrssituationen können z.B. Gehgeschwindigkeiten, Positionen der Straßenüberquerung, Verhalten vor Fußgängerüberwegen, Verhalten neben Fahrradwegen oder Ähnliches sein. Über Bluetooth können Abstände zu anderen Fußgängern, Radfahrern, etc. festgestellt werden. Dies hat einen großen Einfluss auf den Abstand des zu trackenden Fußgängers. Oft sind „andere Fußgänger“ der Grund für das Verlassen des Fußgängerweges und auf die Straße auszuweichen. Durch Smartphoneaktivitäten wie Musikapps, Messenger, etc. kann zusätzlich ein Aufmerksamkeits-Parameter bestimmt werden, der die Wahrscheinlichkeit bestimmt, das Verkehrsgeschehen zu realisieren.
Gemäß einer weiteren vorteilhaften Ausführungsform ist die Recheneinheit dazu ausgeführt, das jeweilige Soziale-Kräfte-Modell mithilfe von Echtzeitverkehrsflussdaten zu para- metrieren.
Durch Hinzunahme von Echtzeitverkehrsflussdaten können die Parameter zusätzlich von der Verkehrsdichte abhängig beschrieben werden. Dies kann im urbanen Raum und auch auf der Autobahn einen markanten Einfluss haben.
Gemäß einer weiteren vorteilhaften Ausführungsform ist die Recheneinheit dazu ausgeführt, das jeweilige Soziale-Kräfte-Modell dadurch zu parametrieren, dass eine Simulation über das Verhalten eines anderen Verkehrsteilnehmers durchgeführt wird, wobei der andere Verkehrsteilnehmer ebenfalls ein automatisiertes Fahrzeug ist.
Durch das programmierte Verhalten eines automatisierten Fahrzeugs können die Parameter für das Soziale-Kräfte-Modell sehr genau bestimmt werden. Diese können z. B. mittels Simulationen ermittelt werden.
Gemäß einer weiteren vorteilhaften Ausführungsform ist die Recheneinheit dazu ausgeführt, die Parameter des Soziale-Kräfte-Modells zusätzlich zur Parametrierung mit Vorwissen zu initialisieren.
Da zu erwarten ist, dass die Mehrzahl der Verkehrsteilnehmer nicht „tracken“ oder „ge- trackt“ werden ist eine Initialisierung der Parameter von Vorteil. Bei der Initialisierung sollte mindestens die Art (PKW, Motorrad, Radfahrer, Fußgänger, LKW,...) des Verkehrsteilnehmers unterschieden werden. Anhand der gesammelten Daten können mittels Statistiken weitere Unterscheidungen getroffen werden, wie z.B. regionalabhängiges Verkehrsverhalten, Fahrzeugmodell, Alter, Motorisierung, ...
Gemäß einer weiteren vorteilhaften Ausführungsform ist die Recheneinheit dazu ausgeführt, das Soziale-Kräfte-Modell mittels Daten der Sensoreinheit zu parametrieren, ohne dass andere Verkehrsteilnehmer Daten an die Sensoreinheit aktiv übermitteln.
Die Parameter für einen Verkehrsteilnehmer können demnach auch durch externes Tracken bestimmt werden. Dazu kann z. B. das eigene automatisierte Fahrzeug die eigenen Sensoren nutzen und z.B. ein vorausfahrendes Fahrzeug tracken und die Daten verarbeiten. Beispielsweise mittels des KFZ-Kennzeichens kann eine genaue Zuordnung erfolgen, sodass die Parameter, durch das Tracken von mehreren Fahrzeugen zu unterschiedlichen Zeiten, bestimmt werden können. Die aufgenommenen Daten können dann entweder in einer zentralen Datenbank zusammengeführt werden oder bei einer dezentralen Datenbank dem jeweiligen Verkehrsteilnehmer zur Verfügung gestellt werden.
Gemäß einer weiteren vorteilhaften Ausführungsform ist die Sensoreinheit ein im automatisierten Fahrzeug angeordnetes Mobilfunkgerät.
