在运输工具运行中的运行场景的过滤制造技术

本公开的一个方面涉及用于在运输工具运行期间过滤运行场景的以计算机实现的方法，包括：接收数据的至少一个时间序列；在第一存储器中存储数据的至少一个时间序列的按时间顺序排列的数据点；为存储在第一存储器中的按时间顺序排列的数据点生成轨迹图；检查与一个或多个现有轨迹图相比而言所生成的轨迹图是否是新的；如果所生成的轨迹图是新的，则将第一存储器中所存储的按时间顺序排列的数据点存储在第二存储器中。储在第二存储器中。储在第二存储器中。

【技术实现步骤摘要】
在运输工具运行中的运行场景的过滤

技术介绍

[0001]自主行驶可以被视为是待决上下文的问题，因为在开发时间点（也即，例如在运输工具出售以及交付给消费者之前）至少部分自主运行的运输工具的所有之后的运行/行驶场景并非都能够是在其所有可能的细节和实施方案方面已知的。为了解决该问题，可以训练和使用机器学习算法（例如针对计算机视觉），这些机器学习算法被设计用于，对认识（例如对象识别）和/或根据未知输入（例如摄像机、雷达、激光雷达数据等等）进行的评价进行概括。然而，至少部分自主地运行的运输工具的可靠和/或安全的运行还决定性地取决于：至少部分自主地运行的运输工具的系统是否为尽可能多的并且尤其是相关的运行/驾驶场景作好准备（并且尤其是已鉴于对所有相关运行/驾驶场景的处理得以训练）。为此，提供现场数据（Felddaten）（即在运行中从至少部分自主地运行的运输工具收集的数据）是非常重要的。如果现有的现场数据组具有漏洞（L
ü
cke），则在此基础上设计（例如训练）的至少部分自主地运行的运输工具也许不能令人满意地掌握（meistern）运行/驾驶场景。例如，在特定的时间点，在至少部分自主地运行的运输工具的运行区域中可能出现如下新的运输工具或新的交通标志，所述新的运输工具或新的交通标志与此相应地在现有的现场数据组中未被表示。在这种情形下，可能发生基于这种现场数据组而设计（例如训练）的至少部分自主地运行的运输工具的故障。因此而重要是，（连续地）识别并填补训练数据组中的尽可能多的漏洞。现场数据、诸如运输工具速度和环境数据可以无关于运输工具技术并且于是完全地或部分地（例如以相对应的扩展）而能够被转用到至少部分自主地运行的运输工具的新的开发项目。然而，只要能够收集现场数据的所述一个或多个运输工具（例如出于其他原因）装备有用于检测传感器数据的相对应的传感器系统的话，所述一个或多个运输工具也并非必须是至少部分自主地运行的运输工具。
[0002]在连续检测传感器数据时，可以积累大的数据量。这样的数据量例如可以在运行期间/行驶期间和/或服务中被传送到云服务器。

