用于车辆的驾驶操纵辅助的方法、装置、计算机程序和计算机程序产品制造方法及图纸

在一种用于车辆的驾驶操纵辅助的方法中，提供预定的神经网络，该神经网络构成为用于确定：预定的驾驶操纵是否大概可能。提供预定的驾驶员模型，该驾驶员模型构成为用于预测车辆的大概的未来的行为。确定车辆的当前行驶情况。根据该所确定的行驶情况、所述驾驶员模型和所述神经网络来确定：预定的驾驶操纵是否可能。根据对于所述驾驶操纵是否可能的确定来实施用于所述驾驶操纵的驾驶员辅助功能和/或自主实施所述驾驶操纵。

【技术实现步骤摘要】
【国外来华专利技术】用于车辆的驾驶操纵辅助的方法、装置、计算机程序和计算机程序产品
本专利技术涉及一种用于车辆的驾驶操纵辅助的方法。本专利技术还涉及一种用于车辆的驾驶操纵辅助的装置。此外，本专利技术涉及一种计算机程序和一种计算机程序产品。
技术介绍
很多现代车辆具有驾驶员辅助系统，其至少部分自动地在确定的驾驶操纵下帮助驾驶员。为了这样的系统无故障地运行，当前行驶情况的可靠的分析和评估以及做出适合的决定是特别重要的。
技术实现思路
本专利技术基于的目的在于，提出一种用于车辆的驾驶操纵辅助的方法，该方法具有可靠的命中精度。该目的通过各独立权利要求的特征解决。有利的实施方案表示在从属权利要求中。本专利技术的特征在于一种用于车辆的驾驶操纵辅助的方法。本专利技术的特征此外还在于一种用于车辆的驾驶操纵辅助的装置，其中，该装置构成为执行用于车辆的驾驶操纵辅助的方法。在一种用于车辆的驾驶操纵辅助的方法中，提供预定的神经网络，该神经网络构成为用于确定：预定的驾驶操纵是否大概可能。提供预定的驾驶员模型，该驾驶员模型构成为用于预测车辆的大概的未来的行为。确定车辆的当前行驶情况。根据所确定的行驶情况、所述驾驶员模型和所述神经网络来确定：预定的驾驶操纵是否可能。根据关于所述驾驶操纵是否可能的确定来实施用于所述驾驶操纵的驾驶员辅助功能和/或自主实施所述驾驶操纵。通过根据所确定的行驶情况、所述驾驶员模型和所述神经网络来确定预定的驾驶操纵是否可能，用于正确的驾驶操纵辅助的特别可靠的命中精度是可能的，因为不仅当前情况而且神经网络用于进行确定。此外，该方法可用于多种可能的驾驶操纵，只要存在用于神经网络的相应训练数据。按照一个可选的实施方案，所述神经网络是双向的。在双向神经网络的情况下，结点、亦即神经元不仅用作输入结点而且用作输出结点。这在驾驶操纵辅助中是特别有利的，因为可能的是，车辆驾驶员中断驾驶操纵且因此又变换回到最初的行驶情况。按照另一可选的实施方案，所述神经网络是循环的、特别是双向的且循环的。循环的神经网络附加地具有反馈路径，如直接的反馈(其中，一个神经元的自身的输出端用作另一输入端)、间接反馈(其中，一个神经元的输出端与在先层的一个神经元连接)和/或侧向反馈(其中，一个神经元的输出端与同一层的另一神经元连接)。这在驾驶操纵辅助中是特别有利的，因为可能的是，车辆驾驶员中断驾驶操纵且因此又变换回到最初的行驶情况。按照另一可选的实施方案，提供多个行驶数据，其中，所述行驶数据代表过去的行程。神经网络利用多个行驶数据来训练。由此传递给神经网络的不仅有过去的行驶数据而且还有借助于驾驶员模型预测的行为，从而能实现非常准确的训练以及非常可靠地确定：驾驶操纵是否可能。所述多个行驶数据例如包括来自公共来源的在高速公路上多个行程的记录。按照另一可选的实施方案，所述多个行驶数据包括关于行程的所确定的行驶情况的数据。根据关于所确定的行驶情况的数据来训练神经网络，其中，关于所确定的行驶情况的数据包括关于在相应的行驶情况下是否能够实施所述驾驶操纵的信息。由此可以非常准确地训练神经网络。行驶情况的特征例如在于如下参数中的一个或多个：-围绕本车辆的各车辆的数量；-这些其他车辆的行为；-关于应变至其上的车道在当前是否是空闲的信息；-关于是否遵循安全间隔的信息。按照另一可选的实施方案，确定关于所确定的行驶情况的数据，其方式为检测：按照相应的行驶情况是否实施了该驾驶操纵。按照相应的行驶情况是否实施该驾驶操纵能够按照简单的方式由所述多个行驶数据确定。因此，这样的分析能非常简单地自动化，从而因此按照简单的方式能够生成多个用于所述神经网络的训练数据。按照另一可选的实施方案，确定关于所确定的行驶情况的数据，其方式为检测：按照相应的行驶情况在理论上是否能够实施所述驾驶操纵。由所述多个行驶数据也可以确定：按照相应的行驶情况在理论上是否能够实施该驾驶操纵。按照这种方式能够确定非常高质量的用于所述神经网络的训练数据。按照另一可选的实施方案，所述驾驶操纵是车道变换和/或超车操纵。直线车道变换和/或超车操纵非常经常地被实施。然而两者是非常复杂的驾驶操纵，从而正是对于车道变换和/或超车操纵来说，驾驶员辅助或自主运行是有利的。按照另一方面，本专利技术的特征在于一种计算机程序，其中，所述计算机程序构成为用于实施用于车辆的驾驶操纵辅助的方法。按照另一方面，本专利技术的特征在于一种计算机程序产品，所述计算机程序产品包括可执行的程序代码，其中，所述程序代码在通过数据处理装置执行时执行用于车辆的驾驶操纵辅助的方法。所述计算机程序产品特别是包括由数据处理装置可读取的介质，所述程序代码存储在所述介质上。附图说明在下文中根据示意图进一步阐明本专利技术的实施例。附图示出：图1示出用于车辆的驾驶操纵辅助的流程图。具体实施方式图1示出用于车辆的驾驶操纵辅助的流程图。程序可以由装置处理。所述装置例如实现在车辆的控制设备中。所述装置也可以称为用于车辆的驾驶操纵辅助的装置。所述装置为此特别是具有运算单元、程序和数据存储器以及例如一个或多个通信接口。程序和数据存储器和/或运算单元和/或通信接口可以构成在一个结构单元中和/或分布地构成在多个结构单元中。在所述装置的程序和数据存储器上为此特别是存储有用于车辆的驾驶操纵辅助的程序。所述程序在步骤S1中开始，在该步骤中必要时可以初始化变量。在步骤S3中提供预定的神经网络，所述神经网络构成为用于确定：预定的驾驶操纵是否大概可能。为了训练神经网络，例如提供多个行驶数据，其中，所述行驶数据代表过去的行程。接着，利用所述多个行驶数据来训练网络。所述多个行驶数据例如包括关于所述行程的所确定的行驶情况的数据。例如根据关于所确定的行驶情况的数据来训练所述神经网络，其中，关于所确定的行驶情况的数据包括关于在相应的行驶情况下是否能够实施所述驾驶操纵的信息。例如确定关于所确定的行驶情况的数据，其方式为检测：按照相应的行驶情况是否实施了驾驶操纵。备选或附加地，确定关于所确定的行驶情况的数据，其方式为检测：按照相应的行驶情况在理论上是否能够实施驾驶操纵。所述神经网络例如是双向的和/或循环的。在步骤S5中，提供预定的驾驶员模型，该驾驶员模型构成为用于预测车辆的大概的未来的行为。在步骤S7中，确定车辆的当前行驶情况。为此例如分析处理多个传感器的数据。行驶情况的特征例如在于如下参数中的一个或多个：-本车辆的当前车道和/或速度；-围绕本车辆的各车辆的数量(和位置)；-这些其他车辆的行为(当前速度和/或当前加速度和/或当前车道变换)；-关于应变至其上的车道在当前是否是空闲的信息；-关于是否遵循安全间隔的信息；-关于未来的路段走向的信息。在步骤S9中本文档来自技高网...