Durch die Kamera des Mobiltelefons, wenn dieses per Halterung an der Frontscheibe befestigt ist, oder mittels der Frontkamera des Fahrzeugs können Objekte und Verkehrsteilnehmer per Kl-Bilderkennungsmethoden erkannt werden. Die so erfassten Trajektorien von Verkehrsteilnehmern können zusätzlich mit den Trajektorien der erfassten Verkehrsteilnehmer auf die erstellte Trajektorie kombiniert werden. Der Austausch kann zum Beispiel über die Cloud stattfinden. Durch die jeweilige Zeit- und Ortsdaten können diese genauer bestimmt werden und die Parameter noch genauer berechnet werden. Dies ist wichtig, um den Einfluss der Objekte/ Verkehrsteilnehmer auf den zu modellierenden Verkehrsteilnehmer zu bestimmen. Abstoßende Kräfte von Fahrradfahrern oder Objekte können so parametriert werden.
Weitere Sensoren können dazu beitragen, das Verhalten mit dem Soziale-Kräfte-Modell besser abzubilden wie z.B. Radar, Parksensoren, weitere Kameras, LIDAR-Geräte und Ähnliches. Dadurch können Objekte noch genauer und zuverlässiger erkannt werden. Außerdem können Abstände und Geschwindigkeitsdifferenzen ermittelt werden, die z. B. beim Überholen eingehalten werden, oder dazu führen, dass Überholvorgänge eingeleitet werden.
Gemäß einer weiteren vorteilhaften Ausführungsform ist die Recheneinheit dazu ausgeführt, das jeweilige Soziale-Kräfte-Modell einem jeweiligen Verkehrsteilnehmer durch eine der folgenden Methoden laufend zuzuordnen:
- Erfassung von Positionssignalen der Verkehrsteilnehmer, die laufend an das eigene automatisierte Fahrzeug übermittelt werden,
- Nachverfolgung durch Bilderkennung aus Daten eines optischen Sensors der Sensoreinheit,
- Übermittlung einer einzigartigen Kennung je Verkehrsteilnehmer laufend an das eigene automatisierte Fahrzeug,
- Zurverfügungstellen eines jeweiligen Ziels je Verkehrsteilnehmer laufend an das eigene automatisierte Fahrzeug.
Werden die Verkehrsteilnehmer vom automatisierten Fahrzeug getrackt, geschieht die Zuordnung zu den Modellen implizit, da diese über das Tracking erstellt werden. Bei z.B. einer dezentralen Datenbank muss die korrekte Zuordnung zwischen den zur Verfügung gestellten Modellen und den vom automatisierten Fahrzeug erkannten Verkehrsteilnehmern berechnet bzw. über Algorithmen sichergestellt werden. Hierzu können u.a. von den Verkehrsteilnehmern zur Verfügung gestellten GPS/dG PS- Daten genutzt werden. Diese GPS-Koordinaten müssen dazu mit vom automatisierten Fahrzeug berechneten Koordinaten verglichen werden. Diese Berechnung kann auf Basis der eigenen GPS-Daten geschehen, die mit der relativen Position des Verkehrsteilnehmer zum automatisierten Fahrzeug verrechnet werden können. Diese Relation lässt sich über Radar, Lidar direkt berechnen, über Bildverarbeitung müssten dazu mehrere Kameras vorhanden sein. Eine andere Möglichkeit ist, dass Metadaten zur Identifizierung in den Modellen enthalten sind. Das können z.B. Automodell, Farbe, Kennzeichen, sein oder bei Fußgängern Größe, Haarfarbe oder auch Fotos, über die ein Abgleich geschehen kann. Zusätzlich kann jeder Verkehrsteilnehmer eine eindeutige Identifikationsinformation erhalten, die z.B. über eine Kommunikationsschnittstelle für andere Verkehrsteilnehmer zur Verfügung stellt, sodass die Identifikation automatisiert ohne größeren Aufwand geschehen kann. Stellen die Verkehrsteilnehmer ihr Ziel zu Verfügung, können die Wege noch genauer abgeschätzt werden.
Gemäß einer weiteren vorteilhaften Ausführungsform ist die Recheneinheit dazu ausgeführt, das zukünftige Verhalten des jeweiligen Verkehrsteilnehmers durch das Ausführen einer Bewegungssimulation auf Basis des jeweiligen parametrierten Soziale-Kräfte-Mo- dells zu prädizieren.
