Verfahren und Steuerschaltung zum Überwachen einer Zulässigkeitsbedingung für einen automatisierten Fahrmodus eines Kraftfahrzeugs sowie Kraftfahrzeug mit der Steuerschaltung

BESCHREIBUNG:

Die Erfindung betrifft ein Verfahren zum Überwachen einer Zulässigkeitsbedingung für einen automatisierten Fahrmodus eines Kraftfahrzeugs. Die Zulässigkeitsbedingung umfasst, dass der Fahrmodus nur bei einer Fahrt auf Straßen aktiv sein darf, die zu zumindest einer vorbestimmten zugelassenen Straßenklasse gehören. Die Erfindung betrifft auch eine Steuerschaltung, die das Verfahren in einem Kraftfahrzeug durchführen kann, sowie ein Kraftfahrzeug mit der Steuerschaltung.

Bei automatisierten Fahrzeugen ab SAE-Level 3 (SAE - Society of Automotive Engineers) übergibt der Fahrer zeitweise die Verantwortung an das Fahrzeug indirekt an den Fahrzeughersteller. Der dafür zulässige Einsatzraum wird durch die sogenannte Operational Design Domain (ODD) definiert, d.h. der Fahrzeugherstellt kann festlegen, wo ein solcher automatisierter Fahrmodus aktiviert werden darf. Die ODD wird unter anderem durch die Straßenklasse festgelegt oder beschränkt. Straßenklassen, die hierbei unterschieden werden, sind zum Beispiel Autobahnen, autobahnähnliche Straßen, Landstraßen oder Stadtstraßen. Einige automatisierte Fahrmodi, wie z.B. der Autobahnpilot, sind nur für den Einsatz auf Autobahnen oder autobahnähnlichen Straßen ausgelegt und dürfen deshalb ausschließlich in diesen Fahrsituationen aktivierbar sein. Zudem müssen sie automatisch eine Änderung der Straßenklasse erkennen und bevorzugt vorausschauend die Fahrzeugkontrolle an den Fahrer übergeben, bevor sie deaktivieren. Dadurch sind hohe Sicherheitsanforderungen an das System zu stellen, die entsprechenden Straßenklassen zuverlässig zu erkennen.

Nach aktuellem Stand der Technik erfolgt die Erkennung der Straßenklasse meist auf Basis von sogenannten digitalen HD-Karten (Straßenkarten mit Einträgen für z.B. Randbebauung und Fahrspurverläufen). Hierbei wird die Straßenklasse a-priori in der HD-Karte oder allgemein einer digitalen Straßenkarte hinterlegt und anschließend mittels Lokalisierung des Kraftfahrzeugs (z.B. per GNSS - Global Navigation Satellite System, z.B. GPS - Global Positioning System) auf der Karte ausgelesen.

Die Erkennung der Straßenklasse ausschließlich basierend auf digitalen Straßenkarten bringt einige Herausforderungen mit sich. Zum einen kann es zu Fehlern in der Lokalisierung, zum Beispiel aufgrund von GPS- Ungenauigkeiten, kommen. Zum anderen muss eine kontinuierliche Aktualität der Karteninhalte gewährleistet werden, was schwer umzusetzen ist. Hochautomatisierte Systeme mit SAE-Level größer als 2 fordern in der Regel ein Sicherheitsintegritätslevel ASIL-D (ASIL - automotive safety level) auf die Erkennung der ODD (gemäß ISO 26262). Die resultierenden technischen Anforderungen wären bei einer alleinigen Umsetzung mittels Straßenkarte allein mit hohem Aufwand und Kosten verbunden.

Alternativ kann auf Basis von Sensormessdaten die Straßenklasse ermittelt werden. Dabei wird gemäß der DE 10 2012 218 362 A1 ein Zustandsautomat verwendet, der basierend auf menschlicher Erfahrung mithilfe von Umfelddaten eine Straßenklasse ermittelt. Falls dieser zu keinem Ergebnis kommt, wird das Ergebnis eines mittels maschinellen Lernens induzierten Entscheidungsbaums verwendet und eine Straßenklasse geschätzt. Die Ermittlung der Straßenklasse auf Basis eines Zustandsautomaten hat den Nachteil, dass ein Zustandsautomat keine Unsicherheit bezüglich seines eigenen Zustands in Abhängigkeit der Zuverlässigkeit seiner Eingangsdaten angeben kann. Aus der DE 102 54 806 A1 ist bekannt, Umfelddaten aus mehreren Sensoren sowie Kartendaten einer digitalen Straßenkarte mittels einer Fusion von Informationen zu kombinieren, um eine Aussage über die aktuell befahrene Straßenklasse zu erhalten. Nachteilig bei einer solchen Fusion ist, dass ein eindeutiges Ergebnis aus einer Informationsquelle durch unsichere Ergebnisse aus einer anderen Informationsquelle relativiert oder abgeschwächt werden kann.

Aus der DE 10 2018 208 593 A1 ist ein Verfahren bekannt, um zu überprüfen, ob ein Wechsel eines Fahrmodus des Kraftfahrzeugs sicher erfolgen kann. In zwei nacheinander geschalteten Prüfstufen wird zunächst überprüft, ob gemäß den Kartendaten einer digitalen Straßenkarte überhaupt ein zulässiger Straßentyp für die Aktivierung des Fahrmodus irgendwo in der Nähe vorhanden ist, um dann bei erfolgreichem Durchlaufen der ersten Prüfstufe in einer zweiten Prüfstufe auf der Grundlage von Umfelddaten aus Sensoren zu erkennen, ob sich das Kraftfahrzeug auch tatsächlich auf einer Straße dieser Straßenklasse befindet. Die Prüfung erfolgt lediglich für den aktuell befahrenen Straßenabschnitt, weshalb mittels des Verfahrens bevorzugt die Aktivierung des Fahrmodus geprüft wird, aber nicht die Abschaltung bei Verlassens einer zulässigen Straßenklasse, also bei Austritt aus der ODD.

Der Erfindung liegt die Aufgabe zugrunde, in einem Kraftfahrzeug für den Betrieb eines automatisierten Fahrmodus zu überprüfen, ob eine zulässige Straßenklasse vorliegt, für welche der Betrieb der automatisierten Fahrfunktion zugelassen ist.

Die Aufgabe wird durch die Gegenstände der unabhängigen Patentansprüche gelöst. Vorteilhafte Weiterbildungen ergeben sich durch technische Merkmale, die in den abhängigen Patentansprüchen, in der folgenden Beschreibung sowie in den Figuren beschrieben sind.

