用于运行机动车的方法与流程

本发明涉及一种用于运行机动车的方法，该机动车具有用于检测其环境和/或另外的车辆的传感器。

背景技术：

1、已知用于运行车辆的方法，在其中，确定另外的车辆是否执行转弯操作。如此，例如，由de 10 2017 100 029 a1已知一种系统和一种方法，其设置用于预测，在运载车辆或远离的车辆到达交叉路口之前，运载车辆或远离的车辆的驾驶员意图在交叉路口处向左转弯还是向右转弯还是直行行驶经过交叉路口，该方法基于应用动态贝叶斯网络的概率模型。该方法包括：获得表示在交叉路口处或在其周围的外部参数的多个周围环境因素，其中，周围环境因素包括远离的车辆的位置和速度；以及获得限定运载车辆的运行的多个运载车辆因素。然后，该方法在使用该模型的情况下基于外部因素和车辆因素借助于该模型预测运载车辆和/或远离的车辆在交叉路口处的转弯意图。该模型可以使用学习到的关于驾驶员在该交叉路口处的先前转弯操作的信息。

2、此外，在de 10 2019 132 006 a1中公开了一种用于识别转弯的对象的方法。其包括：借助于自己车辆的周围环境传感机构来检测在前行驶的车辆；确定在前行驶的车辆的转弯概率；以及当转弯概率等于或大于预确定的阈值时，将在前行驶的车辆标记为转弯的对象。

3、如果对于驾驶员辅助系统而言，例如对于自适应巡航控制系统(acc，“activecruise control”)而言，车辆的转弯未被分类或仅仅相对不可靠地被分类，或者如果这样的信息未被提供给驾驶员辅助系统，则存在如下风险，即，自己车辆根据该驾驶员辅助系统的调节、尤其是速度调节对这样的操作完全无法或以对于驾驶员而言不舒适的方式做出反应。

4、如此，例如在自适应巡航控制系统(acc，“active cruise control”)中，一直制动自己车辆，直到在前行驶的车辆完全结束转弯。因此，进行相对较长的制动过程，其跟随有到理论速度的相应较长和/或较强的加速。

技术实现思路

1、本发明的任务是，相对可靠地识别另外的车辆的转弯和/或相对低耗费地预测这样的转弯过程。

2、根据本发明，该任务通过根据本发明的方法来解决。此外，根据本发明，该任务通过根据本发明的机动车、通过根据本发明的计算机程序并且通过根据本发明的计算机可读介质来解决。在此，结合方法的实施方案适宜地也适用于机动车、计算机程序以及计算机可读介质，并且反之亦然。

3、该方法用于运行机动车，该机动车具有设置和设立用于检测机动车的环境和/或另外的、尤其是在前行驶的车辆的传感器。

4、根据该方法，首先借助传感器来检测环境和/或其它交通参与者、尤其是另外的车辆，并且提供相应的测量数据作为该检测的结果。根据传感器的测量数据来确定关于另外的车辆和/或关于另外的车辆使用的行车道的信息。例如，该信息形成代表行车道和/或另外的车辆的特性的参数。优选地，该信息是数值或借助这样的数值呈现。

5、例如，为此直接地、尤其是借助机动车的评估单元来评估测量数据，其中，该信息是评估的结果。

6、此外，例如根据也被称为传感器数据的测量数据，首先产生(虚拟)环境模型。该环境模型代表机动车的周围环境和检测到的交通参与者。例如，在形成环境模型的范围内，确定其中布置机动车、其周围环境、尤其是检测到的行车道、检测到的交通参与者和/或检测到的对象(例如障碍物或交通标志)的坐标系。然后，从环境模型中推导出或根据环境模型计算该信息。

7、紧接着，根据该信息来确定静态贝叶斯网络的节点的概率分布、尤其是无条件概率分布。

8、例如，为此以合适的方式根据数学函数，根据表格或根据特性曲线，使该信息关联在0和1之间的值(事件值)作为事件发生的概率、尤其是另外的车辆的转弯过程的概率。此外，使该信息关联该事件不发生的概率。相应地，该概率被确定为1减去事件值。因此，确定事件发生的归一化概率以及事件不发生的归一化概率作为这样的关联基于该信息的结果。

