Die vorliegende Offenbarung betrifft ein Verfahren zum Clustern von Datenobjekten basierend auf deren Position in einer digitalen Straßenkarte und eine Datenverarbeitungsvorrichtung, die ausgestaltet ist, um das Verfahren zumindest teilweise auszuführen. Zusätzlich oder alternativ wird ein Computerprogramm bereitgestellt, das Befehle umfasst, die bei der Ausführung des Programms durch einen Computer diesen veranlasst, das Verfahren zumindest teilweise auszuführen. Zusätzlich oder alternativ wird ein computerlesbares Medium bereitgestellt, das Befehle umfasst, die bei der Ausführung der Befehle durch einen Computer diesen veranlassen, das Verfahren zumindest teilweise auszuführen.

Bei einer Erkennung von Schlaglöchern oder allgemeiner beim Erlernen eines Straßenzustands können verschiedene Sensoren eines Kraftfahrzeugs verwendet werden. Ein Ansatz ist die Verwendung von Daten, die von diesen Sensoren gewonnen werden, die die Umgebung erfassen, wie Kamera, Lidar und/oder Radar, und die Verarbeitung der Daten an Bord des Kraftfahrzeugs. Diese Technik ist jedoch weder skalierbar noch für eine gesamte Kraftfahrzeugflotte anwendbar, da die Sensorik und die Rechenleistung in den Kraftfahrzeugen begrenzt sind. Folglich ist der wünschenswertere Ansatz im Hinblick auf die oben genannten Nachteile, Flottendaten (d.h. Sensordaten von einer Vielzahl von Kraftfahrzeugen) an ein Backend zu senden und diese im Backend zu verarbeiten.

Daher werden Sensordaten zusammen mit Geodäten, die von einer Kraftfahrzeugflotte gesammelt und an das Backend gesendet werden, verwendet und umfangreiche Berechnungen im Backend durchgeführt, die eine Vorverarbeitung der empfangenen Daten, ein Clustering bzw. Cluster der vorverarbeiteten Daten und eine Klassifizierung der geclusterten Daten umfassen.

In dem Backend werden die Daten bzw. Datenobjekte also unter anderem geclustert. Da die Anwendung verrauschte Daten enthält und die Anzahl der Cluster unbekannt sind, kann das dichtebasierte Clustering verwendet werden. Der bekannteste Vertreter dieser Technik ist der so genannte DBSCAN (engl. für Density Based Spatial Clustering of Applications with Noise) von Ester et al. (Ester, M., Kriegel, H.-P., Sander, J., & Xu, X. (1996). A Density-Based Algorithm for Discovering Clusters. https://doi.org/10.1016/B978-044452701 -1.00067-3), der in der Lage ist, beliebig geformte Cluster zu bilden. Dies ist ein grundlegender Unterschied zu z.B. K-means, mit dem nur kreisförmige Cluster finden gefunden werden kann und dabei nur einen einzigen Parameter (den Mittelwert) verwendet. Dichtebasierte Algorithmen wurden entwickelt, um nicht nur beliebig geformte Cluster zu identifizieren, sondern auch mit Rauschen umzugehen. Das Ziel der Entwickler des DBSCAN war es, einen Algorithmus für das Clustering verrauschter Daten beliebiger Form in räumlichen und nicht-räumlichen hochdimensionalen Datenbanken zu entwickeln. Grundidee des DBSCANs ist die so genannte Eps-Nachbarschaft. Die Idee dahinter ist, dass jeder Punkt eine Mindestanzahl von Punkten (MinPts) innerhalb eines Radius (Eps) haben muss. Außerdem gibt es beim DBSCAN verschiedene Arten von Punkten, nämlich Kernpunkte, Randpunkte und Ausreißer (auch Rauschen genannt). Ein Kernpunkt wird durch seine Eps-Nachbarschaft definiert. Genauer gesagt ist ein Punkt ein Kernpunkt, wenn seine Dichte größer oder gleich dem definierten Schwellenwert MinPts ist. Wenn dieses Kriterium nicht erfüllt ist, muss der Punkt jedoch nicht unbedingt ein Ausreißer sein. Wenn ein Punkt, der in erster Linie als Rauschen betrachtet wird, einen Kernpunkt in seiner Eps-Nachbarschaft hat, dann wird der Punkt zu einem so genannten Grenzpunkt umetikettiert. Der DBSCAN sucht nach Clustern, indem er über jeden Punkt im Datensatz iteriert und die Eps-Nachbarschaft des entsprechenden Punktes untersucht. Wenn die Nachbarschaft mehr benachbarte Punkte umfasst als der vordefinierte Schwellenwert MinPts, wird ein neuer Cluster mit dem Kernpunkt p initialisiert.