Als eine Lösung umfasst die Erfindung ein Verfahren zum Überwachen einer Zulässigkeitsbedingung für einen automatisierten Fahrmodus eines Kraftfahrzeugs durch eine Steuerschaltung. Die Zulässigkeitsbedingung umfasst, dass der Fahrmodus nur bei einer Fahrt auf Straßen zumindest einer vorbestimmten zugelassenen Straßenklasse aktiv sein darf. Zum Überprüfen einer aktuellen Straßenklasse eines in Fahrtrichtung vorausliegenden Straßensegments einer aktuell befahrenen Straße werden in einem ersten Signalpfad aus einer digitalen Straßenkarte zu dem Straßensegment Kartendaten, welche die Straßenklasse des Straßensegments angeben, aus einem Datenspeicher ausgelesen und daraufhin überprüft, ob sie eine solche Straßenklasse angeben, die der zumindest einen für den Fahrmodus zugelassenen Straßenklasse entspricht. Die Zulässigkeitsbedingung wird insbesondere dazu geprüft, um im Falle eines bereits aktivierten Fahrmodus zu überprüfen, ob der Fahrmodus deaktiviert werden muss, weil das vorausliegende Straßensegment nicht mehr der zumindest einen zugelassenen Straßenklasse entspricht. Als Fahrmodus kann in an sich bekannter Weise beispielsweise eine Fahrerassistenz für eine Autobahnfahrt, ein ACC (Automatic Cruise Control), ein Abstandsregelautomat, ein Überholassistent vorgesehen sein, um nur Beispiele zu nennen. Allgemein kann durch den automatisierten Fahrmodus vorgesehen sein, dass im aktivierten Fahrmodus eine Längsführung (Beschleunigen und/oder Bremsen) und/oder eine Querführung (Lenken) automatisiert durch zumindest ein Steuergerät des Kraftfahrzeugs ohne ein Zutun eines Fahrers durchgeführt wird.

Das Überprüfen der Straßenklasse erfolgt kann auch für den aktuell befahrenen Straßenabschnitt oder das aktuell befahrene Straßensegment erfolgen, aber erfindungsgemäß wir vor allem ein vorausliegendes Straßensegment, also beispielsweise ein Straßensegment, das in beispielsweise 10 Zentimeter bis 10 Meter vor dem Kraftfahrzeug beginnt und beispielsweise in 30 Meter bis 1 Kilometer vor dem Kraftfahrzeug endet. Anhand der Straßenkarte kann überprüft werden, ob die darin gespeicherten Kartendaten betreffend dieses vorausliegende Straßensegment signalisieren, dass dieses Straßensegment Bestandteil oder klassifiziert ist als zugelassene Straßenklasse, also als Element der Menge der zumindest einen zugelassenen Straßenklasse. Es kann eine oder mehr als eine Straßenklasse als zulässig definiert sein, weshalb hier die Formulierung „zumindest eine vorbestimmte zugelassene Straßenklasse“ verwendet ist. Welche Straßenklasse für welchen Fahrmodus zugelassen ist, ist vom Fahrmodus abhängig und kann vom Fachmann festgelegt werden.

Die Verwendung einer Straßenkarte kann allerdings dazu führen, dass veraltete Kartendaten vorliegen und/oder eine Lokalisierung des Kraftfahrzeugs in Bezug auf die Straßenkarte einer Varianz oder Toleranz oder Schwankung unterworfen sein kann, wie es an sich für Empfänger eines Positionssignals eines GNSS (Global Navigation Satellite System), wie beispielsweise das GPS (Global Positioning System), bekannt ist.

Unabhängig von dem ersten Signalpfad werden deshalb in einem von dem ersten Signalpfad unabhängigen zweiten Signalpfad aus einem Umfeldsensor oder mehreren Umfeldsensoren Umfelddaten empfangen, die Umfeldmerkmale des Straßensegments (z.B. Vorhände Straßenschilder oder erkennbare Personen) beschreiben, und anhand der Umfelddaten werden mittels einer vorberstimmten Schätzroutine Charakteristiken des Straßensegments (z.B. die Charakteristik „Blaue Autobahnbeschilderung“ oder „Peronsen anwesend“) geschätzt.

Es wird detektiert, ob die geschätzten Charakteristiken eine Existenzwahrscheinlichkeit eines Vorhandenseins der zumindest einen zugelassenen Straßenklasse in dem vorausliegenden Straßensegment größer als eine vorbestimmter Schwellwert ist. Die Umfelddaten können die Sensordaten aus dem zumindest einen Umfeldsensor und/oder verarbeitete Sensordaten, beispielsweise gefilterte Sensordaten und/oder mittels einer Sensor-Fusion kombinierte Sensordaten, sein. Die jeweils erkannte Charakteristik kann beispielsweise umfassen: „Fußgänger anwesend“, „Mittelleitplanke anwesend“, „Autobahnschilder spezifischer Farbe vorhanden“, um nur Beispiele zu nennen. Eine entsprechende Schätzroutine, um aus Umfelddaten solche Charakteristiken zu erkennen, können beispielsweise auf der Grundlage eines Algorithmus für maschinelles Lernen, beispielsweise eines künstlichen neuronalen Netzwerks, bereitgestellt sein, wie dies an sich aus dem Stand der Technik für die Objekterkennung oder das maschinelle Sehen bekannt ist. Die Existenzwahrscheinlichkeit dafür, dass die Charakteristiken auf das Vorhandensein einer speziellen Straßenklasse oder zumindest auf das Vorhandensein der Menge der zugelassenen Straßenklassen hinweist, kann dann anhand der Schätzergebnisse für die einzelnen Charakteristiken, beispielsweise einer Kennzahl für die Konfidenz oder Schätzvarianz, beim Schätzen der jeweiligen Charakteristik sein. Dies wird weiter unten noch näher erläutert. Durch Kombinieren von geschätzten Charakteristiken, also beispielsweise dem Vorhandensein einer Leitplanke und/oder dem Vorhandensein von Fußgängern, ergibt sich dann durch die einzelnen Kennzahlen der Charakteristiken, also deren Schätzsicherheit, die Existenzwahrscheinlichkeit für das Vorhandensein der zumindest einen zugelassenen Straßenklasse. Damit signalisiert auch der zweite Signalpfad, unabhängig vom ersten Signalpfad, ob das vorausliegende Straßensegment zu der zumindest einen zugelassenen Straßenklasse gehört oder nicht dazu gehört. Das Signal der Zugehörigkeit wird ausgegeben, falls die Existenzwahrscheinlichkeit größer als der Schwellenwert ist. Andernfalls wird signalisiert, dass das vorausliegende Straßensegment (oder eine Teilintervall davon) nicht zu der zumindest einen zugelassenen Straßenklasse gehört.

Das besagte eigentliche Überprüfen der Zulässigkeitsbedingung umfasst, dass das Vorhandensein der zumindest einen zugelassenen Straßenklasse für das vorausliegende Straßensegments final nur signalisiert wird, falls sowohl der erste Signalpfad und auch der zweite Signalpfad die Existenz der Straßenklasse bestätigen oder signalisieren, und andernfalls wird eine vorbestimmte Blockiermaßnahme für den Fahrmodus durchgeführt wird. Mit anderen Worten werden also die beiden Signalpfade unabhängig voneinander ausgewertet und nur wenn beide Signalpfade unabhängig voneinander das Vorhandensein oder die Existenz der zumindest einen zugelassenen Straßenklasse im Bereich des vorausliegenden Straßensegments signalisieren oder bestätigen, wird für den Fahrmodus angenommen, dass die Zulässigkeitsbedingung erfüllt ist. Andernfalls wird die Blockiermaßnahme durchgeführt, was noch näher erläutert werden wird. Somit ist man nicht darauf angewiesen, dann bei Signalpfade absolut fehlerfrei nach ASIL-D implementiert sind, sondern erst der gegenseitige Abgleich beider Signalpfade muss zu der Stufe ASIL-D führen.