9、特别适宜地，使用该概率分布作为父节点的、尤其是自身不具有父节点的父节点的概率分布。因此，根据该方法确定的概率分布形成无条件概率分布。

10、随后，借助静态贝叶斯网络来确定另外的车辆的转弯过程的概率。例如，这包括确定另外的车辆是否向左转弯的概率，和/或确定另外的车辆是否向右转弯的概率。备选地或附加地，这包括确定车辆是否转弯(无论向左转弯还是向右转弯)的概率。

11、因此，总而言之，根据该方法，预测另外的车辆的转弯过程。借助使用静态贝叶斯网络，实现转弯过程根据所确定的信息且根据测量数据的相对可靠预测。与其中相邻时间步长的节点相互连接的动态贝叶斯网络相比，静态贝叶斯网络仅仅包括(唯一)时间步长的概率分布。因此，该预测有利地相对简单地进行。

12、适宜地，将所确定的转弯过程的概率提供给辅助功能，例如自适应巡航控制系统。适宜地，然后该辅助功能根据所确定的转弯过程的概率来调整车辆速度和/或与另外的车辆的距离。例如，为此该辅助功能将所确定的转弯过程的概率与预设的阈值比较，并且根据比较的结果来输出理论参量、尤其是用于车辆速度和/或用于与另外的车辆的距离的理论参量。

13、根据该方法的一种特别适合的设计方案，借助具有在0和1之间的值范围的sigmoid函数来确定根据信息确定的概率分布。尤其是，在此，尤其是构造为参数的信息形成sigmoid函数的独立变量(输入变量)。特别优选地，sigmoid函数包括预设的和/或可预设的参数(函数参数，形状变量)。适宜地，根据检测到的环境或另外的车辆来选择和预设形状变量。例如，从环境模型中推导出或根据该环境模型计算出该形状变量。以这种方式，可使sigmoid函数适配于环境，使得另外的车辆的转弯概率相对可靠。

14、根据一种合适的设计方案，使用另外的车辆关于行车道的也被称为中线的中心线的横向位置和/或横向位置的时间导数(变化)作为信息。因此，确定另外的车辆在车辆横向方向上关于由该车辆使用的行车道的位置，并且使用其作为信息。尤其是，使用在行车道的中心线与另外的车辆的尾部位置(即，车辆的中心线与其尾部侧的端部的交点)之间的距离作为横向位置。

15、因此，横向位置描述另外的车辆关于也简称为车道的行车道的中心线的横向布置。在此，相对较大的横向位置和/或横向位置的时间导数的正值是对转弯过程的指示。

16、根据一种合适的设计方案，确定关于行车道的中心线旋转固定的、包络车辆的矩形。这样的矩形也被称为“fixed rotation bounding box固定旋转边界框”。因此，这是关于中心线旋转固定的(即，不可旋转的)在俯视图中完全包围车辆的具有最小面积的矩形。紧接着，确定该矩形的面积和/或该面积的时间变化。使用该面积和/或该面积的时间变化作为信息。

17、如果该面积大于用于另外的车辆的矩形的(非旋转固定的)包络部(即，非旋转固定的边界框)的面积，则这表示转弯过程。尤其是，当另外的车辆的车辆纵向方向不平行于行车道的纵向方向时，即，当偏航角度不等于0°时，那么这是这种情况。与使用偏航角度自身作为信息相比，实现另外的车辆的转弯过程的相对可靠的(即，不易出错的)预测，因为既考虑车道几何形状又考虑车辆几何形状。

18、根据一种合适的设计方案，尤其是根据环境模型来确定在交叉路口处转弯的转弯地点。例如，使用另外的车辆当前使用的行车道(当前行车道)的中心线与另外的车辆可能转弯到其中的和/或与当前行车道交叉的(转弯)行车道的中心线的交点作为转弯地点。此外，例如，使用在当前行车道的中心线上的其中转弯车道关于车道纵向方向开始的点作为转弯地点。

19、紧接着，确定、尤其是定义绕着该转弯地点的适宜地圆形的转弯区域。在此，转弯地点布置在转弯区域内，适宜地中央地布置在转弯区域中。例如，使用布置在绕着作为中心点的转弯地点的具有预设的半径的圆内的区域作为转弯区域。该区域也被称为“感兴趣区域”。