Dadurch, dass das automatisierte Fahrzeug den Weg, den es zurücklegen wird, im Vorfeld kennt, kann in einer Simulationsumgebung die Verkehrsumgebung im Vorfeld vorbereitet werden, z.B. dass hochgenaue Karten geladen werden. Durch die eigene Sensorik oder externe Sensoren können vorübergehende statische Objekte ebenfalls positioniert werden, wie z.B. parkende Autos, Baustellen etc. Die anderen Verkehrsteilnehmer aus der unmittelbaren Umgebung des automatisierten Fahrzeugs können anschließend in diese modellierte Verkehrsumgebung mit den ermittelten spezifischen und individuellen Parametrierungen gesetzt und initialisiert werden. Durch eine oder mehrere Simulationen (ggf. mit einigen randomisierten Parametern) können Trajektorien der Verkehrsteilnehmer bestimmt werden und abgeschätzt werden, ob diese für das automatisierte Fahrzeug kritisch werden könnten. Mehrere Simulationen mit randomisierten Parametern, die eine gewisse Bandbreite in dem Verhalten zulassen erhöhen die Aussagekraft über die Wahrscheinlichkeit der möglichen Trajektorien. Aufgrund der Wechselwirkung zwischen Verkehrsteilnehmern und der dadurch enorm hohen Zahl an möglichen Szenarien kann der Rechenaufwand jedoch sehr hoch werden. Zudem muss wegen der zeitkritischen Natur die Berechnung nahezu in Echtzeit geschehen. Dies kann bei genügend Rechenleistung onBoard im automatisierten Fahrzeug selbst geschehen oder über einen stationären leistungsfähigen Computer in einem Rechenzentrum. Im letzteren Fall müssen die Daten per Internet (z.B. 5G) zu dem Rechenzentrum und das Ergebnis zurück zum automatisierten Fahrzeug gesendet werden. Werden mehrere Simulationen mit unterschiedlichen Parametern ausgeführt, können diese parallel ausgeführt werden, da diese unabhängig voneinander sind. Zu beachten ist auch, dass dieser Schritt ständig mit den geänderten Bedingungen (neue Position aller beweglichen Verkehrsteilnehmer, neue Verkehrsteilnehmer, angepasste Modelle) wiederholt ausgeführt werden muss.
Ein weiterer Aspekt der Erfindung betrifft ein Verfahren für ein automatisiertes Fahrzeug zum Ermitteln einer jeweiligen Vorhersage über das Verhalten eines oder mehrerer anderer Verkehrsteilnehmer, aufweisend die Schritte:
- Erfassen anderer Verkehrsteilnehmer durch die Sensoreinheit und Übermitteln von erfassten Daten über diese an eine Recheneinheit,
- Kategorisieren eines jeweiligen Verkehrsteilnehmers in eine jeweilige, in einer Datenbank abgespeicherte, vorgegebene Gruppe von Verkehrsteilnehmern durch die Recheneinheit,
- Ausführen eines der jeweiligen Gruppe des jeweiligen Verkehrsteilnehmers zugeordneten und ebenfalls in der Datenbank abgespeicherten Soziale-Kräfte-Modells durch die Recheneinheit,
- Parametrieren des jeweiligen Soziale-Kräfte-Modells anhand von Informationen in den Sensordaten über den jeweiligen Verkehrsteilnehmer bezüglich seines aktuellen Zustands durch die Recheneinheit, und
- Erstellen einer Abschätzung eines zukünftigen Verhaltens des jeweiligen Verkehrsteilnehmers aus dem jeweiligen parametrierten Soziale-Kräfte-Modell durch die Recheneinheit.
Vorteile und bevorzugte Weiterbildungen des vorgeschlagenen Verfahrens ergeben sich durch eine analoge und sinngemäße Übertragung der im Zusammenhang mit dem vorgeschlagenen System vorstehend gemachten Ausführungen.
Weitere Vorteile, Merkmale und Einzelheiten ergeben sich aus der nachfolgenden Beschreibung, in der - gegebenenfalls unter Bezug auf die Zeichnung - zumindest ein Ausführungsbeispiel im Einzelnen beschrieben ist. Gleiche, ähnliche und/oder funktionsgleiche Teile sind mit gleichen Bezugszeichen versehen.
Es zeigen:
Fig. 1 : Ein Verfahren zum Ermitteln einer jeweiligen Vorhersage über das Verhalten eines oder mehrerer anderer Verkehrsteilnehmer gemäß einem Ausführungsbeispiel der Erfindung.