Die beiden Signalpfade können beispielsweise als unabhängig voneinander betriebene Softwaremodule implementiert sein, wodurch sie unabhängig voneinander die Überprüfung der Straßenklasse durchführen können.

Die Erfindung umfasst auch Weiterbildungen, durch die sich zusätzliche Vorteile ergeben.

Es sei hier angemerkt: Beim Schätzen einer Charakteristik können drei Aspekte geprüft werden, nämlich zum einen, ob die Charakteristik überhaupt vorhanden („Vorhandensein“) ist (ein Klassifikator, wie beispielsweise ein künstliches neuronales Netzwerk, spricht überhaupt auf das Vorhandensein der Charakteristik an, z.B. auf „Personen“ in Kamerabildern), eine „Existenzkonfizent“ der Charakteristik (der Klassifikator signalisiert, mit welcher Wahrscheinlichkeit die Charakteristik vorliegt oder wie sicher die Schätzung ist) und ein „Zustand“ der Charakteristik (beispielsweise seit wie vielen Kilometern die Charakteristik vorliegt oder welche Ausprägung vorhanden ist, wie beispielsweise „viele Fußgänger vorhanden“ im Gegensatz zu „wenig Fußgänger vorhanden“). Entsprechende Schätzroutinen sind an sich aus dem Stand der Technik verfügbar, beispielsweise im Zusammenhang mit der Umfeldüberwachung in einem Kraftfahrzeug zum Betreiben eines Autopiloten.

Eine Weiterbildung umfasst, dass das vorausliegende Straßensegment in Fahrtrichtung in mehrere unterschiedliche, in Fahrtrichtung hintereinander liegende Abstandsintervalle unterteilt wird und für jedes Abstandsintervall eine eigne Überprüfung der Zulässigkeitsbedingung mittels der beiden Signalpfade durchgeführt wird. Für jedes Abstandsintervall werden also jeweils die Kartendaten und die Charakteristiken aus dem jeweiligen Abstandsintervall verwendet. Mit anderen Worten wird das vorausliegende Straßensegment nicht als einheitlicher Bereich überwacht, über den insgesamt die Existenzwahrscheinlichkeit für das Vorhandensein einer zugelassenen Straßenklasse geprüft wird, sondern Teilabschnitte oder Teilintervalle mit unterschiedlichem Abstand zum Kraftfahrzeug (daher „Abstandsintervalle“) werden individuell für sich daraufhin überprüft, ob sie die Zulässigkeitsbedingung erfüllen. Hierdurch ergibt sich der Vorteil, dass ein „Herausmitteln“ von Indizien oder Charakteristiken über das gesamte Straßensegment hinweg verhindert ist. Ist beispielsweise in dem am weitest entfernten Abstandsintervall die Straße nicht mehr Bestandteil der zumindest einen zugelassenen Straßenklasse, so können sich in diesem am weitesten entfernten Abstandsintervall entsprechende Charakteristiken befinden, die dies eindeutig signalisieren. Fährt das Kraftfahrzeug beispielsweise auf einer Autobahn und wechselt auf die Abbiegespur, so kann für das unmittelbar vorausliegende Abstandsintervall noch die Zulässigkeitsbedingung „Autobahn vorhanden“ erfüllt sein, während am Ende der Ausfahrt in einer Kurve zum Verlassen der Autobahn die Charakteristik „Kurve mit Kurvenradius kleiner als X Meter“ vorhanden sein kann, die signalisiert, dass hier nicht mehr die Straßenklasse „Autobahn“ vorhanden ist. Diese eindeutige Charakteristik würde aber bei einer Berechnung der Existenzwahrscheinlichkeit für die Straßenklasse „Autobahn“ über das gesamte vorausliegende Straßensegment hinweg unter Umständen herausgemittelt, weil in den davor liegenden Abstandsintervallen die Charakteristiken für die Straßenklasse „Autobahn“ überwiegen. Wird dagegen die Existenzwahrscheinlichkeit für das Vorhandensein der Straßenklasse „Autobahn“ für die Abstandsintervalle getrennt berechnet, so kann für das letzte, am weitesten entfernte Abstandsintervall zuverlässig die Charakteristik betreffend den Kurvenradius erkannt und signalisiert werden, dass in diesem Abstandsintervall keine Autobahn oder allgemein die zulässige Straßenklasse mehr vorhanden ist. Bevorzugt ist das Straßensegment in zumindest zwei Abstandsintervalle, bevorzugt mehr als zwei, bevorzugt mehr als drei, insbesondere mehr als vier Abstandsintervalle unterteilt. Es kann auch für jede Charakteristik eine eigene Unterteilung des Straßensegments in charakteristik-bezogene Abstandsintervalle unterschiedlicher Länge entlang der Fahrtrichtung vorgesehen sein, beispielsweise Abstandsintervalle mit der Länge 50 Meter, Abstandsintervalle mit der Länge 100 Meter, um nur Beispiele zu nennen.

Eine Weiterbildung umfasst, dass für den Fall, dass ein dem Kraftfahrzeug nächstes Abstandsintervall die Zulässigkeitsbedingung erfüllt (also der Fahrmodus noch aktiv sein darf) und aber zumindest ein dahinter liegendes Abstandsintervall die Zulässigkeitsbedingung verletzt (also bis zum Erreichen dieses vorausliegenden Abstandsintervalls der Fahrmodus deaktiviert sein sollte), die Blockiermaßnahme eine Übergaberoutine zum Übergeben einer Längsführung und/oder Querführung des Kraftfahrzeugs an einen Fahrer des Kraftfahrzeugs umfasst. Mit anderen Worten wird für einen zukünftigen Zeitpunkt oder einen zukünftigen Ort entlang der Fahrtrichtung in dem Straßensegment erkannt, dass dort der Fahrmodus deaktiviert werden muss. Entsprechend wird als Blockiermaßnahme zum Blockieren oder Deaktivieren des Fahrmodus die Übergaberoutine ausgelöst oder durchgeführt. Diese Übergaberoutine ist an sich aus dem Stand der Technik bekannt und kann beispielsweise einen Hinweis oder eine Ausgabe an den Fahrer umfassen, dass dieser sich bereit für die Übernahme der Führung des Kraftfahrzeugs machen soll. Zusätzlich oder alternativ dazu kann mittels eines Nothalts sichergestellt werden, dass der Fahrmodus nicht im Bereich einer nicht zugelassenen oder unzulässigen Straßenklasse betrieben werden muss, wenn beispielsweise die Übernahmeprozedur oder Übernahmeroutine für den Fahrer scheitert.

