Verfahren zur Fahrmanöverassistenz eines Fahrzeuges,

Vorrichtung, Computerprogramm und Computerprogrammprodukt

Die Erfindung betrifft ein Verfahren zur Fahrmanöverassistenz eines Fahrzeuges. Die Erfindung betrifft des Weiteren eine Vorrichtung zur Fahrmanöverassistenz eines Fahrzeuges. Die Erfindung betrifft des Weiteren ein Computerprogramm und ein Computerprogrammprodukt .

Viele moderne Fahrzeuge weisen Fahrerassistenzsysteme auf, welche einem Fahrer zumindest teilautonom bei bestimmten Fahrmanövern helfen. Damit derartige Systeme fehlerfrei funktionieren, ist eine zuverlässige Analyse und Bewertung einer aktuellen Fahrsituation und das Treffen von passenden Entscheidungen besonders wichtig.

Die Aufgabe, die der Erfindung zugrunde liegt, ist ein

Verfahren zur Fahrmanöverassistenz eines Fahrzeuges

aufzuzeigen, welches eine zuverlässige Treffergenauigkeit aufweist .

Die Aufgabe wird gelöst durch die Merkmale der unabhängigen Patentansprüche. Vorteilhafte Ausgestaltungen sind in den Unteransprüchen gekennzeichnet.

Die Erfindung zeichnet sich aus durch ein Verfahren zur

Fahrmanöverassistenz eines Fahrzeuges. Die Erfindung zeichnet sich des Weiteren aus durch eine Vorrichtung zur

Fahrmanöverassistenz eines Fahrzeuges, wobei die Vorrichtung dazu ausgebildet ist das Verfahren zur Fahrmanöverassistenz eines Fahrzeuges auszuführen. Bei dem Verfahren zur Fahrmanöverassistenz eines Fahrzeuges wird ein vorgegebenes neuronales Netz bereitgestellt, das dazu ausgebildet ist zu ermitteln, ob ein vorgegebenes Fahrmanöver wahrscheinlich möglich ist. Es wird ein

vorgegebenes Fahrermodell bereitgestellt, das dazu

ausgebildet ist, ein wahrscheinliches zukünftiges Verhalten eines Fahrzeugs zu prädizieren. Eine aktuelle Fahrsituation des Fahrzeuges wird ermittelt. Abhängig von der ermittelten Fahrsituation, dem Fahrermodel und dem neuronales Netz wird ermittelt, ob ein vorgegebenes Fahrmanöver möglich ist. Abhängig von der Ermittlung ob das Fahrmanöver möglich ist, wird eine Fahrerassistenzfunktion für das Fahrmanöver durchgeführt und/oder das Fahrmanöver autonom durchgeführt.

Indem abhängig von der ermittelten Fahrsituation, dem

Fahrermodel und dem neuronales Netz ermittelt wird, ob ein vorgegebenes Fahrmanöver möglich ist, ist eine besonders zuverlässige Treffergenauigkeit zur korrekten

Fahrmanöverassistenz möglich, da sowohl eine aktuelle

Situation als auch ein neuronales Netz zur Ermittlung verwendet wird.

Weiterhin, ist das Verfahren auf viele mögliche Fahrmanöver anwendbar, sofern entsprechende Trainingsdaten für das neuronales Netz vorhanden sind.

Gemäß einer optionalen Ausgestaltung ist das neuronale Netz bidirektional .

Bei einem bidirektionalen neuronalen Netz fungieren die Knoten, also die Neuronen, sowohl als Eingabe- als auch als Ausgabeknoten. Dies ist besonders forteilhaft bei einer Fahrmanöverassistenz, da es möglich ist, dass Fahrer von Fahrzeugen Fahrmanöver abbrechen und somit wieder zurück zu einer ursprünglichen Fahrsituation wechseln.

Gemäß einer weiteren optionalen Ausgestaltung ist das

neuronale Netz rekurrent, insbesondere bidirektional und rekurrent .

Ein rekurrentes neuronales Netz weist zusätzlich

Rückkopplungspfade auf, wie einer direkten Rückkopplung, bei der der eigene Ausgang eines Neurons als weiterer Eingang genutzt wird, einer indirekten Rückkopplung, bei der der Ausgang eines Neurons mit einem Neuron einer vorhergehenden Schicht verbunden ist und/oder einer seitlichen Rückkopplung, bei der der Ausgang eines Neurons mit einem anderen Neuron derselben Schicht verbunden ist. Dies ist besonders

forteilhaft bei einer Fahrmanöverassistenz, da es möglich ist, dass Fahrer von Fahrzeugen Fahrmanöver abbrechen und somit wieder zurück zu einer ursprünglichen Fahrsituation wechseln .