【技术保护点】
1.用于车辆的驾驶操纵辅助的方法，在所述方法中：/n-提供预定的神经网络，该神经网络构成为用于确定：预定的驾驶操纵是否大概可能；/n-提供预定的驾驶员模型，该驾驶员模型构成为用于预测车辆的大概的未来的行为；/n-确定车辆的当前行驶情况；/n-根据所确定的行驶情况、所述驾驶员模型和所述神经网络来确定：预定的驾驶操纵是否可能；/n-根据对于所述驾驶操纵是否可能的确定来实施用于所述驾驶操纵的驾驶员辅助功能和/或自主实施所述驾驶操纵。/n

【技术特征摘要】
【国外来华专利技术】20180427 DE 102018206619.11.用于车辆的驾驶操纵辅助的方法，在所述方法中：
-提供预定的神经网络，该神经网络构成为用于确定：预定的驾驶操纵是否大概可能；
-提供预定的驾驶员模型，该驾驶员模型构成为用于预测车辆的大概的未来的行为；
-确定车辆的当前行驶情况；
-根据所确定的行驶情况、所述驾驶员模型和所述神经网络来确定：预定的驾驶操纵是否可能；
-根据对于所述驾驶操纵是否可能的确定来实施用于所述驾驶操纵的驾驶员辅助功能和/或自主实施所述驾驶操纵。


2.根据权利要求1所述的方法，其中，所述神经网络是双向的。


3.根据权利要求1或2所述的方法，其中，所述神经网络是循环的。


4.根据上述权利要求之一所述的方法，其中，
-提供多个行驶数据，其中，所述行驶数据代表过去的行程；
-所述神经网络利用所述多个行驶数据来训练。


5.根据权利要求4所述的方法，其中，所述多个行驶数据包括关于所述行程的所确定的行驶情况...

【专利技术属性】
技术研发人员：L·施瓦茨，O·谢尔，
申请(专利权)人：宝马股份公司，
类型：发明
国别省市：德国;DE