Der reguläre DBSCAN weist in verschiedener Hinsicht Nachteile auf, wie z.B. bei unterschiedlichen Dichten sowie bei großen Datensätzen und der fehlenden Möglichkeit, Straßenbeschränkungen zu berücksichtigen. Die ersten beiden haben dazu geführt, dass für die Aufgabe der Erkennung von Straßenzuständen aus den Sensordaten kein regulärer DBSCAN verwendet wird, sondern ein iterativer Ansatz, der auf den einzelnen Segmenten, also beispielsweise einem zwischen zwei Kreuzungen angeordneten Straßenabschnitt, arbeitet. Doch auch wenn dieser iterative Ansatz in vielerlei Hinsicht gut funktioniert, hat er auch gewisse Nachteile. Einer davon, der für die endgültige Anwendung oder genauer gesagt für die nachfolgende Klassifizierung sehr schwerwiegend sein kann, ist das z.B. Verhalten an Kreuzungen, genauer gesagt, wenn die Cluster über ein Segment hinausgehen.

Daher kann eines der Ziele dieser Offenbarung darin bestehen, die Genauigkeit und die Gesamtleistung beim Erlernen von Straßenbedingungen im Zusammenhang mit dem assistierten Fahren zu verbessern.

Gelöst wird die Aufgabe durch die Merkmale des unabhängigen Anspruchs. Die Unteransprüche haben bevorzugte Weiterbildungen der Erfindung zum Inhalt.

Danach wird die Aufgabe durch ein Verfahren zum Clustern von Datenobjekten basierend auf deren Position in einer digitalen Straßenkarte gelöst.

Das Verfahren dient zur Berechnung bzw. Bestimmung einer Gruppierung von Datenobjekten und kann auch als computer-implementierte Clusteranalyse bezeichnet werden.

Bei dem Verfahren kann es sich um ein computer-implementiertes Verfahren handeln, d.h. einer, mehrere oder alle Schritte des Verfahrens können zumindest teilweise von einer Vorrichtung zur Datenverarbeitung bzw. einem Computer durchgeführt werden.

Das Verfahren umfasst ein Auswahlen von allen Datenobjekten, die in der Straßenkarte auf derselben Straße wie ein Datenobjekt, von dem ausgegangen wird, angeordnet sind und von allen Datenobjekten, die in der Straßenkarte relativ zu dem Datenobjekt, von dem ausgegangen wird, so angeordnet sind, dass sie durch Überfahren einer einzigen Kreuzung erreichbar sind.

Das Verfahren umfasst ferner ein Clustern der ausgewählten Datenobjekte.

Unter Clustern kann vorliegend das Zusammenfassen mehrere Datenobjekte in eine Gruppe verstanden werden bzw. das Feststellen, dass ein Datenobjekt zusammen mit anderen Datenobjekte eine Gruppe bildet oder nicht. Um die oben mit Bezug zum im Stand der Technik verwendeten Clustering-Techniken beschriebenen Nachteile zu überwinden, wird offenbarungsgemäß vorgeschlagen, zum Clustern eine netzwerkraumbeschränkten Clustering-Technik zu verwenden, die nicht nur die Beschränkungen durch das Straßennetz selbst, sondern auch durch die Aufgabe berücksichtigt. Dadurch wird unter anderem die Berechnungszeit bei gleichbleibender Rechenleistung verkürzt.

Nachfolgend werden mögliche Weiterbildungen des oben beschriebenen Verfahrens weiter im Detail erläutert.

