Die Erfindung betrifft ein Verfahren zum Auslegen eines Automatisierungsalgorithmus ei nes Fahrzeugs durch Simulation des Automatisierungsalgorithmus und eines virtuellen Szenarios, sowie eine Simulatoreinrichtung zum Ausführen des Verfahrens.

Für die Entwicklung und Validierung von automatisierten Fahrzeugen gewinnt das Szena rien- und simulationsbasierte Testen zunehmend an Bedeutung, insbesondere um kriti sche Szenarien zu berücksichtigen. Algorithmen des automatisierten Fahrzeugs, seien es Anwendungen der Regelungstechnik zur Kontrolle des Fahrzeugzustands oder seien es höherwertige Entscheidungsalgorithmen, sind so auszulegen, dass auch diese kritischen Szenarien bewältigt werden können. Herausfordernd dabei ist, dass häufig nicht die starre Umgebung, sondern das Verhalten anderer Verkehrsteilnehmer die Ursache für kritische Szenarien ist. Im Stand der Technik sind Verfahren zum Konfigurieren von virtuellen Um gebungen sowie zum Auslegen und Trainieren selbstlernender Algorithmen bekannt.

Die EP 3690 754 A1 betrifft hierzu ein Verfahren, um ein Verkehrsszenario in einer virtu ellen Umgebung zu entwerfen. Hierbei werden - frei wiedergegeben - insbesondere op tisch erfasste Daten aus Fahrversuchen und einem Video davon verwendet, um mit einer Situationsanalyse Daten über die Umgebung zu gewinnen und Informationen über den je weiligen Fahrzeugzustand zu erhalten, sowie Verkehrsinformationen zu berücksichtigen. Die Verkehrsinformationen werden in ein "Szenario-Augmentierungs-Netzwerk" eingege ben. Auf einem kritischen Szenario der Daten basierend wird schließlich ein Verkehrssi mulator konfiguriert.

Die DE 102017 007 136 A1 betrifft ferner ein Verfahren zum Trainieren selbstlernender Algorithmen für ein automatisiert fahrbares Fahrzeug mit einem vorgegebenen Automati sierungsmodul durch Erzeugung von Lernsituationen, wobei die Lernsituationen wie folgt erzeugt werden: Durchführung einer Verkehrs-Simulation, bei der ein virtuelles Ego-Fahr zeug mit dem Automatisierungsmodul des realen Fahrzeugs in ein virtuelles Szenario ge setzt wird, das Szenario umfassend eine Fahrwegestruktur mit einer vorgegebenen Fahrt route, ferner umfassend automatisiert erzeugte weitere virtuelle bewegte Objekte mit indi viduell vorgebbaren Objekteigenschaften und Verhaltensmodellen, wobei die Objekte im Zuge der fortschreitenden Simulation miteinander selbständig und adaptiv auf der Grundlage der jeweiligen Objekteigenschaften und Verhaltensmodelle interagieren; Durchführung einer Fahrdynamik-Simulation auf der Grundlage des Automatisierungsmo duls sowie von virtuellen Sensorsignalen der bewegten Objekte einer dem Ego-Fahrzeug zugeordneten virtuellen Sensorik, die einer Sensorik des real existierenden Fahrzeugs entsprechen, bei der Reaktionen des Ego-Fahrzeugs erzeugt werden; und Identifikation einer relevanten Lernsituation anhand von Auswahlkriterien, die auf der Grundlage von vorgebbaren Metriken bestimmt werden.

Aufgabe der Erfindung ist es, das Auslegen eines Automatisierungsalgorithmus eines Fahrzeugs effizienter und effektiver zu gestalten, um robustere Automatisierungsalgorith men für Fahrzeuge zu ermöglichen.

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 Verfahren zum Auslegen eines Automatisie rungsalgorithmus eines Fahrzeugs durch Simulation des Automatisierungsalgorithmus und eines virtuellen Szenarios, aufweisend die Schritte:

- Aufstellen einer Kostenfunktion, wobei ein Funktionswert der Kostenfunktion von den Parametern des Automatisierungsalgorithmus als erste Gruppe veränderbarer Optimie rungsvariablen und von den Parametern des virtuellen Szenarios als zweite Gruppe ver änderbarer Optimierungsvariablen abhängt und mit einer Güte der Ausführung des Auto matisierungsalgorithmus in dem virtuellen Szenario korreliert,