Gemäß einer weiteren optionalen Ausgestaltung wird eine Menge an Fahrdaten bereitgestellt, wobei die Fahrdaten

repräsentativ sind für vergangene Fahrten. Das neuronale Netz wird mit der Menge an Fahrdaten trainiert.

Hierdurch werden an das neuronale Netz sowohl vergangene Fahrdaten als auch mittels des Fahrermodells prognostizierte Verhalten übergeben, sodass ein sehr genaues Training und ein sehr zuverlässiges Ermitteln, ob das Fahrmanöver möglich ist, realisiert werden kann. Die Menge an Fahrdaten umfassen beispielsweise Aufzeichnungen mehrerer Fahrten auf einer Autobahn aus öffentlichen Quellen.

Gemäß einer weiteren optionalen Ausgestaltung umfasst die Menge an Fahrdaten Daten zu ermittelten Fahrsituationen der Fahrten. Das neuronale Netz wird trainiert abhängig von den Daten zu ermittelten Fahrsituationen, wobei die Daten zu ermittelten Fahrsituationen Informationen darüber umfassen, ob bei der jeweiligen Fahrsituation das Fahrmanöver

durchgeführt werden kann.

Hierdurch kann das neuronale Netz sehr genau trainiert werden .

Eine Fahrsituation zeichnet sich beispielsweise durch eine oder mehrere der folgenden Parameter aus:

- Anzahl an Fahrzeugen um das eigene Fahrzeug,

- Verhalten dieser anderen Fahrzeuge,

- Information darüber, ob eine Spur, auf die gewechselt werden soll, im Moment frei ist,

- Information darüber, ob Sicherheitsabstände eingehalten werden .

Gemäß einer weiteren optionalen Ausgestaltung werden die Daten zu ermittelten Fahrsituationen ermittelt, indem

überprüft wird, ob das Fahrmanöver nach der jeweiligen

Fahrsituation durchgeführt wurde.

Ob ein Fahrmanöver nach einer jeweiligen Fahrsituation durchgeführt wurde oder nicht, lässt sich auf einfache Weise aus der Menge an Fahrdaten ermitteln. Somit ist eine solche Analyse sehr einfach automatisierbar, so dass somit auf einfache Weise eine große Menge an Trainingsdaten für das neuronale Netz generiert werden kann.

Gemäß einer weiteren optionalen Ausgestaltung werden die Daten zu ermittelten Fahrsituationen ermittelt, indem

überprüft wird, ob das Fahrmanöver nach der jeweiligen

Fahrsituation theoretisch durchgeführt werden kann.

Aus der Menge an Fahrdaten lässt sich auch ermitteln, ob das Fahrmanöver nach der jeweiligen Fahrsituation theoretisch durchgeführt werden kann. Auf diese Art lassen sich sehr hochwertige Trainingsdaten für das neuronale Netz ermitteln.

Gemäß einer weiteren optionalen Ausgestaltung ist das

Fahrmanöver ein Spurwechsel und/oder ein Überholmanöver.

Gerade Spurwechsel und/oder ein Überholmanöver werden sehr häufig durchgeführt. Jedoch sind beides sehr komplexe

Fahrmanöver, sodass gerade für Spurwechsel und/oder

Überholmanöver eine Fahrerassistenz oder ein autonomer

Betrieb vorteilhaft ist.

Gemäß eines weiteren Aspekts zeichnet sich die Erfindung aus durch ein Computerprogramm, wobei das Computerprogramm ausgebildet ist, das Verfahren zur Fahrmanöverassistenz eines Fahrzeuges durchzuführen.

Gemäß eines weiteren Aspekts zeichnet sich die Erfindung aus durch ein Computerprogrammprodukt, das einen ausführbaren Programmcode umfasst, wobei der Programmcode bei Ausführung durch eine Datenverarbeitungsvorrichtung das Verfahren zur Fahrmanöverassistenz eines Fahrzeuges ausführt. Das Computerprogrammprodukt umfasst insbesondere ein von der Datenverarbeitungsvorrichtung lesbares Medium, auf dem der Programmcode gespeichert ist.

Ausführungsbeispiele der Erfindung sind im Folgenden anhand der schematischen Zeichnung näher erläutert. Es zeigt:

Figur 1 Ein Ablaufdiagramm zur Fahrmanöverassistenz eines

Fahrzeuges .

Die Figur 1 zeigt ein Ablaufdiagramm eines Programms zur Fahrmanöverassistenz eines Fahrzeuges.

Das Programm kann von einer Vorrichtung abgearbeitet werden. Die Vorrichtung ist beispielsweise in einer Steuervorrichtung eines Fahrzeuges realisiert.