20、紧接着，确定另外的车辆直到到达转弯地点所需的预期的(即，预测的)时长。对此附加地或备选地，确定另外的车辆与转弯区域的距离。此外，对此附加地或备选地，确定该预期的时长和/或该距离的时间变化。随后，使用该时长、该时长的时间变化、该距离和/或该距离时间变化作为信息。

21、优选地，可预设/或可适配转弯区域、尤其是用于确定转弯区域的半径。因此，可针对每个交叉路口适配转弯区域。例如，该半径与当前行车道的车道宽度成比例地和/或与车辆的速度成比例地进行选择。

22、根据一种合适的设计方案，尤其是使用作为行车道限制、尤其是作为信息的道路标记(例如方向箭头、实线或虚线)的类型和/或存在性。对此附加地或备选地，使用尤其是作为信息的交通标志的类型和/或存在性和/或交通信号灯位置(例如“红色”、“绿色”)作为信息。适宜地，根据环境模型或直接从测量数据中确定道路标记、交通标志的类型和/或存在性和/或交通信号灯状态。此外，使道路标记、交通标志的类型和/或存在性和/或交通信号灯状态关联贝叶斯网络的节点的概率分布。尤其是，为此设置使这些特征中的一个的类型或存在性关联概率分布的表格等。

23、根据一种合适的设计方案，确定另外的车辆在转弯过程中完全离开当前行车道所需或可能所需的预期的(即，预测的)(转弯)时长作为信息。例如，为此针对另外的车辆的尾部侧的右端部和尾部侧的左端部分别预测用于转弯过程的轨迹。为此，尤其是使用圆方程。根据另外的车辆的当前加速度、当前速度和/或当前位置，可以针对两个轨迹分别计算时长，其中，使用两个时长中的较大者作为转弯时长。

24、根据一种合适的设计方案，使用另外的车辆的尤其是当前速度、其加速度、尤其是纵向加速度、偏航角度和/或偏航角度的时间变化作为信息。

25、根据一种合适的设计方案，检测另外的车辆的转向灯的转向灯状态(尤其是“左转向灯亮起”，“右转向灯亮起”)，并且使用这作为信息。

26、为了确定贝叶斯网络的节点中的(第一)节点的概率分布，为检测到的转向灯状态分派预定义的值，尤其是0或1。例如，针对转向灯状态的每个可能性，在存储器上保存有相关联的概率分布。

27、对此附加地或备选地，确定机动车与另外的车辆的距离作为(另外的、第二)信息，并且又根据该信息来确定贝叶斯网络的节点中的另外的(第二)节点的概率分布。在此，第一和第二节点形成用于共同的(第三)节点的父节点。总而言之，考虑与另外的车辆的距离以用于根据转向灯状态确定转弯过程的概率。有利地，这相应于转向灯状态的识别的稳定化(即，可靠性的改善)。

28、本发明的另一方面涉及一种机动车。该机动车可根据以上示出的变型方案中的一个中的方法运行和/或根据该方法运行。为此，车辆包括设立用于检测该车辆的环境和/或另外的、尤其是在前行驶的车辆的传感器。此外，车辆包括用于执行以上示出的变型方案中的一个中的方法的方法步骤的器件。适宜地，该器件是或包括计算装置，例如计算机和/或处理器。适宜地，机动车此外包括计算机可读介质，在其上保存有贝叶斯网络或与该贝叶斯网络相应的计算规则。

29、本发明的另一方面涉及一种计算机程序。该计算机程序包括命令，所述命令引起机动车实施以上描述的变型方案中的一个中的方法的方法步骤。尤其是，计算机程序包括命令，所述命令引起确定关于由另外的车辆使用的行车道和/或关于另外的车辆自身的信息，根据该信息来确定静态贝叶斯网络的节点的概率分布，并且借助静态贝叶斯网络来确定另外的车辆的转弯过程的概率。适宜地，计算机程序此外包括命令，所述命令引起确定贝叶斯网络的节点、尤其是所有节点的有条件和/或无条件概率分布。对此备选地，这些概率分布保存在存储器上并且在方法的过程中被加载。

30、本发明的另一方面涉及一种计算机可读介质，其尤其是构造为非易失性存储器，计算机程序存储在该存储器上。计算机可读介质例如是闪存、硬盘、cd、dvd等。优选地，机动车具有该计算机可读介质。适宜地，在此该计算机可读介质在信号和/或数据传输技术上与用于执行该方法的器件连接和/或可连接。