- mit konstant gehaltenen Parametern des Automatisierungsalgorithmus: Ausführen eines Optimierungsverfahrens mit wiederholter Simulation zum Anpassen der Parameter des virtuellen Szenarios so, dass die Kostenfunktion einen ersten Extremwert einhergehend mit niederer Güte des Automatisierungsalgorithmus annimmt, und

- mit konstant gehaltenen angepassten Parametern des virtuellen Szenarios: Ausführen eines Optimierungsverfahrens mit wiederholter Simulation zum Anpassen der Parameter des Automatisierungsalgorithmus so, dass die Kostenfunktion einen zweiten Extremwert einhergehend mit hoher Güte des Automatisierungsalgorithmus annimmt, und

- Abspeichern der angepassten Parameter des Automatisierungsalgorithmus in den Auto matisierungsalgorithmus.

Der Automatisierungsalgorithmus eines realen Fahrzeugs dient - insbesondere als Teil eines komplexeren Fahrsteuerungssytems - dazu, das Fahrzeug in einem zumindest teil automatisierten bis hin zu einem vollautomatisierten Modus zu betreiben. Der Automati sierungsalgorithmus kann daher der Basisregler eines Fahrerassistenzsystems sein, um einen Fahrzeugzustand teilautomatisiert oder vollautomatisiert zu beeinflussen. Ein sol cher Fahrzeugzustand ist beispielsweise eine Geschwindigkeit, eine Beschleunigung des Fahrzeugs, ein Lenkwinkel oder ein Zustand an einem anderen Steuerelement des Fahr zeugs wie einer Handbremse. Der Automatisierungsalgorithmus kann auch höherwertige Regelschleifen eines Kaskadenreglers bis hin zu insbesondere diskreten Entscheidungs algorithmen umfassen. Letztere sind typischerweise im Einsatz, um einen hoch automati sierten Betrieb bis hin zu einem vollständig autonomen Betrieb des Fahrzeugs zu ermögli chen. Je höher jedoch der Grad der Autorität des Automatisierungsalgorithmus in seinem Einwirken auf das Fahrzeug ist, umso kritischer sind dessen Entscheidungen in sicher heitsrelevanten Situationen.

Das virtuelle Szenario stellt dar, welches die Voraussetzungen und Randbedingungen schafft, auf dessen Grundlage hin der Automatisierungsalgorithmus abläuft. Da das virtu elle Szenario Teil der gesamten Simulation ist, in der auch der Automatisierungsalgorith mus simuliert wird, kann das Verhalten des Automatisierungsalgorithmus in dem virtuellen Szenario analysiert werden, als würden real existierende physische Sensoren statt dem virtuellen Szenario eine tatsächliche Situation vor sich haben. Eine entsprechende Sens ordynamik wird dabei ebenfalls vorteilhaft simuliert, der Einfachheit halber kann jedoch auch ein Datensatz des virtuellen Szenarios direkt an den Automatisierungsalgorithmus übermittelt werden, wobei im letzteren Fall reale Einflüsse wie Sensorrauschen oder an dere Unzulänglichkeiten der Erfassung mittels eines Sensors vernachlässigt werden.

In dem virtuellen Szenario können die Sicherheit und Wiederholbarkeit des Simulators ausgenutzt werden und beliebige insbesondere kritische Szenarien eingespielt werden, um das Verhalten des Automatisierungsalgorithmus als Reaktion darauf zu überprüfen.

Um diese Möglichkeiten der Simulation bestens auszunutzen, wird erfindungsgemäß eine Kostenfunktion verwendet, deren Funktionswert mit einer Güte der Ausführungen des Au tomatisierungsalgorithmus korreliert. Bevorzugt wird eine positive Korrelation verwendet, sodass der Funktionswert mit einer höheren Güte steigt. Es kann auch eine negative Kor relation verwendet werden, indem die umgekehrte Vorzeichenkonvention der Kostenfunk tion verwendet wird. Ist eine positiv gewählte Kostenfunktion zu minimieren, kann äquivalent dazu die negativ gewählte Kostenfunktion maximiert werden und umgekehrt. Dieses Beispiel verdeutlicht, dass die Vorzeichen der Kostenfunktion zum gleichen Ergeb nis führen, solange sie konsistent in den weiteren Verfahrensschritten berücksichtigt wer den.