Die Vorrichtung kann auch als Vorrichtung zur

Fahrmanöverassistenz eines Fahrzeuges bezeichnet werden.

Die Vorrichtung weist hierfür insbesondere eine

Recheneinheit, einen Programm- und Datenspeicher, sowie beispielsweise eine oder mehrere Kommunikationsschnittstellen auf. Der Programm- und Datenspeicher und/oder die

Recheneinheit und/oder die Kommunikationsschnittstellen können in einer Baueinheit und/oder verteilt auf mehrere Baueinheiten ausgebildet sein.

Auf dem Programm- und Datenspeicher der Vorrichtung ist hierfür insbesondere ein Programm zur Fahrmanöverassistenz eines Fahrzeuges gespeichert. Das Programm wird in einem Schritt S1 gestartet, in dem gegebenenfalls Variablen initialisiert werden können.

In einem Schritt S3 wird ein vorgegebenes neuronales Netz bereitgestellt, das dazu ausgebildet ist, zu ermitteln, ob ein vorgegebenes Fahrmanöver wahrscheinlich möglich ist.

Zum Trainieren des neuronalen Netzes wird beispielsweise eine Menge an Fahrdaten bereitgestellt, wobei die Fahrdaten repräsentativ sind für vergangene Fahrten. Anschließend wird das Netz mit der Menge an Fahrdaten trainiert.

Die Menge an Fahrdaten umfassen beispielsweise Daten zu ermittelten Fahrsituationen der Fahrten. Das neuronale Netz wird beispielsweise trainiert abhängig von den Daten zu ermittelten Fahrsituationen, wobei die Daten zu ermittelten Fahrsituationen Informationen darüber umfassen, ob bei der jeweiligen Fahrsituation das Fahrmanöver durchgeführt werden kann .

Die Daten zu ermittelten Fahrsituationen werden

beispielsweise ermittelt, indem überprüft wird, ob das

Fahrmanöver nach der jeweiligen Fahrsituation durchgeführt wurde .

Alternativ oder zusätzlich werden die Daten zu ermittelten Fahrsituationen ermittelt, indem überprüft wird, ob das Fahrmanöver nach der jeweiligen Fahrsituation theoretisch durchgeführt werden kann.

Das neuronale Netz ist beispielsweise bidirektional und/oder rekurrent . In einem Schritt S5 wird ein vorgegebenes Fahrermodell bereitgestellt, das dazu ausgebildet ist ein wahrscheinliches zukünftiges Verhalten eines Fahrzeugs zu prädizieren.

In einem Schritt S7 wird eine aktuelle Fahrsituation des Fahrzeuges ermittelt.

Hierzu werden beispielsweise Daten von mehreren Sensoren ausgewertet. Eine Fahrsituation zeichnet sich beispielsweise durch eine oder mehrere der folgenden Parameter aus:

- aktuelle Spur und/oder Geschwindigkeit des eigenen

Fahrzeuges ,

- Anzahl (und Position) an Fahrzeugen um das eigene Fahrzeug,

- Verhalten (aktuelle Geschwindigkeiten und/oder aktuelle Beschleunigungen und/oder aktuelle Spurwechsel) dieser anderen Fahrzeuge,

- Information darüber, ob eine Spur, auf die gewechselt werden soll, im Moment frei ist,

- Information darüber, ob Sicherheitsabstände eingehalten werden,

- Information über einen zukünftigen Streckenverlauf.

In einem Schritt S9 wird abhängig von der ermittelten

Fahrsituation, dem Fahrermodel und dem neuronales Netz ermittelt, ob ein vorgegebenes Fahrmanöver möglich ist.

In einem Schritt Sil wird abhängig von der Ermittlung, ob das Fahrmanöver möglich ist, eine Fahrerassistenzfunktion für das Fahrmanöver durchgeführt und/oder das Fahrmanöver autonom durchgeführt . Das Fahrmanöver ist beispielsweise ein Spurwechsel und/oder ein Überholmanöver.

Abschließend wird das Programm in einem Schritt S13 beendet und kann gegebenenfalls wieder in dem Schritt S1 gestartet werden .

Indem abhängig von der ermittelten Fahrsituation, dem

Fahrermodel und dem neuronales Netz ermittelt wird, ob ein vorgegebenes Fahrmanöver möglich ist, ist eine besonders zuverlässige Treffergenauigkeit zur korrekten

Fahrmanöverassistenz möglich, da sowohl eine aktuelle

Situation als auch ein neuronales Netz zur Ermittlung verwendet wird.

Weiterhin, ist das Verfahren auf viele mögliche Fahrmanöver anwendbar, sofern entsprechende Trainingsdaten für das neuronales Netz vorhanden sind.