【技术实现步骤摘要】
本专利技术涉及一种用于通过对交通参与者的现场观测(feldbeobachtung)来对交通参与者进行适配性行为预测的方法。
技术介绍
1、随着车辆自动化的增加，自动化的车辆必须做出的决策的数量也在增加。这尤其涉及自动化地引导车辆通过道路交通。为了能够做出关于在道路交通中引导车辆的决策，车辆必须事先分析车辆周围的交通参与者的行为。分析周围的交通参与者的行为包括分析周围的交通参与者的运动模式。道路交通中的挑战性场景包括横穿交叉路口。对于驶入交叉路口的车辆来说，由于交叉路口和大量不同的交通参与者的不可概览性，难以获得完整的概览。
2、目前，在自动化的车辆中基于交通参与者的行为参数来计算行为模型。由所述行为模型并且在考虑对车辆的周围环境的当前分析评价的情况下建立关于周围的交通参与者的行为的预测。基于这些预测，做出关于车辆引导的决策。这些行为参数在少量位置处通过现场研究来求取。因此，行为参数表示不同交叉路口的交通参与者的行为的平均值。
技术实现思路
1、根据本专利技术的方法使得能够将行为预测匹配于局部的交通基础设施。尤其是考虑不同交通参与者在不同交叉路口处的行为的局部差异、不同文化区的交通参与者的行为和在交叉路口处的不同交通状况的交通参与者的行为，这仅利用平均值不可能实现。
2、根据本专利技术的用于匹配针对交通参与者的行为预测的方法包括七个步骤。在第一步骤中借助传感器拍摄交通基础设施的周围环境。基础设施周围环境既包括动态对象也包括静态对象。优选地，交通基础设施的周围环
3、在第四步骤中记录所识别的交通参与者的行为。记录交通参与者的行为允许在时间上分析评价所识别的交通参与者的行为。由此可以推导出另外的行为参数。
4、在第五步骤中，尤其是在数据库中，存储所识别的交通参与者的所记录的行为和所识别的交通参与者的所分配的对象类别。这种数据库也使得能够事后分析评价存储在其中的交通参与者行为记录和其对象类别。在第六步骤中，求取对象类别的行为参数。如上所述，这使得能够更准确地建模交通参与者的行为预测。在第七步骤中，将行为参数发送给交通参与者。
5、与现有技术不同，在根据本专利技术的方法中，针对相应的交通基础设施求取交通基础设施的周围环境中的交通参与者的行为参数。因此，针对每个交通基础设施提供自身的交通参数。因此，交通参数可能在各个交通基础设施之间不同。通过将每个交通基础设施自身的行为参数传输给接近该交通基础设施的车辆，车辆可以在周围的交通参与者的行为建模中匹配该车辆的行为参数。这使得能够对相应的交通基础设施周围的交通参与者进行更好的行为建模，尤其是与行为参数的取平均的平均值相比。由此，使得接近交通基础设施的自动化车辆的决策更好地匹配于相应的交通基础设施。
6、在一种优选的实施方式中，行为参数包括对象类别的速度和/或加速度和/或偏转角和/或偏转速率和/或反应时间。从这五个行为参数中，与交通参与者的位置一起，已经能够预测交通参与者的准确行为，尤其是类似于在现有技术中使用的这些参数的平均值。通过另外的行为参数能够建立对交通参与者行为的更准确的预测，但是也需要用于另外的参数的更大的求取耗费。因此，在该实施方式中所列举的行为参数是最小的求取耗费与最大可达到的行为预测准确度之间的折衷。
7、在一种特别优选的实施方式中，求取对象类别的行为参数包括求取对象类别的行为预测。这种行为预测同样可以传输给交通参与者。这减少了交通参与者将其自身的行为预测匹配于所接收和/或调用的行为参数的耗费。替代地，交通参与者本身可以将行为参数用于建立其自身的行为预测。
8、优选地，将行为参数和/或行为预测传输给接近交通基础设施的周围环境的交通参与者。因此，当交通参与者接近涉及行为参数的交通基础设施时，交通参与者才获得行为参数和/或行为预测。这避免了将行为参数和/或行为预测多余地发送给不经过交通基础设施的交通参与者。
9、特别优选地，借助移动无线电网络和/或互联网将行为参数传输给交通参与者。这能够实现宽泛的通信标准，使得不同制造商的交通参与者能够接收和/或问询交通基础设施的行为参数。