Die Kostenfunktion weist eine Vielzahl von Optimierungsvariablen auf, die im Simulator frei verändert werden können. Während die erste Gruppe der Optimierungsvariablen Pa rameter des Automatisierungsalgorithmus aufweisen, weist eine zweite Gruppe der Opti mierungsvariablen Parameter des virtuellen Szenarios auf. Unter dem Begriff der Gruppe und der Parameter kann auch ein jeweils einzelner Wert verstanden werden, beispiels weise eine skalare Verstärkung in einem Regler des Automatisierungsalgorithmus. Opti mierungsvariablen der ersten Gruppe sind insbesondere daher nicht auch Teil der zweiten Gruppe und Optimierungsvariablen der zweiten Gruppe sind insbesondere daher auch nicht Teil der ersten Gruppe.

Insbesondere durch einen Simulationsdurchlauf kann der Wert der Kostenfunktion ermit telt werden, wobei die Kostenfunktion bevorzugt die Güte der Ausführung des Automati sierungsalgorithmus in einer physikalisch fassbaren Größe angibt, beispielsweise die be nötigte Zeit, um eine Notbremsung bis zum Stillstand hin auszuführen, die Seitenbe schleunigung eines Ausweichmanövers, die korrekte Entscheidungsfindung, oder Ähnli ches; auch kann eine Kombination der oben genannten Terme zur Definition der Kosten funktion verwendet werden. Binäre Werte wie die oben genannte Entscheidungsfindung können ebenfalls in einen numerischen Wert abgebildet werden, beispielsweise +100 für die falsche Entscheidung und -100 für die korrekte Entscheidung, wenn eine Entschei dung genau zwei Optionen offen lässt.

Erfindungsgemäß werden mindestens zwei in Beziehung zueinander stehende Optimie rungsverfahren ausgeführt: Im ersten Optimierungsverfahren wird ein jeweiliger Startwert für die Parameter des Automatisierungsalgorithmus verwendet, um das virtuelle Szenario anzupassen. Für den jeweiligen Startwert dieser Parameter kann eine vorläufige Ausle gung dienen. Hierbei wird das virtuelle Szenario mit ihren Parametern so verändert, dass der Wert der Kostenfunktion sich dahingehend ändert, dass die Güte der Ausführung des Automatisierungsalgorithmus abnimmt. Sind entweder vordefinierte Grenzen der Parame ter des virtuellen Szenarios erreicht, oder würden die Parameter des virtuellen Szenarios einen realistisch zu erwartenden Bereich verlassen, oder ist durch das Auffinden eines globalen Extremwerts der Kostenfunktion eine schlechtest denkbare Güte der Ausführung des Automatisierungsalgorithmus erreicht, so ist der Extremwert der Kostenfunktion ge funden, und die dafür gültigen Parameter des virtuellen Szenarios werden verwendet, um in einem weiteren Optimierungsverfahren die Parameter des Automatisierungsalgorithmus so anzupassen, dass dessen Güte bei der Ausführung wieder steigt.

Erfindungsgemäß wird daher die Kostenfunktion in einem ersten Optimierungsverfahren so verwendet, dass absichtlich die Güte der Ausführung des Automatisierungsalgorithmus sinkt, um ein besonderes kritisches Szenario für den Automatisierungsalgorithmus künst lich zu erzeugen. Im weiteren Optimierungsverfahren wird hingegen genau auf dieses kri tische Szenario der Automatisierungsalgorithmus optimiert, sodass auch das kritische Szenario sicher bewältigt werden kann.

So werden Methoden des adversarialen maschinellen Lernens in einem agenten-basier- ten Ansatz verwendet. Bildlich gesprochen arbeiten das Optimierungsverfahren bezüglich des Automatisierungsalgorithmus als Agent A und das Optimierungsverfahren bezüglich dem virtuellen Szenario als Agent B gegeneinander. Das Ziel von Agent A ist bei einer ge gebenen, eingefrorenen Stand der Verkehrssimulation seinen Missionserfolg zu optimie ren, es entsteht ein aktualisierter Stand A_neu. Dabei kann Agent A nur in gewissen Grenzen agieren, die zum Beispiel und ohne Beschränkung der Allgemeinheit von der deutschen Straßenverkehrsordnung vorgegeben sind. Das Ziel von Agent B ist bei einem eingefrorenen Stand des Agenten A dessen Missionserfolg zu minimieren. Es entsteht ein aktualisierter Stand B_neu. Dabei kann Agent B nur in gewissen Grenzen vorgehen, da mit nicht zu extreme und unrealistische Verkehrsszenarien erzeugt werden. Mit den je weils aktualisierten Ständen der Agenten A und B erfolgen dann weitere Optimierungszyk len, bis ein robuster Stand A_final für den Steuerungsagenten oder eine Konvergenz er reicht wird. Eine solche ausreichende Robustheit kann z.B. durch einen bestimmten Anteil an erfolgreich absolvierten Missionen definiert werden. Analog kann u.a. über diesen Er folgsgrad oder eine andere Metrik auch ein konvergentes Verhalten der Agenten beo bachtet werden.