Eine Weiterbildung umfasst, dass die besagte Blockiermaßnahme umfasst, dass für den Fall, dass in dem vorausliegenden Straßensegment die Zulässigkeitsbedingung verletzt ist, bei deaktiviertem Fahrmodus eine Aktivierung des Fahrmodus blockiert wird und/oder bei aktiviertem Fahrmodus eine Übergabe an einen Fahrer und/oder ein Nothalt durchgeführt und danach der Fahrmodus deaktiviert wird. Allgemein kann also bei deaktiviertem Fahrmodus durch die Blockiermaßnahme verhindert werden, dass der Fahrmodus aktiviert wird. Beispielsweise kann ein entsprechendes Bedienelement im Kraftfahrzeug, welches zum Aktivieren des Fahrmodus vorgesehen ist, ausgeschaltet oder ausgeblendet (im Falle eines Touchscreens) werden. Bei aktiviertem Fahrmodus werden die Übergabe an den Fahrer und/oder der Nothalt forciert.

Eine Weiterbildung umfasst, dass zumindest in dem zweiten Signalpfad (Umfelddaten) die zumindest eine zulässige Straßenklasse und/oder zumindest eine vorbestimmte unzulässige Straßenklasse (Fahrmodus muss hier deaktiviert sein) definiert ist und jeweils die aktuelle Existenzwahrscheinlichkeit für jede der Straßenklassen parallel berechnet werden. Bevorzugt berücksichtigt dabei eine Gedächtnisfunktion für zumindest eine der Straßen klassen oder alle der Straßenklassen beim Berechnen von deren Existenzwahrscheinlichkeit auch bereits durchfahrene, zurückliegende Straßensegmente, wobei diese Gedächtnisfunktion ein Abbauverhalten der in diesen zurückliegenden Straßensegmenten geschätzten Charakteristiken (d.h. einen Vergessensfaktor) in Abhängigkeit von einem zeitlichen und/oder örtlichen Abstand zu dem jeweiligen zurückliegenden Straßensegment umfasst. Mit anderen Worten ist für jeden Ort auf der Straße eine Schätzung oder Berechnung der Existenzwahrscheinlichkeit für jede Straßenklasse vorhanden. Es sollte dann zumindest für eine Straßenklasse, bevorzugt für genau eine Straßenklasse, eine Existenzwahrscheinlichkeit mit einem Wert größer als der besagte Schwellenwert signalisiert oder ermittelt sein. Indem aber parallel oder gleichzeitig für alle Straßenklasse eine Schätzung von deren Existenzwahrscheinlichkeit durchgeführt wird, kann auch ein zurückliegendes oder vergangenes Straßensegment beziehungsweise die darin geschätzten Charakteristiken bei der Berechnung der Existenzwahrscheinlichkeit berücksichtigt werden und beispielsweise akkumuliert oder mittels einer Regression berücksichtigt werden. Beginn beispielsweise in einem Straßensegment eine Mittelleitplanke und wird dieser Anfang der Mittelleitplanke von dem Kraftfahrzeug passiert und verläuft die Mittelleitplanke weiter in der Straße, so kann beispielsweise nach einer durch das Kraftfahrzeug zurückgelegten Strecke von einer vorbestimmten Mindestlänge, beispielsweise 1 Kilometer, die Charakteristik „Mittelleitplanke vorhanden“ nicht nur für das aktuelle Straßensegment, sondern mittels der Gedächtnisfunktion auch für zurückliegende bereits passierte oder durchfahrene Straßensegmente oder Orte auf der Straße berücksichtigt werden. Allerdings verliert eine Charakteristik ihre Bedeutung oder ihre Aussagekraft bei der Schätzung der Existenzwahrscheinlichkeit der Straßenklasse des aktuellen Straßensegments, weshalb zeitlich und/oder örtlich zurückliegende Charakteristiken mittels des Vergessenfaktors entfernt oder ausgeblendet werden. Als zeitliche Abstand kann beispielsweise vorgesehen sein, dass eine Charakteristik ausgeblendet ist, deren Beobachtungszeitpunkt oder Schätzzeitpunkt weiter zurückliegt als ein Zeitwert in einem Bereich von beispielsweise 10 Sekunden bis 15 Minuten. Zusätzlich oder alternativ dazu kann beispielsweise mittels der beschriebenen Lokalisierung des Kraftfahrzeugs ermittelt werden, wie groß ein örtlicher Abstand des Kraftfahrzeugs zu dem Beobachtungsort für eine Charakteristik geworden ist, wobei als Wert für das Vergessen oder Ausblenden einer Charakteristik ein Abstand in einem Bereich von mehr als 20 Meter bis mehr als 5 Kilometer gewählt werden kann, um nur Beispiele zu nennen. Wenn sich also die Hinweise oder Charakteristiken für eine bestimmte Straßenklasse während der Fahrt „vermehren“ oder wiederholen oder akkumulieren oder aggregieren, so kann dies mittels der Gedächtnisfunktion erkannt und bei der Berechnung der Existenzwahrscheinlichkeit für eine Straßenklasse, die bisher nicht erkannt wurde, berücksichtigt werden.

Eine Weiterbildung umfasst, dass für jede überprüfte Straßenklasse jeweils für jede Charakteristik eine Gesamtkennzahl auf Basis von gemessenen Klassifikationsunsicherheiten und/oder Existenzunsicherheiten und/oder Zustandsunsicherheiten beim Sensieren der entsprechenden Umfeldmerkmale anhand der Umfelddaten berechnet wird, wobei die Gesamtkennzahl einen Grad der Ausprägung dieser Charakteristik signalisiert, wobei beispielsweise ein höherer Absolutwert der Gesamtkennzahl eine stärkere Ausprägung bedeutet. Um die Existenzwahrscheinlichkeit aus den beobachteten Charakteristiken zu ermitteln, kann jede Charakteristik durch eine einzelne Gesamtkennzahl quantisiert werden. Hiermit kann die bereits beschriebene Klassifikationsunsicherheit und/oder Existenzunsicherheit und/oder Zustandsunsicherheit für die Schätzung oder Beobachtung der Charakteristiken (beispielsweise Fußgänger oder Mittelleitplanke) und/oder deren Existenz (sicher vorhanden oder mit X % vorhanden) und den Zustand (viele oder wenige Fußgänger) zusammengefasst werden. Diese Gesamtkennzahl beschreibt, wie zuverlässig aus den Umfelddaten aus dem zumindest einen Sensor die jeweilige Charakteristik abgeleitet werden konnte. Hier kann beispielsweise auf eine Ausgabe eines Algorithmus für maschinelles Lernen, beispielsweise eine Ausgabe eines künstlichen neuronalen Netzwerks, zurückgegriffen werden.