技术实现思路

[0003]本专利技术的第一概括性方面涉及一种用于在运输工具运行期间过滤运行场景的以计算机实现的方法，包括：接收数据的至少一个时间序列；在第一存储器中存储数据的所述至少一个时间序列的按时间顺序排列（zeitgeordnet）的数据点； 为存储在第一存储器中的按时间顺序排列的数据点生成轨迹图（Spurgraph）；检查与一个或多个现有轨迹图相比而言所生成的轨迹图是否是新的；如果所生成的轨迹图是新的，则将第一存储器中所存储的按时间顺序排列的数据点存储在第二存储器中。
[0004]本公开的第二概括性方面涉及一种计算机程序，其被设计为执行根据第一概括性方面（或其实施方式）的以计算机实现的方法。
[0005]本公开的第三概括性方面涉及一种计算机可读介质或信号，其存储和/或包含根据第二概括性方面的计算机程序。
[0006]本公开的第四概括性方面涉及一种计算机系统、尤其是运输工具的控制单元，该
计算机系统被设计为执行根据第二概括性方面的计算机程序。
[0007]数据（尤其是运行/行驶场景）可以例如被用于识别极端情况（德语：Eckf
ä
lle），于是能够借助所述极端情况来填补所述至少部分自主地运行的运输工具的系统的设计中的漏洞。在运行中并且尤其是在运输工具、尤其是用于（部分）自主的运行的运输工具的行驶期间可能出现的极端情况是如下重要（极限）情况，在运输工具的伴随开发和/或批量生产的设计和测试中可以（并且应当）考虑所述重要（极限）情况以保证运输工具的可靠和安全运行。极端情况可以通过一个、多个或许多时间记录（Zeitschriebe）（例如运输工具速度、转向角、成像系统的传感器数据、位置数据等等）而被描述，该时间段可以从控制设备（例如，具有100Hz时钟）的几个中断经过一秒或多秒而延伸直到一分钟或多分钟和/或一个小时或多个小时。
[0008]所述一个或多个（例如多于两个、多于三个、多于4个、多于5个、多于10个、多于20个、多于50个、多于100个、多于500个或多于1000个）时间序列（或者也称为时间记录）可以在一个或多个运输工具的行驶期间/运行期间被检测。然而，在连续检测所述至少一个时间序列的数据、尤其是传感器数据时积累的数据量可以是大的。事实上，例如取决于时间记录中的数据密度和取决于队规模（Flottenst
ä
rke），在此通常会产生大的数据量，该数据量会占用大量存储空间（例如在云服务器上）。替代地或附加地，对这种数据量的评估可能需要大量的计算时间。特别是在不仅在开发期间的测试阶段而且在运输工具销售和交付给消费者之后也收集时间记录以便能够通过更新而不断改进功能性（例如计算机视觉）的情况下，所述队例如可以包括多于1e2、多于1e3、多于1e4、多于1e5、多于1e6或多于1e7个运输工具。
[0009]此外，这样的数据量通常具有高度冗余。一方面，这些数据量主要描述了通常已知的正常运行/驾驶场景（例如在带有偶尔针对超车的车道转换而在高速公路上进行的直线行驶）。事实上，例如极端情况恰好可能是低概率的，特别是在高维参数空间的情况下。另一方面，每个时间记录可以单独地或与其他时间记录组合地包含冗余信息（例如，具有恒定相位的数据点或具有信号之间恒定比例的数据点，例如在特定行驶状态下的运输工具速度和驱动机器的旋转频率）。
[0010]轨迹图的一个优势可以在于，通过轨迹图可以以聚合并且由此以（基本上）无冗余的方式存储一个或多个运行/行驶场景。然后（例如稍后）可以通过重构，例如通过模拟，由这些轨迹图再次产生基本上与原始运行/行驶场景一致的运行/行驶场景。从这个意义上说，可以将轨迹图看作可逆压缩。由此可以减少存储器需求并且减少尤其是在运输工具中的存储器需求。
[0011]这样减小数据大小是有利的，因为即使在将运输工具连接到云服务器上的情况下（替代地，数据例如也可以在下个服务中被截取（abgreifen）并且被加载到云服务器），数据也必须至少暂时存储在运输工具中（例如在此存储在第二存储器中）。
[0012]这样的轨迹图还可以例如（在二维平面中）通过节点和连结线被可视化，并且由此使得可以为开发和测试工程师提供超越时间记录的运行/行驶场景的额外视角。例如，节点可以以不同的大小和/或不同的颜色（例如按照热图）而示出。由此，例如可以以图形方式并因此直观地显示频率和/或停留持续时间。
[0013]在轨迹图中对运行/行驶场景的有效存储可以例如被用于确定新的和/或未知的极端情况（德语：Eckf
ä
lle）。对此，可以例如将运行/行驶场景变换成轨迹图并且与已经已
知的并作为轨迹图来存储的运行/行驶场景而进行比较。与直接比较运行/行驶场景不同，由此可以提高效率。
[0014]术语“运输工具”包括运输乘客和/或货物的任何设备。运输工具可以是机动车辆（例如载客汽车或载货汽车），但也可以是轨道运输工具。然而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于在运输工具（10）运行期间过滤运行场景的以计算机实现的方法（100），包括：接收（110）数据的至少一个时间序列（20）；在第一存储器中存储（120）数据的所述至少一个时间序列（20）的按时间顺序排列的数据点（21）；为存储在所述第一存储器中的按时间顺序排列的数据点（21）生成（130）轨迹图（30）；检查（140）与一个或多个现有轨迹图（40）相比而言所生成的轨迹图（30）是否是新的；如果所述所生成的轨迹图（30）是新的，则将第一存储器中所存储的按时间顺序排列的数据点（21）存储（150）在第二存储器中。2.根据权利要求1所述的方法（100），其中数据的所述一个或多个时间序列（20）通过运输工具（10）的至少一个传感器（11）在行驶运行期间被检测，可选地，其中数据的所述一个或多个时间序列（20）包括视频数据流、雷达数据、激光雷达数据、位置数据、环境数据、运输工具数据和/或用户数据。3.根据上述权利要求其中任一项所述的方法（100），其中数据的所述一个或多个时间序列（20）的按时间顺序排列的数据点（21）相应于紧接在过去的时间段和/或数据的至少一个时间序列的一定数目的紧接在过去的数据点。4.根据上述权利要求其中任一项所述的方法（100），其中数据的所述一个或多个时间序列（20）的按时间顺序排列的数据点（21）描述和/或表征运行场景。5.根据上述权利要求其中任一项所述的方法（100），其中所述轨迹图（30）是包括如下各项的图形：一个或多个节点，其中每个节点相应于在由所述按时间顺序排列的数据点（21）的值范围展开的空间中的数据的值范围；在每两个节点之间不具有或者有一个连结线，其中每个连结线具有至少一个箭头方向，可选地还可以具有相反的箭头方向，其中所述箭头方向分别指示在属于所述节点的值范围之间过渡的方向。6.在根据权利要求5的情况下，根据上述权利要求其中任一项所述的方法（10...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：罗伯特，
类型：发明
国别省市：