Fig. 2: Ein Fahrzeug mit einem System zum Ermitteln einer jeweiligen Vorhersage über das Verhalten eines oder mehrerer anderer Verkehrsteilnehmer gemäß einem Ausführungsbeispiel der Erfindung.
Die Darstellungen in den Figuren sind schematisch und nicht maßstäblich.
Fig. 1 zeigt ein Verfahren für ein automatisiertes Fahrzeug 3 zum Ermitteln einer jeweiligen Vorhersage über das Verhalten eines oder mehrerer anderer Verkehrsteilnehmer, aufweisend die Schritte:
- Erfassen S1 anderer Verkehrsteilnehmer durch die Sensoreinheit 5 und Übermitteln von erfassten Daten über diese an eine Recheneinheit 7,
- Kategorisieren S2 eines jeweiligen Verkehrsteilnehmers in eine jeweilige, in einer Datenbank abgespeicherte, vorgegebene Gruppe von Verkehrsteilnehmern durch die Recheneinheit 7,
- Ausführen S3 eines der jeweiligen Gruppe des jeweiligen Verkehrsteilnehmers zugeordneten und ebenfalls in der Datenbank abgespeicherten Soziale-Kräfte-Modells durch die Recheneinheit 7,
- Parametrieren S4 des jeweiligen Soziale-Kräfte-Modells anhand von Informationen in den Sensordaten über den jeweiligen Verkehrsteilnehmer bezüglich seines aktuellen Zustands durch die Recheneinheit 7, und
- Erstellen S5 einer Abschätzung eines zukünftigen Verhaltens des jeweiligen Verkehrsteilnehmers aus dem jeweiligen parametrierten Soziale-Kräfte-Modell durch die Recheneinheit 7.
Fig. 1 zeigt ein System 1 für ein automatisiertes Fahrzeug 3 zum Ermitteln einer jeweiligen Vorhersage über das Verhalten eines oder mehrerer anderer Verkehrsteilnehmer, aufweisend eine Sensoreinheit 5 und eine Recheneinheit 7, wobei die Sensoreinheit 5 zum Erfassen anderer Verkehrsteilnehmer und zum Übermitteln von erfassten Daten über diese an die Recheneinheit 7 dient und ausgeführt ist, wobei die Recheneinheit 7 dazu ausgeführt ist, aus den Daten der Sensoreinheit 5 einen jeweiligen Verkehrsteilnehmer in eine jeweilige, in einer Datenbank abgespeicherte, vorgegebene Gruppe von Verkehrsteilnehmern zu kategorisieren, ein der jeweiligen Gruppe des jeweiligen Verkehrsteilnehmers zugeordnetes und ebenfalls in der Datenbank abgespeichertes Soziale-Kräfte-Modell auszuführen und das jeweilige Soziale-Kräfte-Modell anhand von Informationen in den Sensordaten über den jeweiligen Verkehrsteilnehmer bezüglich seines aktuellen Zustands zu parametrieren, und aus dem jeweiligen parametrierten Soziale-Kräfte-Modell ein zukünftiges Verhalten des jeweiligen Verkehrsteilnehmers abzuschätzen. Obwohl die Erfindung im Detail durch bevorzugte Ausführungsbeispiele näher illustriert und erläutert wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen. Es ist daher klar, dass eine Vielzahl von Variationsmöglichkeiten existiert. Es ist ebenfalls klar, dass beispielhaft genannte Ausführungsformen wirklich nur Beispiele darstellen, die nicht in irgendeiner Weise als Begrenzung etwa des Schutzbereichs, der Anwendungsmöglichkeiten oder der Konfiguration der Erfindung aufzufassen sind. Vielmehr versetzen die vorhergehende Beschreibung und die Figurenbeschreibung den Fachmann in die Lage, die beispielhaften Ausführungsformen konkret umzusetzen, wobei der Fachmann in Kenntnis des offenbarten Erfindungsgedankens vielfältige Änderungen, beispielsweise hinsichtlich der Funktion oder der Anordnung einzelner, in einer beispielhaften Ausführungsform genannter Elemente, vornehmen kann, ohne den Schutzbereich zu verlassen, der durch die Ansprüche und deren rechtliche Entsprechungen, wie etwa weitergehende Erläuterungen in der Beschreibung, definiert wird.
Bezugszeichenliste
1 System
3 Fahrzeug
5 Sensoreinheit
7 Recheneinheit
S1 Erfassen
S2 Kategorisieren
S3 Ausführen
S4 Parametrieren S5 Erstellen