Eine Weiterbildung umfasst, dass für jede überprüfte Straßenklasse aus den insgesamt in dem Straßensegment beobachteten Charakteristiken eine klassenspezifische Auswahl und/oder eine klassenspezifische Gewichtung gemäß in der Steuerschaltung gespeicherten Relevanzdaten, welche eine Relevanz der Charakteristiken bezüglich der jeweiligen Straßenklasse angeben, durchgeführt wird. Somit kann verhindert werden, dass eine Schätzung oder Berechnung einer Existenzwahrscheinlichkeit für eine Straßenklasse dadurch unsicher gemacht wird, dass eine für die Berechnung der Existenzwahrscheinlichkeit irrelevante Charakteristik berücksichtigt wird, für die beispielsweise eine große Beobachtungsunsicherheit oder Schätzunsicherheit vorliegt und/oder die keine zuverlässiges Indiz für eien Straßenklasse ist, weil sie sowohl für eine zugelassene als auch eine unzulässige Straßenklasse typisch ist. Es wird somit berücksichtigt, dass es auch Charakteristiken geben kann, die sowohl für eine zugelassene Straßenklasse als auch für eine unzulässige Straßenklasse typisch oder charakteristisch sind, weshalb für die Unterscheidung zwischen zulässiger und unzulässiger Straßenklasse diese Charakteristik beispielsweise als irrelevant ausgeblendet oder unberücksichtigt bleiben kann. Als Kategorien für die Auswahl können beispielsweise angegeben sein: Unbedingt notwendig, bedingt notwendig, optional. Eine unbedingt notwendige Charakteristik kann angeben, dass ohne eine Beobachtung oder Schätzung dieser Charakteristik die entsprechende Straßenklasse auch nicht vorhanden sein kann oder die Charakteristik anders herum fehlen muss, damit die Straßenklasse vorhanden sein kann. Eine bedingt notwendige Charakteristik besagt, dass diese beispielsweise aktuell verdeckt sein kann, also für das aktuelle Straßensegment nicht beobachtet werden muss, aber beispielsweise mittels der Gedächtnisfunktion signalisiert werden soll, dass diese Charakteristik zumindest zeitweise innerhalb eines vergangenen Zeitraums, beispielsweise innerhalb der letzten zehn Minuten, oder innerhalb eines vorbestimmten Abstands, beispielsweise innerhalb des vergangenen Kilometers, vorhanden gewesen sein muss.

Eine Weiterbildung umfasst, dass für den Fall, dass der erste Signalpfad und der zweite Signalpfad dieselbe Straßenklasse signalisieren, die signalisierte Straßenklasse in ein Umfeldmodell (sogenannte dynamische digitale Umfeldkarte) eingetragen wird, anhand welchem eine teilautonome oder vollautonome Fahrfunktion in dem automatischen Fahrmodus eine Fahrtrajektorie plant und hierbei eine zu befolgende Verhaltensregel und/oder eine zu beachtende Verkehrsregel in Abhängigkeit von der im Umfeldmodell eingetragenen Straßenklasse auswählt. Somit wird also die Überprüfung der Zulässigkeitsbedingung auch dafür genutzt, die durch beide Signalpfade signalisierte Straßenklasse zum Festlegen eines Fahrverhaltens des Kraftfahrzeugs zu steuern. Eine zu befolgende Verhaltensregel kann beispielsweise angeben, dass Überholen bevorzugt ist oder anders herum zu vermeiden ist. Eine zu beachtende Verkehrsregel kann die für die Straßenklasse vorgesehene Verkehrsregel sein, die implizit durch die Straßenklasse vorgegeben ist (wie beispielsweise eine Maximalgeschwindigkeit oder Höchstgeschwindigkeit für Landstraßen) und/oder ein Fahrstil, z.B. die Wahrscheinlichkeit für eine Überholversuch. Somit werden die Signalpfade auch dafür genutzt, in dem Umfeldmodell die Information der aktuell vorliegenden Straßenklasse bereitzustellen.

Als eine weitere Lösung umfasst die Erfindung eine Steuerschaltung für ein Kraftfahrzeug, wobei die Steuerschaltung eine Prozessoreinrichtung aufweist, die dazu eingerichtet ist, eine Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen. Die Steuerschaltung kann eine Datenverarbeitungsvorrichtung oder eine Prozessoreinrichtung aufweisen, die dazu eingerichtet ist, eine Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen. Die Prozessoreinrichtung kann hierzu zumindest einen Mikroprozessor und/oder zumindest einen Mikrocontroller und/oder zumindest einen FPGA (Field Programmable Gate Array) und/oder zumindest einen DSP (Digital Signal Processor) aufweisen. Des Weiteren kann die Prozessoreinrichtung Programmcode aufweisen, der dazu eingerichtet ist, bei Ausführen durch die Prozessoreinrichtung die Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen. Der Programmcode kann in einem Datenspeicher der Prozessoreinrichtung gespeichert sein. Die Steuerschaltung kann als ein Steuergerät oder als ein Verbund mehrerer Steuergeräte für das Kraftfahrzeug ausgestaltet sein. Die Steuerschaltung kann zusätzlich oder alternativ dazu einen Zentralcomputer für ein Kraftfahrzeug umfassen.

Als eine weitere Lösung umfasst die Erfindung ein Kraftfahrzeug mit zumindest einem Sensor zum Erzeugen von sensorbasierten Umfelddaten sowie mit einer Ausführungsform der erfindungsgemäßen Steuerschaltung. Das erfindungsgemäße Kraftfahrzeug ist bevorzugt als Kraftwagen, insbesondere als Personenkraftwagen oder Lastkraftwagen, oder als Personenbus oder Motorrad ausgestaltet.

Die Erfindung umfasst auch die Kombinationen der Merkmale der beschriebenen Ausführungsformen. Die Erfindung umfasst also auch Realisierungen, die jeweils eine Kombination der Merkmale mehrerer der beschriebenen Ausführungsformen aufweisen, sofern die Ausführungsformen nicht als sich gegenseitig ausschließend beschrieben wurden.

Im Folgenden sind Ausführungsbeispiele der Erfindung beschrieben. Hierzu zeigt:

Fig. 1 eine schematische Darstellung einer Ausführungsform des erfindungsgemäßen Kraftfahrzeugs mit einer Ausführungsform der erfindungsgemäßen Steuerschaltung, durch welche eine Ausführungsform des erfindungsgemäßen Verfahrens durchgeführt werden kann; und

Fig. 2 eine Skizze zur Veranschaulichung einer Berechnung einer Existenzwahrscheinlichkeit einer zulässigen Straßen klasse.

Bei den im Folgenden erläuterten Ausführungsbeispielen handelt es sich um bevorzugte Ausführungsformen der Erfindung. Bei den Ausführungsbeispielen stellen die beschriebenen Komponenten der Ausführungsformen jeweils einzelne, unabhängig voneinander zu betrachtende Merkmale der Erfindung dar, welche die Erfindung jeweils auch unabhängig voneinander weiterbilden. Daher soll die Offenbarung auch andere als die dargestellten Kombinationen der Merkmale der Ausführungsformen umfassen. Des Weiteren sind die beschriebenen Ausführungsformen auch durch weitere der bereits beschriebenen Merkmale der Erfindung ergänzbar.

In den Figuren bezeichnen gleiche Bezugszeichen jeweils funktionsgleiche Elemente.