Wird der Begriff des Szenarios verwendet, und zu dessen Beschreibung das bekannte PEGASUS 6-Ebenen-Modell verwendet, gilt ferner:

Der adversariale Verkehrsplaner B kann mit den Parametern der verschiedenen Ebenen L arbeiten, wobei der Schwerpunkt für Agenten B insbesondere bei den folgenden Parame tern liegt:

- L1 Road Level

- L2 Traffic Infrastructure

- L3 Temporary Manipulation of 1) and 2)

- L5 Environment

- L6 Digital Information

Ausgewählte Parameter der Ebene L4, wie der Verkehrsfluss, werden in den Missionsbe schreibungen definiert und können über unterschiedliche Missionen variiert werden.

Es ist daher eine vorteilhafte Wirkung der Erfindung, dass besonders effizient die Schwachstellen eines Automatisierungsalgorithmus zur Bewältigung eines kritischen Sze narios ausgebessert werden können, um den Automatisierungsalgorithmus für reale Sze narien sicherer und robuster zu gestalten.

Gemäß einer vorteilhaften Ausführungsform werden die Verfahrensschritte der Ausführun gen der Optimierungsverfahren iterativ wiederholt, bis jeweils ein vordefiniertes Konver genzkriterium der Optimierungsverfahren, oder eine vordefinierte Robustheit von Agent A, erreicht ist. Ein solches Konvergenzkriterium ist beispielsweise das Verbleiben einer rela tiven oder absoluten Änderung des Funktionswertes der Kostenfunktion innerhalb einer vorgegebenen Schranke aufgrund einer Änderung einer oder mehrerer Optimierungsvari ablen. Bildlich gesprochen bedeutet dies, dass eine weitere Änderung in den Optimie rungsvariablen zu keiner signifikanten Änderung des Funktionswerts der Kostenfunktion mehr führt. Ein anderes mögliches Konvergenzkriterium ist das Erreichen eines vordefi nierten absoluten Wertes der Kostenfunktion, das Erreichen einer physikalisch realisti schen oder anderweitig vorgegebenen Grenze zumindest für eine der Optimierungsvari ablen, oder Ähnliches.

Gemäß einer weiteren vorteilhaften Ausführungsform werden die Verfahrensschritte der Ausführungen der Optimierungsverfahren für verschiedene Missionen des Fahrzeugs in einem virtuellen Szenario wiederholt. Eine Mission des Fahrzeugs gibt im Wesentlichen das Vorhaben an, beispielsweise ein geplantes links-Abbiegen an einer Kreuzung. Durch den Einbezug mehrerer möglicher Missionen können leichter kritische Szenarien identifiziert werden.

Gemäß einerweiteren vorteilhaften Ausführungsform werden die Verfahrensschritte der Ausführungen der Optimierungsverfahren für verschiedene virtuelle Szenarien wiederholt. Verschiedene virtuelle Szenarien sind beispielsweise verschiedene Kreuzungen, die das Fahrzeug in der Simulation überquert. Somit kann vorteilhaft ein breites Spektrum an real möglichen Szenarien analysiert werden.

Gemäß einerweiteren vorteilhaften Ausführungsform wird als jeweiliges Optimierungsver fahren eines der folgenden verwendet:

- genetischer Algorithmus,

- Evolutionsalgorithmus,

- Gradientenbasierte Suche,

- Quadratische Optimierung,

- Kombination aus mindestens zwei der vorgenannten.

Gemäß einerweiteren vorteilhaften Ausführungsform umfassen die Parameter des virtuel len Szenarios zumindest einen der folgenden:

- Winkel von Kreuzungsarmen zueinander,

- Breite von jeweiligen Kreuzungsarmen,

- Fahrbahnmarkierungen,

- Vorfahrtsregeln,

- Verkehrszeichen,

- Positionen und/oder Größe und/oder Art von Baustellen,

- Hindernisse auf dem Gehweg, insbesondere Litfaßsäulen und/oder Warnbaken und/oder Fußgänger,

- Wetterparameter.