Claims

Patentansprüche
1. System (1) für ein automatisiertes Fahrzeug (3) zum Ermitteln einer jeweiligen Vorhersage über das Verhalten eines oder mehrerer anderer Verkehrsteilnehmer, aufweisend eine Sensoreinheit (5) und eine Recheneinheit (7), wobei die Sensoreinheit (5) zum Erfassen anderer Verkehrsteilnehmer und zum Übermitteln von erfassten Daten über diese an die Recheneinheit (7) dient und ausgeführt ist, wobei die Recheneinheit (7) dazu ausgeführt ist, aus den Daten der Sensoreinheit (5) einen jeweiligen Verkehrsteilnehmer in eine jeweilige, in einer Datenbank abgespeicherte, vorgegebene Gruppe von Verkehrsteilnehmern zu kategorisieren, ein der jeweiligen Gruppe des jeweiligen Verkehrsteilnehmers zugeordnetes und ebenfalls in der Datenbank abgespeichertes Soziale-Kräfte-Modell auszuführen und das jeweilige Sozi- ale-Kräfte-Modell anhand von Informationen in den Sensordaten über den jeweiligen Verkehrsteilnehmer bezüglich seines aktuellen Zustands zu parametrieren, und aus dem jeweiligen parametrierten Soziale-Kräfte-Modell ein zukünftiges Verhalten des jeweiligen Verkehrsteilnehmers abzuschätzen.
2. System (1) nach Anspruch 1 , wobei die Recheneinheit (7) dazu ausgeführt ist, auf Basis der jeweiligen Vorhersage über das Verhalten des jeweiligen anderen Verkehrsteilnehmers ein Kommando bezüglich eines Fahrmanövers des automatisierten Fahrzeugs (3) anzupassen.
3. System (1) nach einem der Ansprüche 1 bis 2, wobei die Datenbank in einem zentralen Speicher abgelegt ist.
4. System (1) nach Anspruch 3, wobei der zentrale Speicher so ausgelegt ist, dass genau ein jeweiliges von automatisierten Fahrzeugen Zugriff auf den zentralen Speicher hat, sodass genau eine zentrale Datenbank für jeweils genau ein automatisiertes Fahrzeug zur Verfügung steht.
5. System (1) nach Anspruch 3, wobei im zentralen Speicher sämtliche Soziale-Kräfte-Modelle für jede der vorgegebenen Gruppen abgespeichert sind, um bei Bedarf von der jeweiligen Recheneinheit eines jeweiligen von automatisierten Fahrzeugen abgerufen werden zu können. System (1) nach einem der Ansprüche 1 bis 2, wobei die Datenbank in jeweiligen dezentralen Speichern abgelegt ist, wobei der jeweilige dezentrale Speicher einem jeweiligen Verkehrsteilnehmer zugeordnet ist, sodass ein jeweiliger der anderen Verkehrsteilnehmer sein eigenes jeweiliges Soziale- Kräfte-Modell zur Verfügung stellen kann. System (1) nach einem der vorhergehenden Ansprüche, wobei die Recheneinheit (7) dazu ausgeführt ist, das jeweilige Soziale-Kräfte-Modell mit Daten, die von einem jeweiligen anderen Verkehrsteilnehmer aktiv an die Sensoreinheit (5) übermittelt werden, zu parametrieren. System (1) nach einem der vorhergehenden Ansprüche, wobei die Recheneinheit (7) dazu ausgeführt ist, das jeweilige Soziale-Kräfte-Modell mithilfe von Echtzeitverkehrsflussdaten zu parametrieren. System (1) nach einem der vorhergehenden Ansprüche, wobei die Recheneinheit (7) dazu ausgeführt ist, das jeweilige Soziale-Kräfte-Modell dadurch zu parametrieren, dass eine Simulation über das Verhalten eines anderen Verkehrsteilnehmers durchgeführt wird, wobei