Fig. 1 zeigt ein Kraftfahrzeug 10, bei dem es sich um einen Kraftwagen, insbesondere einen Personenkraftwagen oder Lastkraftwagen, handeln kann. In dem Kraftfahrzeug 10 kann eine automatisierte Fahrfunktion 11 , z.B. ein Autopilot, vorgesehen sein, der in dem Kraftfahrzeug 10 beispielsweise für eine Längsführung einen Antriebsmotor 12 und/oder Bremsen 13 steuern kann und für eine Querführung eine Lenkung 14 steuern kann. Es können auch nur beispielsweise eine Längsführung oder eine Querführung vorgesehen sein. Der Autopilot 11 ist aktiv, wenn ein Fahrmodus F aktiviert ist. Hierbei kann vorgesehen sein, dass die Fahrfunktion 11 lediglich für vorbestimmte Straßenklassen oder zumindest eine vorbestimmte Straßenklasse zugelassen ist, also lediglich auf zumindest einer zulässigen Straßenklasse, beispielsweise Autobahn oder Landstraße, aktiv sein darf. Das Kraftfahrzeug 10 kann sich aktuell auf einer Fahrt entlang einer Fahrtrichtung 15 auf einer Straße 16 bewegen. Für die Straße 16 kann im Kraftfahrzeug 10 überprüft oder festgestellt werden, ob ein in Fahrtrichtung 15 dem Kraftfahrzeug 10 vorausliegendes Straßensegment 17 der zumindest einen zugelassenen oder zulässigen Straßenklasse entspricht. Hierzu kann in dem Kraftfahrzeug 10 eine Steuerschaltung 18 bereitgestellt sein, die beispielsweise durch ein Steuergerät oder einen Verbund aus mehreren Steuergeräten und/oder einen Zentralcomputer des Kraftfahrzeugs 10 realisiert sein kann. In der Steuerschaltung 18 können zwei voneinander unabhängige Signalpfade 19, 20 beispielsweise auf der Grundlage eines Programmcodes oder einer Software implementiert sein, um eine Zulässigkeitsbedingung 21 zu überprüfen, die angibt, dass das vorausliegende Straßensegment 17 der zumindest einen zugelassenen Straßenklasse entspricht. Ist diese Zulässigkeitsbedingung 21 verletzt, so kann eine vorbestimmte Blockiermaßnahme 22 durch die Steuerschaltung 18 ausgelöst werden. Diese kann dann in der Fahrfunktion 11 den Fahrmodus F deaktivieren oder dessen Aktivierung verhindern.

Der Signalpfad 19 kann vorsehen, dass mittels eines Empfängers 23 für ein Positionssignal 24 eines GNSS 25, beispielsweise des GPS, eine aktuelle Geoposition 26 des Kraftfahrzeugs 10 lokalisiert oder ermittelt wird und diese Geopositionsdaten der Geoposition 26 durch die Steuerschaltung 18 empfangen werden. Mittels einer digitalen Straßenkarte 27 beispielsweise aus einer Navigationsdatenbank 28 kann ermittelt werden, ob an der Geoposition 26 die Straße 16 der zumindest einen zugelassenen Straßenklasse entspricht. Es kann also aus den Kartendaten der digitalen Straßenkarte 27 eine aktuell vorhandene oder befahrene oder vorausliegende Straßenklasse 29 geschätzt werden. Diese Straßenklasse 29, wie sie der erste Signalpfad 19 signalisiert, kann als Eingabe für die Zulässigkeitsbedingung 21 verwendet werden. Der zweite Signalpfad 20 kann vorsehen, dass für eine oder für mehrere mögliche Straßenklassen jeweils eine Existenzwahrscheinlichkeit 30 der Straßenklasse und/oder eine durch einen Schwellwertvergleich ermittelte geschätzte Straßenklasse 31 durch den zweiten Signalpfad 20 signalisiert wird. Hierzu können aus zumindest einem Umfeldsensor 32 jeweils Sensordaten oder Umfelddaten 33 empfangen werden. Beispiele für Umfeldsensoren 32 sind: Eine Kamera, ein Radar, ein Lidar, ein Ultraschallsensor. Jeweilige Erfassungsbereiche 34 der Umfeldsensoren 32 können in das Straßensegment 17 ausgerichtet sein. Anhand der Umfelddaten kann durch eine Schätzroutine 35, beispielsweise ein künstliches neuronales Netzwerk, anhand von durch die Umfelddaten 33 beschriebenen Umfeldmerkmalen 36, beispielsweise Objekten im Umfeld 37 des Kraftfahrzeugs 10 im Bereich des Straßensegments 17 oder in dem daran angrenzenden Bereich rechts und links der Straße 16, ermittelt werden, welche Charakteristiken 38 in dem Straßensegment 17 vorhanden sind, ob beispielsweise eine Mittelleitplanke vorhanden ist und/oder ob Fußgänger anwesend sind. Auf Grundlage der jeweiligen Ausprägung oder des Grads der Charakteristik 38 kann auf der Grundlage von Relevanzdaten 39 entschieden oder ermittelt werden, welche der Charakteristiken 38 für welche der Straßenklassen, die überprüft werden, zugrundezulegen sind, um mittels einer Wahrscheinlichkeitsschätzung 40 eine jeweilige Existenzwahrscheinlichkeit 41 für ein Vorliegen oder Vorhandensein der jeweiligen Straßenklasse in dem Straßensegment 17 zu berechnen. Mittels eines Schwellenwertvergleichs 42 kann dann die jeweilige Existenzwahrscheinlichkeit 41 mit einem Schwellenwert 43 verglichen werden, um zu ermitteln, welche Straßenklasse 31 durch den zweiten Signalpfad 20 der Zulässigkeitsbedingung 21 als weiterer Input oder Eingabe zu signalisieren ist. Nur für den Fall, dass beide Signalpfade 19, 20 dieselbe Straßenklasse 29, 31 signalisieren, bleibt die Blockiermaßnahme 22 deaktiviert oder ungenutzt. Wird die Blockiermaßnahme 22 aktiviert, so wird bei aktivem Fahrmodus F eine Übergabe an den Fahrer durchgeführt und/oder ein Nothalt durchgeführt.

Fig. 2 veranschaulicht, wie in dem Kraftfahrzeug 10 für das vorausliegende Straßensegment beispielsweise in dem zweiten Signalpfad 20 die geschätzte Straßenklasse 31 ermittelt wird. Dargestellt ist, wie unterschiedlichen Charakteristiken C1 bis C6, beispielsweise „Mittelleitplanke vorhanden“, „Fußgänger präsent“, aus den Umfelddaten 33 geschätzt worden sind und für jede Charakteristik 38 eine Gesamtkennzahl G ermittelt worden ist. Des Weiteren ist dargestellt, dass die Gesamtkennzahl G innerhalb des Straßensegments 17 für jede Charakteristik 38 in unterschiedlichen Abstandsintervallen 50 unabhängig oder individuell berechnet werden kann. Für jede Charakteristik 38 kann dabei eine eigene Länge der Abstandsintervalle 50 entlang der Fahrtrichtung 15 definiert oder vorgesehen sein. In den Überschneidungsbereichen der Abstandsintervalle 50 können die Gesamtkennzahlen G der unterschiedlichen Charakteristiken 38 miteinander kombiniert oder zusammen genutzt werden. So kann für unterschiedliche Straßenklassen K, hier repräsentiert durch vier unterschiedliche Straßenklassen K1, K2, K3, K4, jeweils die Existenzwahrscheinlichkeit E, 41 berechnet werden und hierbei anhand der Relevanzdaten 39 (repräsentiert durch gestrichelte Linien) für die Ermittlung der Existenzwahrscheinlichkeit E einer jeweiligen Straßenklasse K1 , K2, K3, K4 unterschiedliche Gesamtkennzahlen G zugrundegelegt oder kombiniert werden. Für jedes resultierende Abstandsintervall kann dann eine eigene Schätzung oder Signalisierung einer geschätzten Straßenklasse 31 erfolgen, beispielsweise diejenige Straßenklasse K1 bis K4, mit der größten Existenzwahrscheinlichkeit E oder mit einer zusätzlichen Bedingung, dass die Existenzwahrscheinlichkeit E größer als ein vorbestimmter Mindestwert sein muss. In Fig. 2 ist veranschaulicht, dass ein dem Kraftfahrzeug 10 nächstes Abstandsintervall A1 einer zulässigen Straßenklasse entspricht, während das nachfolgende Abstandsintervall A2 einer unzulässigen Straßenklasse entspricht (jeweils symbolisiert durch unterschiedliche Schraffur). Die Zulässigkeitsbedingung 21 ist somit innerhalb des Straßensegments 17 aufgrund des Abstandsintervalls A2 verletzt. Entsprechend wird die Blockiermaßnahme 22 ausgelöst, die aufgrund des noch verfügbaren Abstandsintervalls 50 mit einer zulässigen Straßenklasse beispielsweise eine Übernahmeprozedur zum Übergeben der Fahraufgabe an den Fahrer durchführen oder auslösen kann.