10、在一种优选的实施方式中，交通基础设施包括交叉路口和/或物流场房和/或停车场和/或公交车站。由于复杂的交通场景，这些交通基础设施对于自动化的交通参与者是特别的挑战。因此，使所述方法专注于上述交通基础设施是在优化针对整个交通基础设施中的所有交通参与者的行为预测与最小化用于实施所述方法的耗费之间的良好折衷。
11、在一种特别优选的实施方式中，对象类别包括摩托车和/或载客车和/或载重车和/或行人和/或骑行者。上述对象类别在其行驶动态性和其行为方式方面不同，同时这些对象可以覆盖大部分位于交通基础设施中的交通参与者。此外，所述对象类别在很大程度上是已知的并且通常被用在交通参与者的行为预测中。因此，行为参数和/或行为预测可以由交通参与者直接使用。这省去了接收和/或问询和使用行为预测和/或行为参数的交通参与者对行为预测和/或行为参数的进一步重新分类和评价。
12、在一种优选的实施方式中，行为参数的求取借助人工智能和/或统计学工具来进行。借助人工智能来求取行为参数具有如下优点：识别交通参与者的行为记录中的未预先给定的结构。借助统计学工具来求取行为参数可以快速且简单地实施，并且具有以下优点：在求取行为参数时获得可重复并因此能确保的结果。
13、在一种特别优选的实施方式中，统计学工具包括计算行为参数的平均值和/或中值和/或分布曲线。由这些统计学工具已经能够求取代表交通基础设施的交通参与者的行为的行为参数。由此，在以较小的计算耗费将统计学工具应用于交通基础设施交通参与者的行为记录的同时，能够求取高质量的行为预测。
14、此外，本专利技术包括一种用于匹配针对交通参与者的行为预测的设备。该设备包括传感器和计算单元。传感器设置为用于检测设备的周围环境。计算单元设置为用于执行根据上述实施例中的一个实施例的方法。这种结构允许紧凑且成本有利的结构方式，从而可以大范围地使用该设备。
本文档来自技高网...【技术保护点】
1.一种用于匹配针对交通参与者(5)的行为预测的方法(100)，包括以下步骤：
2.根据权利要求1所述的方法(100)，其特征在于，所述行为参数包括所述对象类别的速度和/或加速度和/或偏转角和/或偏转速率和/或反应时间。
3.根据前述权利要求中任一项所述的方法(100)，其特征在于，求取(106)所述对象类别的行为参数包括求取所述对象类别的行为预测。
4.根据前述权利要求中任一项所述的方法(100)，其特征在于，将所述行为参数传输(107)给接近所述交通基础设施(4)的周围环境的交通参与者(5)。
5.根据前述权利要求中任一项所述的方法(100)，其特征在于，借助移动无线电网络和/或互联网将所述行为参数传输(107)给所述交通参与者(5)。
6.根据前述权利要求中任一项所述的方法(100)，其特征在于，所述交通基础设施(4)包括交叉路口和/或物流场房和/或停车场和/或公交车站。
7.根据前述权利要求中任一项所述的方法(100)，其特征在于，所述对象类别包括摩托车和/或载客车和/或载重车和/或行人和/或骑行者。
8.根据前述权利要求中任一项所述的方法(100)，其特征在于，所述行为参数的求取(106)借助人工智能和/或统计学工具来进行。
9.根据权利要求8所述的方法(100)，其特征在于，所述统计学工具包括计算所述行为参数的平均值和/或中值和/或分布曲线。
10.一种用于匹配针对交通参与者(5)的行为预测的设备(1)，包括：
...【技术特征摘要】
1.一种用于匹配针对交通参与者(5)的行为预测的方法(100)，包括以下步骤：
2.根据权利要求1所述的方法(100)，其特征在于，所述行为参数包括所述对象类别的速度和/或加速度和/或偏转角和/或偏转速率和/或反应时间。
3.根据前述权利要求中任一项所述的方法(100)，其特征在于，求取(106)所述对象类别的行为参数包括求取所述对象类别的行为预测。
4.根据前述权利要求中任一项所述的方法(100)，其特征在于，将所述行为参数传输(107)给接近所述交通基础设施(4)的周围环境的交通参与者(5)。
5.根据前述权利要求中任一项所述的方法(100)，其特征在于，借助移动无线电网络和/或互联网将所述行为参数传输(107)给所...
【专利技术属性】
技术研发人员：P·恩格尔，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。