Denkbar ist, dass nur solche Datenobjekte ausgewählt werden, die sich in der Straßenkarte in einem Bereich einer vorbestimmten Größe um das Datenobjekt, von dem ausgegangen wird, befinden.

Die Größe eines Clusters und/oder eine Anzahl von Cluster kann in Abhängigkeit einer Anzahl von Datenobjekten in einer Umgebung des Datenobjekts, von dem ausgegangen wird, in der Straßenkarte variieren. Dabei kann die Größe des Clusters abhängig von der Dichte der Datenobjekte innerhalb des Bereichs sein. Dabei kann die Größe des Clusters iterativ angepasst werden: Sind die Cluster zu groß, werden Parameter iterativ angepasst, um vergleichsweise große Cluster zu teilen. Die Größe des Bereichs ist dabei abhängig von einer Größe eines Segments, also eines Fahrbahnabschnitts zwischen zwei Kreuzungen, und/oder unabhängig von der Dichte der Datenobjekte.

Die Datenobjekte können eine Information über eine Fahrtrichtung von einem Kraftfahrzeug aufweisen, von dem sie aufgenommen wurden. Denkbar ist, dass nur solche Datenobjekte ausgewählt werden, deren Fahrtrichtung mit einer Fahrtrichtung des Datenobjekts, von dem ausgegangen wird, übereinstimmen.

Das Clustern kann dichtebasiert erfolgen. Die Ausführungen zum oben beschriebenen DBSCAN gelten für das reine Clustern an sich analog. Das Verfahren kann ein Klassifizieren der geclusterten Datenobjekte und ein Speichern der klassifizierten, geclusterten Datenobjekte in der Straßenkarte umfassen.

Das Verfahren kann ein Bereitstellen der Straßenkarte mit den darin gespeicherten, geclusterten Datenobjekte an ein Kraftfahrzeug umfassen.

Denkbar ist, dass das Kraftfahrzeug die bereitgestellte Straßenkarte nutzt, um in Abhängigkeit einer aktuellen Position des Kraftfahrzeugs und der in der Straßenkarte gespeicherten, geclusterten Datenobjekte einen Warnhinweis an einen Fahrer des Kraftfahrzeugs auszugeben und/oder eine Quer- und/oder Längsführung des Kraftfahrzeugs, insbesondere automatisiert, anzupassen. Damit können auch das Fahrwerk betreffende Parameter angepasst werden.

Bei dem Kraftfahrzeug kann es sich um einen Personenkraftwagen, insbesondere ein Automobil, oder ein Nutzfahrzeug, wie einen Lastkraftwagen, handeln. Das Kraftfahrzeug kann ausgestaltet sein, um eine Längsführung und/oder eine Querführung bei einem automatisierten Fahren des Kraftfahrzeugs zumindest teilweise und/oder zumindest zeitweise zu übernehmen. Das automatisierte Fahren kann so erfolgen, dass die Fortbewegung des Kraftfahrzeugs (weitgehend) autonom erfolgt.

Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 0 sein, d.h. der Fahrer übernimmt die dynamische Fahraufgabe, auch wenn unterstützende Systeme (z. B. ABS oder ESP) vorhanden sind.

Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 1 sein, d.h. bestimmte Fahrerassistenzsysteme aufweisen, die den Fahrer bei der Fahrzeugbedienung unterstützen, wie beispielsweise der Abstandsregeltempomat (ACC).

Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 2 sein, d.h. so teilautomatisiert sein, dass Funktionen wie automatisches Einparken, Spurhalten bzw. Querführung, allgemeine Längsführung, Beschleunigen und/oder Abbremsen von Fahrerassistenzsystemen übernommen werden. Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 3 sein, d.h. so bedingungsautomatisiert, dass der Fahrer das System Fahrzeug nicht durchgehend überwachen muss. Das Kraftfahrzeug führt selbstständig Funktionen wie das Auslösen des Blinkers, Spurwechsel und/oder Spurhalten durch. Der Fahrer kann sich anderen Dingen zuwenden, wird aber bei Bedarf innerhalb einer Vorwarnzeit vom System aufgefordert die Führung zu übernehmen.

Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 4 sein, d.h. so hochautomatisiert, dass die Führung des Fahrzeugs dauerhaft vom System Fahrzeug übernommen wird. Werden die Fahraufgaben vom System nicht mehr bewältigt, kann der Fahrer aufgefordert werden, die Führung zu übernehmen.

Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 5 sein, d.h. so vollautomatisiert, dass der Fahrer zum Erfüllen der Fahraufgabe nicht erforderlich ist. Außer dem Festlegen des Ziels und dem Starten des Systems ist kein menschliches Eingreifen erforderlich. Das Kraftfahrzeug kann ohne Lenkrad und Pedale auskommen.

Ferner wird eine Datenverarbeitungsvorrichtung bzw. ein System zur

Datenverarbeitung, z.B. umfassend ein Steuergerät für ein Kraftfahrzeug und/oder ein zum Kraftfahrzeug verbundenes Backend, bereitgestellt, wobei die

Datenverarbeitungsvorrichtung dazu eingerichtet ist, das oben beschriebene Verfahren zumindest teilweise aus- bzw. durchzuführen.

Das Steuergerät kann Teil eines Fahrassistenzsystems sein oder dieses darstellen. Bei dem Steuergerät kann es sich beispielsweise um eine elektronische Steuereinheit bzw. ein elektronisches Steuergerät (engl. ECU = electronic control unit) handeln. Das elektronische Steuergerät kann eine intelligente prozessor-gesteuerte Einheit sein, die z.B. über ein Central Gateway (CGW) mit anderen Modulen kommunizieren kann und die ggf. über Feldbusse, wie den CAN-Bus, LIN-Bus, MOST-Bus und FlexRay oder über Automotive-Ethernet, z.B. zusammen mit Telematiksteuergeräten das Fahrzeugbordnetz bilden kann. Denkbar ist, dass das Steuergerät für das Fahrverhalten des Kraftfahrzeugs relevante Funktionen, wie die Motorsteuerung, die Kraftübertragung, das Bremssystem und/oder das Reifendruck-Kontrollsystem, steuert. Außerdem können Fahrerassistenzsysteme, wie beispielsweise ein Parkassistent, eine angepasste Geschwindigkeitsregelung (ACC, engl. Adaptive cruise control), ein Spurhalteassistent, ein Spurwechselassistent, eine Verkehrszeichenerkennung, eine Lichtsignalerkennung, ein Anfahrassistent, ein Nachtsichtassistent und/oder ein Kreuzungsassistent, von dem Steuergerät gesteuert werden.

Bei dem Backend kann es sich um jegliche kraftfahrzeugexterne Datenverarbeitungsvorrichtung, z.B. eine Cloudkomponente, handeln. Das Backend kann ausgestaltet sein, um drahtlos, z.B. über Car2X, mit dem Steuergerät des Kraftfahrzeugs zu kommunizieren.

Das Steuergerät kann ausgestaltet sein, um Beschleunigungswerte, insbesondere bezogen auf eine Vertikalbeschleunigung, Geschwindigkeitswerte und/oder Positionen, an denen die Beschleunigungswerte bzw. die Geschwindigkeitswerte erfasst wurden, des Kraftfahrzeugs zu ermitteln und diese an das Backend zu senden.

Das Backend kann diese Informationen nutzen, um daraus die Datenobjekte zu erstellen und in die Straßenkarte einzufügen und basierend darauf das oben beschriebene Verfahren auszuführen.