der andere Verkehrsteilnehmer ebenfalls ein automatisiertes Fahrzeug (3) ist. System (1) nach einem der vorhergehenden Ansprüche, wobei die Recheneinheit (7) dazu ausgeführt ist, die Parameter des Soziale- Kräfte- Modells zusätzlich zur Parametrierung mit Vorwissen zu initialisieren. System (1) nach einem der vorhergehenden Ansprüche, wobei die Recheneinheit (7) dazu ausgeführt ist, das Soziale-Kräfte-Modell mittels Daten der Sensoreinheit (5) zu parametrieren, ohne dass andere Verkehrsteilnehmer Daten an die Sensoreinheit (5) aktiv übermitteln. System (1) nach Anspruch 11 , wobei die Sensoreinheit (5) ein im automatisierten Fahrzeug (3) angeordnetes Mobilfunkgerät ist. System (1) nach einem der vorhergehenden Ansprüche, wobei die Recheneinheit (7) dazu ausgeführt ist, das jeweilige Soziale-Kräfte-Modell einem jeweiligen Verkehrsteilnehmer durch eine der folgenden Methoden laufend zuzuordnen:
- Erfassung von Positionssignalen der Verkehrsteilnehmer, die laufend an das eigene automatisierte Fahrzeug (3) übermittelt werden,
- Nachverfolgung durch Bilderkennung aus Daten eines optischen Sensors der Sensoreinheit (5),
- Übermittlung einer einzigartigen Kennung je Verkehrsteilnehmer laufend an das eigene automatisierte Fahrzeug (3),
- Zurverfügungstellen eines jeweiligen Ziels je Verkehrsteilnehmer laufend an das eigene automatisierte Fahrzeug (3). System (1) nach einem der vorhergehenden Ansprüche, wobei die Recheneinheit (7) dazu ausgeführt ist, das zukünftige Verhalten des jeweiligen Verkehrsteilnehmers durch das Ausführen einer Bewegungssimulation auf Basis des jeweiligen parametrierten Soziale-Kräfte-Modells zu prädizieren. Verfahren für ein automatisiertes Fahrzeug (3) zum Ermitteln einer jeweiligen Vorhersage über das Verhalten eines oder mehrerer anderer Verkehrsteilnehmer, aufweisend die Schritte:
- Erfassen (S1) anderer Verkehrsteilnehmer durch die Sensoreinheit (5) und Übermitteln von erfassten Daten über diese an eine Recheneinheit (7),
- Kategorisieren (S2) eines jeweiligen Verkehrsteilnehmers in eine jeweilige, in einer Datenbank abgespeicherte, vorgegebene Gruppe von Verkehrsteilnehmern durch die Recheneinheit (7),
- Ausführen (S3) eines der jeweiligen Gruppe des jeweiligen Verkehrsteilnehmers zugeordneten und ebenfalls in der Datenbank abgespeicherten Soziale-Kräfte-Modells durch die Recheneinheit (7),
- Parametrieren (S4) des jeweiligen Soziale-Kräfte-Modells anhand von Informationen in den Sensordaten über den jeweiligen Verkehrsteilnehmer bezüglich seines aktuellen Zustands durch die Recheneinheit (7), und
- Erstellen (S5) einer Abschätzung eines zukünftigen Verhaltens des jeweiligen Verkehrsteilnehmers aus dem jeweiligen parametrierten Soziale-Kräfte-Modell durch die Recheneinheit (7).
17
PCT/EP2022/078536 2021-11-25 2022-10-13 Soziale-kräfte-modelle zur trajektorien-prädiktion anderer verkehrsteilnehmer WO2023094071A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021213304.5 2021-11-25
DE102021213304.5A DE102021213304A1 (de) 2021-11-25 2021-11-25 Soziale-Kräfte-Modelle zur Trajektorien-Prädiktion anderer Verkehrsteilnehmer