Gemäß einerweiteren vorteilhaften Ausführungsform umfassen die Parameter des Auto matisierungsalgorithmus zumindest einen der folgenden:

- Gewichte eines künstlichen neuronalen Netzes,

- Verstärkung eines Reglers,

- Bandbreite eines Frequenzfilters eines Reglers,

- Wert eines Saturierungsglieds,

- Schwellwert eines Entscheidungsglieds. Gemäß einer weiteren vorteilhaften Ausführungsform korreliert - positiv oder negativ - der Funktionswert der Kostenfunktion mit zumindest einem der folgenden Terme oder mit einer Summe auf Basis der folgenden Terme:

- Zeit bis zu einer Kollision,

- Zeit bis zum Einleiten eines Bremsvorgangs,

- Zeit bis zum Abschluss eines Bremsvorgangs,

- benötigte Beschleunigung,

- gemittelte Geschwindigkeitsänderungen des Umgebungsverkehrs,

- Post-Encroachment-Time.

Gemäß einer weiteren vorteilhaften Ausführungsform korreliert die Kostenfunktion mit ei ner Summe von zumindest zwei Quadrate der Terme. Dies ist dann vorteilhaft einzuset zen, wenn die Kostenfunktion analytisch ausgewertet werden kann. Typischerweise wird sie jedoch numerisch als Simulationsergebnis zum Funktionswert führen.

Gemäß einer weiteren vorteilhaften Ausführungsform werden Grenzen für die Parameter des virtuellen Szenarios und für die Parameter des Automatisierungsalgorithmus vorgege ben, innerhalb derer die Parameter und damit die Optimierungsvariablen durch das jewei lige Optimierungsverfahren angepasst werden können. Die Grenzen für die Parameter be stimmen sich beispielsweise durch eine geforderte Robustheit einer Regelschleife, eine höchstzulässige Verstärkung von Rauschen, oder in Bezug auf das virtuelle Szenario durch noch realistisch zu erwartende Parameter eines realen Szenarios.

Ein weiterer Aspekt der Erfindung betrifft eine Simulatoreinrichtung, die dazu eingerichtet und ausgeführt ist, zum Auslegen eines Automatisierungsalgorithmus eines Fahrzeugs mittels Simulation des Automatisierungsalgorithmus und einem virtuellen Szenario die fol genden Schritte auszuführen:

- Aufstellen einer Kostenfunktion, wobei ein Funktionswert der Kostenfunktion von den Parametern des Automatisierungsalgorithmus als erste Gruppe veränderbarer Optimie rungsvariablen und von den Parametern des virtuellen Szenarios als zweite Gruppe ver änderbarer Optimierungsvariablen abhängt und mit einer Güte der Ausführung des Auto matisierungsalgorithmus in dem virtuellen Szenario korreliert,

- Mit konstant gehaltenen Parametern des Automatisierungsalgorithmus: Ausführen eines Optimierungsverfahrens mit wiederholter Simulation zum Anpassen der Parameter des virtuellen Szenarios so, dass die Kostenfunktion einen ersten Extremwert einhergehend mit niederer Güte des Automatisierungsalgorithmus annimmt, und

- Mit konstant gehaltenen angepassten Parametern des virtuellen Szenarios: Ausführen eines Optimierungsverfahrens mit wiederholter Simulation zum Anpassen der Parameter des Automatisierungsalgorithmus so, dass die Kostenfunktion einen zweiten Extremwert einhergehend mit hoher Güte des Automatisierungsalgorithmus annimmt, und

- Abspeichern der angepassten Parameter des Automatisierungsalgorithmus in den Auto matisierungsalgorithmus.

Vorteile und bevorzugte Weiterbildungen der vorgeschlagenen Simulatoreinrichtung erge ben sich durch eine analoge und sinngemäße Übertragung der im Zusammenhang mit dem vorgeschlagenen Verfahren vorstehend gemachten Ausführungen.

Weitere Vorteile, Merkmale und Einzelheiten ergeben sich aus der nachfolgenden Be schreibung, in der - gegebenenfalls unter Bezug auf die Zeichnung - zumindest ein Aus führungsbeispiel im Einzelnen beschrieben ist. Gleiche, ähnliche und/oder funktionsglei che Teile sind mit gleichen Bezugszeichen versehen.