Genauer gesagt kann die Verarbeitung im Backend im Wesentlichen in vier aufeinanderfolgende Schritte erfolgen. In einem ersten Schritt können die vom Kraftfahrzeug empfangenen Daten vorverarbeitet werden. Dabei kann ein Rauschen herausgefiltert werden und dann ein sog. Map Matching durchgeführt werden, das den Prozess des Abgleichens von dem Kraftfahrzeug empfangenen Georaum-Rohdaten mit einem Lanelet-Netzwerk beschreibt. Danach liegt eine digitale Straßenkarte vor, in der die Daten bzw. die Datenobjekte entsprechend deren Georaum-Rohdaten bzw. Position, an der diese von dem Kraftfahrzeug erfasst wurden, abgespeichert bzw. enthalten sind. Anschließend werden die Daten mit dem oben beschriebenen Verfahren geclustert, um Cluster zu erzeugen, die Daten bzw. Datenobjekte enthalten, die wahrscheinlich von demselben Objekt (z.B. von einem Schlagloch) stammen bzw. bedingt wurden. Im dritten Schritt kann eine Klassifizierung der Cluster vorgenommen werden, um nicht nur die Art des Objekts zu bezeichnen, sondern auch zu definieren, ob vor einem bestimmten Cluster der Klasse X in dem Kraftfahrzeug gewarnt werden soll. Schließlich können die Ergebnisse, d.h. die klassifizierten Cluster, in dem vierten Schritt wieder in der digitalen Straßenkarte gespeichert werden, so dass ein Fahrzeug, das ein Gebiet befährt, die relevanten Informationen über den Straßenzustand sowie die Standorte der gefundenen Ereignisse herunterladen kann. Wenn ein Fahrzeug dann ein solches Ereignis durchfährt, kann der Fahrer gewarnt werden, um ihn über das bevorstehende Ereignis zu informieren.

Das oben mit Bezug zum Verfahren Beschriebene gilt analog auch für die Datenverarbeitungsvorrichtung und umgekehrt.

Ferner wird ein Computerprogramm, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das oben beschriebene Verfahren zumindest teilweise aus- bzw. durchzuführen, bereitgestellt.

Ein Programmcode des Computerprogramms kann in einem beliebigen Code vorliegen, insbesondere in einem Code, der für Steuerungen von Kraftfahrzeugen und/oder einem Betrieb eines Backends geeignet ist.

Das oben mit Bezug zum Verfahren und zur Datenverarbeitungsvorrichtung Beschriebene gilt analog auch für das Computerprogramm und umgekehrt.

Ferner wird ein computerlesbares Medium, insbesondere ein computerlesbares Speichermedium, bereitgestellt. Das computerlesbare Medium umfasst Befehle, die bei der Ausführung der Befehle durch einen Computer diesen veranlassen, das oben beschriebene Verfahren zumindest teilweise auszuführen.

Das heißt, es kann ein computerlesbares Medium bereitgestellt werden, das ein oben definiertes Computerprogramm umfasst.

Bei dem computerlesbaren Medium kann es sich um ein beliebiges digitales Datenspeichergerät handeln, wie zum Beispiel einen USB-Stick, eine Festplatte, eine CD-ROM, eine SD-Karte oder eine SSD-Karte. Das Computerprogramm muss nicht zwingend auf einem solchen computerlesbaren Speichermedium gespeichert sein, sondern kann auch über das Internet oder anderweitig extern bezogen werden.

Das oben mit Bezug zum Verfahren, zur Datenverarbeitungsvorrichtung und zum Computerprogramm Beschriebene gilt analog auch für das computerlesbare Medium und umgekehrt.

Nachfolgend wird eine Ausführungsform mit Bezug zu Figuren 1 und 2 beschrieben.

Fig. 1 zeigt schematisch ein Kraftfahrzeug und ein Backend, die bidirektional Daten bzw. Informationen austauschen, und

Fig. 2 zeigt schematisch eine Straßenkarte mit Datenobjekten, auf die das Verfahren angewandt wird, und

Fig. 3 zeigt schematisch ein Ablaufdiagramm eines Verfahrens zum Clustern von Datenobjekten basierend auf deren Position in einer digitalen Straßenkarte.

In Figur 1 ist ein Kraftfahrzeug 1 dargestellt, das Daten bzw. Datenobjekte 2 an ein Backend 3 sendet (sog. Up-Stream), und das Backend 3, das Daten bzw. eine digitale Straßenkarte 4 an das Kraftfahrzeug 1 sendet (sog. Down-Stream). Das Kraftfahrzeug 1 und das Backend 3 bilden zusammen eine Datenverarbeitungsvorrichtung 5, welche ausgestaltet ist, um ein Verfahren zum Clustern der von dem Kraftfahrzeug empfangenen Datenobjekte 2 basierend auf deren Position in einer digitalen Straßenkarte 4 auszuführen bzw. durchzuführen.