Um den Sicherheitsanforderungen an die Erkennung einer Straßenklasse beim automatisierten Fahren gerecht zu werden, wird bevorzug eine Dekomposition gemäß ISO 26262 in zwei redundante ASIL B (D) Straßenklassifikationen durchgeführt. Zum einen erfolgt eine Straßenklassifikation mittels Lokalisierung auf einer HD-Karte (digitalen Straßenkarte). Zum anderen erfolgt eine Klassifikation mit Hilfe von Umfeldmerkmalen, die durch fahrzeugeigene Umfeldsensoren erfasst werden, welches die Neuartigkeit darstellt. Ziel dieses neuen Verfahrens ist es somit, die Straßenklasse durch den Vergleich der im Umfeld erfassten Merkmale und deren Zustände mit den aus Gesetzen, Richtlinien und Statistiken ermittelten Charakteristiken zu schätzen.

Um den Sicherheitsanforderungen an die Erkennung der Straßen klasse gerecht zu werden, wird eine Dekomposition gemäß ISO 26262 in zwei redundante ASIL B (D) Straßenklassifikationen durchgeführt. Zum einen erfolgt eine Straßenklassifikation mittels Lokalisierung auf einer HD-Karte. Zum anderen erfolgt eine Klassifikation mit Hilfe von Umfeldmerkmalen, die durch fahrzeugeigene Umfeldsensoren erfasst werden. Das Ergebnis dieser Klassifikation ist eine Verteilung über die in der Funktion definierten Straßenklassen, wobei die Zuverlässigkeit in der Höhe des Wahrscheinlichkeitswerts jeder Straßenklasse berücksichtigt ist. Ein Umfeldmerkmal ist eine abstrakte Information in der Umgebung des Ego- Fahrzeugs, welche durch verschiedene Umfeldsensoren (z.B. Radar, Lidar und Kamera) erfasst, verarbeitet und anschließend von einer Sensordatenfusion zusammengeführt wird. Wichtige Umfeldmerkmale sind z.B. Fahrstreifenmarkierungen, Verkehrszeichen, Leitplanken, Leitbaken, Wände, Fahrzeuge und Lebewesen. Sie alle besitzen neben der geometrischen Position bzw. dem Verlauf im fahrzeugeigenen Koordinatensystem auch andere Zustände wie z.B. Fahrzeugtyp, Geschwindigkeiten und Beschleunigungen bei Fahrzeugen; Farbe, Strichelungstyp und Breite bei Fahrstreifenmarkierungen sowie Schildtyp und Inhalt bei Verkehrszeichen. Zur Ermittlung der Straßenklasse werden die Zustände aller in der Umgebung wahrgenommenen Umfeldmerkmale analysiert. Anschließend erfolgt ein Abgleich mit für die Straßenklasse typischen Charakteristiken, um so eine wahrscheinlichkeitsbasierte Aussage für die Straßenklasse zu ermitteln. Derartige Charakteristiken werden a priori untersucht und definiert. Da sich diese in verschiedenen Ländern deutlich unterscheiden oder auch während des Lebenszyklus des Produktes ändern können, werden diese in einer Datenbank hinterlegt und über Updates aktuell gehalten. Als Ausgangpunkt für die Definition der Charakteristiken verschiedener Straßenklassen dienen zum einen die vorliegenden Gesetze und Richtlinien des jeweiligen Einsatzlandes. In Deutschland sind hier z.B. die StVO, VwV-StVO oder die verschiedenen Richtlinien für die Anlage von Straßen zu nennen. Diese formulieren Richtlinien für Linienführung und Querschnitte von Fahrstreifenmarkierungen, Art, Größe und Position von Verkehrszeichen oder Verlauf und Anordnung von Leitplanken vor. Analoge Regelwerke gibt es auch für den chinesischen und amerikanischen Straßenbau. Zum anderen können Charakteristiken durch datengetriebene, statistische Analysen ermittelt werden. Hierfür sind zum Beispiel das Aufkommen bzw. die Häufigkeit bestimmter Verkehrszeichen in den verschiedenen Straßen klassen, Existenz und Verhaltensmuster von anderen Verkehrsteilnehmern oder auch die Straßentopologie zu nennen. Dadurch gibt es sowohl Charakteristika, die eindeutig Rückschlüsse auf die Straßenklasse zulassen, als auch welche, die nur eine Indikation, in Form einer erhöhten Wahrscheinlichkeit für eine oder mehrere Straßenklassen, liefern. Ziel des Verfahrens ist es somit, die Straßenklasse durch den Vergleich der im Umfeld erfassten Merkmale und deren Zustände mit den aus Gesetzen, Richtlinien und Statistiken ermittelten Charakteristiken zu schätzen. Bevorzugt entsprechen die verwendeten Umfeldmerkmale der Sicherheitsintegrität ASIL-B (D). Das Umfeldmodell wird mit der geschätzten Straßenklasse angereichert.

Der Vorteil des Verfahrens ist, dass die Zuverlässigkeit der Eingangsdaten einen direkten Einfluss auf den Wahrscheinlichkeitswert einer Straßenklasse hat. Sind die Sensormessdaten schlecht kann das bei der Entscheidung über die Verfügbarkeit einer automatisierten Fahrfunktion berücksichtigt werden. Zudem können Unsicherheitsbeziehungen zwischen zwei oder mehreren Straßenklassen hergestellt werden. Sind alle Straßenklassen mit einem signifikanten Wahrscheinlichkeitswert für die automatisierte Fahrfunktion freigegeben, ist unter Umständen auch eine niedrigere Gesamtsicherheit für eine bestimmte Straßenklasse ausreichend um die Fahrfunktion anzubieten. Die Redundanz zur Erkennung der Straßenklasse mittels HD-Karten- Informationen ermöglicht eine höhere Sicherheitsintegrität sowie Zuverlässigkeit. Trotz möglichen Fehlern in der Lokalisierung oder Fehlern in der HD-Karte (digitalen Straßenkarte) kann somit die Straßenklasse durch die Onboard-Sensoren ermittelt werden. Des Weiteren reduziert die Dekomposition der Straßenklassenerkennung in zwei redundante Verfahren die technische Komplexität und die Sicherheitsanforderungen an deren Realisierung. Dadurch, dass die Informationen von verschiedenen Sensorprinzipien (Radar, Lidar, Kamera) bei der Schätzung berücksichtigt wird, kann zudem eine erhöhte Zuverlässigkeit erfolgen, da z.B. eine rein kamerabasierte Erkennung der Straßenklasse deutlich fehlanfälliger wäre. Die Straßenklasse wird neben der Aktivierung und Deaktivierung des Systems auch für die Modellierung von Verkehrsregeln benötigt, wodurch auch hier die Zuverlässigkeit erhöht wird.