Publications (1)

Publication Number Publication Date
WO2023094071A1 true WO2023094071A1 (de) 2023-06-01

Family

ID=84331480

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/078536 WO2023094071A1 (de) 2021-11-25 2022-10-13 Soziale-kräfte-modelle zur trajektorien-prädiktion anderer verkehrsteilnehmer

Country Status (2)

Country Link
DE (1) DE102021213304A1 (de)
WO (1) WO2023094071A1 (de)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017217056A1 (de) 2017-09-26 2019-03-28 Audi Ag Verfahren und Einrichtung zum Betreiben eines Fahrerassistenzsystems sowie Fahrerassistenzsystem und Kraftfahrzeug
US20210118289A1 (en) * 2019-10-18 2021-04-22 Honda Motor Co., Ltd. Device, method, and storage medium
US20210155266A1 (en) 2019-11-22 2021-05-27 Samsung Electronics Co., Ltd. System and method for object trajectory prediction in an autonomous scenario

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10231557A1 (de) 2001-07-11 2003-07-31 Bosch Gmbh Robert Verfahren und Vorrichtung zum Auslösen und Durchführen einer Verzögerung eines Fahrzeugs
DE102008049824B4 (de) 2008-10-01 2014-09-04 Universität Kassel Verfahren zur Kollisionsvermeidung
DE102016224576B4 (de) 2016-12-09 2023-11-30 Continental Autonomous Mobility Germany GmbH Verhaltensmodell von Verkehrsteilnehmern für ein Fahrerassistenzsystem umfassend Statistiken zu Abweichungen vom Normverhalten
DE102018212803A1 (de) 2018-08-01 2020-02-06 Robert Bosch Gmbh Verfahren zur automatischen Entriegelung eines Fahrzeugs
US20200070822A1 (en) 2018-09-04 2020-03-05 GM Global Technology Operations LLC Systems and methods for predicting object behavior

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017217056A1 (de) 2017-09-26 2019-03-28 Audi Ag Verfahren und Einrichtung zum Betreiben eines Fahrerassistenzsystems sowie Fahrerassistenzsystem und Kraftfahrzeug
US20210118289A1 (en) * 2019-10-18 2021-04-22 Honda Motor Co., Ltd. Device, method, and storage medium
US20210155266A1 (en) 2019-11-22 2021-05-27 Samsung Electronics Co., Ltd. System and method for object trajectory prediction in an autonomous scenario