Es zeigt:

Fig. 1: Ein Verfahren zum Auslegen eines Automatisierungsalgorithmus eines Fahr zeugs durch Simulation gemäß einem Ausführungsbeispiel der Erfindung.

Die Darstellungen in der Figur sind schematisch und nicht maßstäblich.

Fig. 1 zeigt ein Verfahren zum Auslegen eines Automatisierungsalgorithmus eines Fahr zeugs durch Simulation des Automatisierungsalgorithmus und eines virtuellen Szenarios. In einem ersten Schritt erfolgt das Aufstellen S1 einer Kostenfunktion, wobei die Kosten funktion von den Parametern des Automatisierungsalgorithmus wie auch von den Para metern des virtuellen Szenarios abhängt. Der Funktionswert der Kostenfunktion setzt sich dabei aus einer Summe aus der benötigten Zeit bis zum Abschluss eines Bremsvorgangs und der benötigten Beschleunigung eines kombinierten Ausweich- und Bremsmanövers zusammen. Die einzelnen Terme der Kostenfunktion müssen dabei nicht explizit analy tisch in Abhängigkeit der oben genannten Parameter als Optimierungsvariablen ermittelt werden, da der jeweilige Term durch die Simulation selbst ermittelt wird. Der Funktionswert der Kostenfunktion ist nach der Ausführung des Codes der Simulationssoft ware daher gegeben und stammt aus numerischen Integrationen der Simulation. Der Funktionswert der Kostenfunktion sinkt ferner mit einer zunehmenden Güte der Ausfüh rung des Automatisierungsalgorithmus in dem virtuellen Szenario. Im zweiten Schritt, während die Parameter des Automatisierungsalgorithmus konstant gehalten werden, er folgt das Ausführen S2 eines Optimierungsverfahrens mit einem Evolutionsalgorithmus, der wiederholt die Simulation unter zufälliger aber konvergenter Variation der Parameter des virtuellen Szenarios ausführt, um solche Parameter des virtuellen Szenarios zu fin den, dass die Kostenfunktion ein lokales Maximum einhergehend mit niederer Güte des Automatisierungsalgorithmus annimmt. Im folgenden Schritt erfolgt mit konstant gehalte nen angepassten Parametern des virtuellen Szenarios dagegen das Ausführen S3 eines Optimierungsverfahrens mittels Evolutionsalgorithmus und wiederum wiederholter Simula tion zum Anpassen der Parameter des Automatisierungsalgorithmus so, dass die Kosten funktion ein lokales Minimum einhergehend mit hoher Güte des Automatisierungsalgorith mus annimmt. Das Anpassen der Parameter des Automatisierungsalgorithmus betrifft da bei die Gewichte künstlicher neuronaler Netze, das Anpassen der Parameter des virtuel len Szenarios dagegen geometrische Rahmenbedingungen, eine Straßeninfrastruktur, Bewegungsabläufe von Fußgängern, die in deren Rotphase eine Ampel überqueren und damit das Fahrzeug zum Ausweichen und/oder Bremsen zwingen. Diese Verfahrens schritte der Ausführungen der Optimierungsverfahren werden für dieses eine virtuelle Szenario, einer Kreuzung mit Menschen, Ampeln und anderen Hindernissen, iterativ für mehrere Missionen des Fahrzeugs wiederholt, bis jeweils das vordefinierte Konvergenz kriterium der Optimierungsverfahren erreicht ist, sodass das jeweilige Optimierungsver fahren eine Schranke der relativen Änderung nicht mehr überschreitet. Schließlich erfolgt das Abspeichern S4 der angepassten Parameter des Automatisierungsalgorithmus in den Automatisierungsalgorithmus und die Verfahrensschritte werden für eine neue Kreuzung, ein neues virtuelle Szenario, erneut ausgeführt.

Obwohl die Erfindung im Detail durch bevorzugte Ausführungsbeispiele näher illustriert und erläutert wurde, so ist die Erfindung nicht durch die offenbarten Beispiele einge schränkt 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 Ausfüh rungsformen wirklich nur Beispiele darstellen, die nicht in irgendeiner Weise als Begren zung 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 Erfindungsgedan kens 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 Ent sprechungen, wie etwa weitergehende Erläuterungen in der Beschreibung, definiert wird.

Bezugszeichenliste S1 Aufstellen

52 Ausführen

53 Ausführen

54 Abspeichern