Die vorhandenen Umfeldmerkmale werden von den fahrzeugeigenen Sensoren erfasst und durch eine Sensordatenfusion zusammengeführt. Am Ausgang dieser Fusion liegen verschiedene Eigenschaften der Umfeldmerkmale vor, wie z.B. Klassifizierung, Existenzmaß, Pose, Kinematik und geometrischer Verlauf. Diese Daten werden verwendet um ein Umfeldmodell des Ego-Fahrzeugs zu erzeugen. Aus diesem Umfeldmodell werden die zu überprüfenden Charakteristiken durch die Zustände und Beziehungen der Umfeldmerkmale extrahiert. Die Charakteristiken sind übergeordnete Anzeiger für Eigenschaften die das Umfeldmodell aufweist. Zum Beispiel wird aus einzelnen Fußgängern im Umfeldmodell die Charakteristik „Fußgänger anwesend“ ermittelt. Diese extrahierten Charakteristiken werden mit den für die Straßenklasse als relevant oder typisch hinterlegten Charakteristiken verglichen. Für jede Charakteristik wird eine Gesamtkennzahl auf Basis der gemessenen Klassifikationsunsicherheiten, Existenzunsicherheiten und

Zustandsunsicherheiten der entsprechenden Umfeldmerkmale berechnet. Die Gesamtkennzahl gibt Aufschluss über die Ausprägung dieser Charakteristik, wobei ein höherer Absolutwert der Zahl eine stärkere Ausprägung bedeutet. Die Charakteristiken werden in jedem Rechenschritt unter Berücksichtigung der vorhergehenden Ergebnisse aktualisiert. Im zeitlichen Verlauf können die verschiedenen Charakteristiken ein Aufbau oder Abbauverhalten aufweisen, um das Verhalten zu stabilisieren und um Einzelereignissen, die nur eine begrenzte zeitliche Gültigkeit haben, Rechnung zu tragen. Für Charakteristiken, die aus ortsgebundenen Umfeldmerkmalen ermittelt werden, kann zudem eine ortsabhängige Komponente berücksichtigt werden. Beispielweise muss der Abstand zu einem bestimmten Umfeldmerkmal mindestens eine bestimmte Distanz überschreiten, damit das zeitliche Abbauverhalten der Charakteristik angewandt wird.

Die wahrscheinlichkeitsbasierte Schätzung einer Straßenklasse erfolgt durch Kombination der für diese Klasse relevanten Charakteristiken. In welcher Form die Charakteristiken zur Schätzung einer Straßenklasse kombiniert werden, ist nicht fest vorgegeben, sondern wird über die Datenbank abgefragt. Veränderlich ist sowohl welche Charakteristiken zur Schätzung einer Straßenklasse herangezogen werden, als auch deren Einfluss und Gewichtung auf das Ergebnis der Schätzung. Zusätzlich werden die für eine Straßenklasse relevanten Charakteristiken in die Kategorien unbedingt notwendig, bedingt notwendig und optional unterteilt. Unbedingt notwendige Charakteristiken müssen zwingend eine Mindestausprägung aufweisen, damit die Straßenklasse als vorhanden ausgegeben werden kann. Selbiges trifft auf bedingt notwendige Charakteristiken zu, mit dem Unterschied, dass es eine Bedingung gibt, die erlaubt die Straßenklasse trotzdem als vorhanden auszugeben. Optionale Charakteristiken tragen zur Plausibilisierung einer Straßenklasse bei, haben aber keinen direkten Einfluss darauf, ob eine Straßenklasse als vorhanden ausgegeben werden kann oder nicht. Alle definierten Straßenklassen werden parallel und unabhängig voneinander geschätzt, sodass am Ende eines Verarbeitungsschritts für jede definierte Straßenklasse ein Schätzwert vorliegt. Die Existenzwahrscheinlichkeiten der Charakteristiken werden außerdem in Abhängigkeit des Abstands in Fahrbahnlängsrichtung zum Ego- Fahrzeug bewertet. Dadurch ergeben sich für jede Charakteristik Abstandsintervalle in denen sich die Ausprägung der Charakteristik und/oder die Existenzwahrscheinlichkeit unterscheiden können. Die Intervalle aller Charakteristiken werden kombiniert und eine Schätzung der einzelnen Straßenklassen für jedes resultierende Intervall durchgeführt. Somit können auch vor-ausliegende Änderung der Straßenklasse erkannt werden. Durch Kombination der Einzelschätzungen ergibt sich am Ende eine Verteilung der Straßenklassen mit ihren ermittelten Wahrscheinlichkeitswerten.

Folgende Charakteristiken werden für die Schätzung der Straßenklasse berücksichtigt:

Existenz und Eigenschaften von Ampeln (Einschaltzustand, Lichtzeichenfarbe, Lichtzeichenform, Position, Anzahl) Existenz von Querverkehr

Existenz von Gegenverkehr

Existenz und Beschaffenheit einer Trennung zum Gegenverkehr (z.B. Leitplanke,

- Betonbarriere, breiter Grünstreifen)

- Vorhandene Kurvenradien (über Fahrstreifenmarkierung oder Randbebauungen)

Existenz von Kreuzungen

Existenz von Kreisverkehren

Existenz von Auf-/Abfahrten

Existenz und Eigenschaften von Verkehrsschildern (Typ, Größe, Farbe, Position)

Existenz und Eigenschaften von Fußgängern / Radfahrern (Anzahl, Häufigkeit, Position, Bewegungsrichtung) Breite der Fahrstreifen

Eigenschaften der Fahrstreifenmarkierungen (Breite, Strichelungstyp, Verlauf, Reflektivität (kann durch Lidarsensor gemessen werden))

- Steigung/Gefälle (längs und quer der Fahrbahn)

- Anzahl der Fahrstreifen

Existenz eines Seitenstreifens

Existenz und Position von Straßenbeleuchtung

- Durchschnittsgeschwindigkeiten der Fahrzeuge pro Fahrstreifen

- Abstände zwischen den Fahrzeugen (längs und quer) Existenz bzw. Häufigkeit von Fahrzeugtypen Maximalgeschwindigkeiten der Fahrzeuge Referenzen

- technische Regelwerke für das Straßenwesen in Deutschland - Richtlinien für die Anlage von Autobahnen

Insgesamt zeigen die Beispiele, wie eine Schätzung einer Straßenklasse auf Basis von sensorbasierten Umfelddaten bereitgestellt werden kann.