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DIRK HELBINGPETER MOLNÄR: "So-cial force model for pedestrian dynamics", PHYSICAL REVIEW E, vol. 51, no. 5, May 1995 (1995-05-01), pages 4282 - 4286, Retrieved from the Internet <URL:http://dx.d0i.0rg/l0.1103/PhysRevE.51.4282>
DIRK HELBINGPETER MOLNÄR: "Social force model for pedestrian dynamics", PHYSICAL REVIEW E, vol. 51, no. 5, May 1995 (1995-05-01), pages 4282 - 4286, Retrieved from the Internet <URL:http://dx.doi.org/10.1103/PhysRevE.51.4282>
MAARTEN BIESHAAR ET AL: "Detecting Intentions of Vulnerable Road Users Based on Collective Intelligence", ARXIV.ORG, CORNELL UNIVERSITY LIBRARY, 201 OLIN LIBRARY CORNELL UNIVERSITY ITHACA, NY 14853, 11 September 2018 (2018-09-11), XP081189884 *

Also Published As

Publication number Publication date
DE102021213304A1 (de) 2023-05-25

Similar Documents

Publication Publication Date Title
DE102020110458A1 (de) Fahrzeugpfadvorhersage
DE102017204404B3 (de) Verfahren und Vorhersagevorrichtung zum Vorhersagen eines Verhaltens eines Objekts in einer Umgebung eines Kraftfahrzeugs und Kraftfahrzeug
DE102019122826A1 (de) Adaptives fahrzeuglernen
DE102019205223A1 (de) Einfädelverhaltenssysteme und Verfahren zum Einfädeln von Fahrzeugen
DE102015203016B4 (de) Verfahren und Vorrichtung zur optischen Selbstlokalisation eines Kraftfahrzeugs in einem Umfeld
DE102017125493A1 (de) Verkehrszeichenerkennung
DE102019205228A1 (de) Einfädelverhaltenssysteme und Verfahren für Fahrzeuge auf einer Hauptspur
DE102020127043A1 (de) Sicherheitssystem für ein fahrzeug
DE112019001046T5 (de) Informationsverarbeitungsvorrichtung, informationsverarbeitungsverfahren, programm und mobiler körper
DE102020103509A1 (de) Erkennung und vermeidung von kollisionsverhalten
DE102019127229A1 (de) System und verfahren zum bestimmen einer vertrautheit eines fahrzeugdatensatzes
DE102014201159A1 (de) Verfahren und Vorrichtung zum Klassifizieren eines Verhaltens eines Fußgängers beim Überqueren einer Fahrbahn eines Fahrzeugs sowie Personenschutzsystem eines Fahrzeugs
DE102015205133A1 (de) Verfahren und Vorrichtung zum Ermitteln einer Bewegungsplanung für ein zumindest teilweise automatisiertes Fahren eines Fahrzeugs
DE102013005362A1 (de) Verfahren zur Analyse einer Verkehrssituation
DE102007037610A1 (de) Verfahren zum Bestimmen eines wahrscheinlichen Bewegungs-Aufenthaltsbereichs eines Lebewesens
DE102018203583B4 (de) Verfahren, Fahrerassistenzsystem sowie Kraftfahrzeug zur Prädiktion einer Position oder einer Trajektorie mittels eines graphbasierten Umgebungsmodells
DE102018115198A1 (de) Crowdsourcing-basierte virtuelle Sensorgenerierungs- und virtuelle Sansoranwendungs-Streuerung
DE102015015277A1 (de) Technik zum automatisierten Anhalten eines Fahrzeugs in einem Zielbereich
DE112021005104T5 (de) Systeme und verfahren zum evaluieren von domänenspezifischen fähigkeiten eines navigationssystems
DE102019122536A1 (de) Exzentrizitätskarten
DE102015223656A1 (de) Fahrerassistenzsystem und -Verfahren zur Fahrspurempfehlung
DE102015206546A1 (de) Fahrbahnmarkierungserkennungsvorrichtung
DE112021006846T5 (de) Systeme und Verfahren zur szenarioabhängigen Trajektorienbewertung
DE102014008413A1 (de) Verfahren für ein Fahrerassistenzsystem eines Fahrzeugs
DE102017211387A1 (de) System und Verfahren zum automatisierten Manövrieren eines Ego-Fahrzeugs

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: 22801782

Country of ref document: EP

Kind code of ref document: A1