Wie sich aus dem in Figur 3 dargestellten Ablaufdiagramm des Verfahrens ergibt, weist das Verfahren im Wesentlichen sieben Schritte S1 - S7 auf, wobei ein dritter und ein vierter Schritt S3, S4 das Verfahren zum Clustern im eigentlichen Sinne darstellen und von dem Backend 3 ausgeführt werden. In dem ersten Schritt S1 des Verfahrens erfasst das Kraftfahrzeug 1 Sensordaten in einem oder mehreren Datenobjekten (umfassend Informationen wie eine Geo-Position des Kraftfahrzeugs 1 , eine Geschwindigkeitsinformation betreffend des Kraftahrzeug

1 und/oder eine (optional Vertikal-) Beschleunigung) zusammen und sendet das bzw. die Datenobjekte 2 an das Backend 3.

In einem zweiten Schritt S2 des Verfahrens erfolgt ein sog. Map Matching bzw. ein Kartenabgleich oder Karteneinpassung, bei dem bzw. der die durch eine Ortung gemessene Position des Kraftfahrzeugs 1 , die jeweils in den an dem Backend 3 empfangenen Datenobjekten 2 enthalten ist, mit den Ortsinformationen der digitalen Straßenkarte abgeglichen wird, wobei die empfangenen Datenobjekte 2 jeweils an der dadurch ermittelten Stelle bzw. Position in der digitalen Straßenkarte 4 hinterlegt bzw. gespeichert werden.

In dem dritten Schritt S3 des Verfahrens erfolgt ein Auswahlen von allen Datenobjekten 2, die in der Straßenkarte 4 auf derselben Straße wie ein Datenobjekt

2 (in Figur 2 schwarz ausgefüllt dargestellt), von dem ausgegangen wird, angeordnet sind und von allen Datenobjekten 2, die in der Straßenkarte 4 relativ zu dem Datenobjekt 2, von dem ausgegangen wird, so angeordnet sind, dass sie durch Überfahren einer einzigen Kreuzung 5 erreichbar sind. Dabei werden nur solche Datenobjekte 2 ausgewählt werden, die sich in der Straßenkarte 4 in einem Bereich bzw. Fenster 6 einer vorbestimmten Größe um das Datenobjekt 2, von dem ausgegangen wird, befinden. Die Größe des Bereichs 6 variiert dabei in Abhängigkeit einer Anzahl von Datenobjekten 2 in einer Umgebung des Datenobjekts 2, von dem ausgegangen wird, in der Straßenkarte 4. Weiterhin werden nur die Datenobjekte 2 ausgewählt, deren Information über eine Fahrtrichtung von einem Kraftfahrzeug 1 , von dem sie aufgenommen wurden, dieselbe ist, wie die Fahrtrichtung des Datenobjekts 2, von dem ausgegangen wird.

In dem vierten Schritt S4 des Verfahrens erfolgt ein Clustern unter Nutzung dichtebasierter Clustertechniken der ausgewählten Datenobjekte 2, um so ein Cluster 7 zu erhalten. In einem fünften Schritt S5 des Verfahrens erfolgt ein Klassifizieren der geclusterten Datenobjekte 2 und ein Speichern der klassifizierten, geclusterten Datenobjekte 2 bzw. der Information über die Klasse und dem Cluster 7, dem das Datenobjekt 2 angehört, in der Straßenkarte 4.

In einem sechsten Schritt S6 des Verfahrens wird die in dem fünften Schritt S5 erhaltene Straßenkarte 4 dem Kraftfahrzeug 1 bereitgestellt.

In einem siebten Schritt S7 des Verfahrens erfolgt ein Steuern des Betriebs des Kraftfahrzeugs 1 basierend auf der in dem sechsten Schritt S6 erhaltenen Straßenkarte 4.

Bezugszeichenliste

1 Kraftfahrzeug 2 Datenobjekt(e)

3 Backend

4 digitale Straßenkarte

5 Kreuzung

6 Fenster bzw. Bereich 7 Cluster

S1 - S7 Schritte des Verfahrens