[go: up one dir, main page]

DE102016005580A1 - Method and system for predicting a driving behavior of a vehicle - Google Patents

Method and system for predicting a driving behavior of a vehicle Download PDF

Info

Publication number
DE102016005580A1
DE102016005580A1 DE102016005580.4A DE102016005580A DE102016005580A1 DE 102016005580 A1 DE102016005580 A1 DE 102016005580A1 DE 102016005580 A DE102016005580 A DE 102016005580A DE 102016005580 A1 DE102016005580 A1 DE 102016005580A1
Authority
DE
Germany
Prior art keywords
vehicle
driving behavior
class
classes
vehicles
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
DE102016005580.4A
Other languages
German (de)
Inventor
Marcus Kühne
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Audi AG
Original Assignee
Audi AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Audi AG filed Critical Audi AG
Priority to DE102016005580.4A priority Critical patent/DE102016005580A1/en
Publication of DE102016005580A1 publication Critical patent/DE102016005580A1/en
Ceased legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Vorhersagen eines Fahrverhaltens eines Fahrzeugs (36), mit den Schritten: Bereitstellen eines Datensatzes (14), welcher für verschiedene Fahrzeugklassen (16, 18, 20) jeweilige fahrzeugklassenspezifische Fahrverhaltensprofile (22, 24, 26) umfasst, mittels einer Servereinrichtung (12); Erfassen des Fahrzeugs (36) mittels eines weiteren Fahrzeugs (28); Zuordnen des erfassten Fahrzeugs (36) zu einer der Fahrzeugklassen (16, 18, 20) des bereitgestellten Datensatzes (14); Auswählen des zur zugeordneten Fahrzeugklasse (16, 18, 20) zugehörigen fahrzeugklassenspezifischen Fahrverhaltensprofils (22, 24, 26); Vorhersagen des Fahrverhaltens des erfassten Fahrzeugs (36) anhand des ausgewählten Fahrverhaltensprofils (22, 24, 26). Die Erfindung betrifft des Weiteren ein System (10) zum Vorhersagen eines Fahrverhaltens eines Fahrzeugs (36).The invention relates to a method for predicting a driving behavior of a vehicle (36), comprising the steps of: providing a data set (14) which includes respective vehicle class-specific driving behavior profiles (22, 24, 26) for different vehicle classes (16, 18, 20) a server device (12); Detecting the vehicle (36) by means of another vehicle (28); Assigning the detected vehicle (36) to one of the vehicle classes (16, 18, 20) of the provided record (14); Selecting the vehicle class specific driveability profile (22, 24, 26) associated with the associated vehicle class (16, 18, 20); Predicting the driveability of the detected vehicle (36) based on the selected driveability profile (22, 24, 26). The invention further relates to a system (10) for predicting a driving behavior of a vehicle (36).

Description

Die Erfindung betrifft ein Verfahren und System zum Vorhersagen eines Fahrverhaltens eines Fahrzeugs.The invention relates to a method and system for predicting a driving behavior of a vehicle.

Die Abschätzung bzw. Vorhersage des Fahrverhaltens anderer Verkehrsteilnehmer ist wichtig, insbesondere auch im Hinblick darauf, Unfälle zu vermeiden. Dies spielt insbesondere auch eine immer stärkere Rolle im Zusammenhang mit Bestrebungen, Kraftfahrzeuge teilautonom oder vollständig autonom fahren zu lassen bzw. zu steuern.The estimation or prediction of the driving behavior of other road users is important, especially with regard to avoiding accidents. In particular, this also plays an increasingly important role in connection with efforts to let motor vehicles drive partially autonomously or completely autonomously or to control them.

Die DE 10 2014 207 666 A1 zeigt ein Verfahren zum autonomen Steuern eines Kraftfahrzeugs. Mittels einer Sensoreinrichtung des Kraftfahrzeugs werden Daten bezüglich eines anderen Fahrzeugs bereitgestellt. Bei den Daten kann sich beispielsweise um ein vom anderen Fahrzeug ausgesandtes Blaulicht oder akustisches Signal handeln. Anhand der Daten wird ermittelt, welche Art von Aufgabenstellung das Fahrzeug inne hat, beispielsweise ob es um ein Polizeifahrzeug, einen Krankenwagen oder ein Feuerwehrfahrzeug, handelt. Eine mit der Aufgabenstellung des Fahrzeugs verbundene Verhaltensweise des Fahrzeugs wird bei der autonomen Steuerung des Kraftfahrzeugs berücksichtigt.The DE 10 2014 207 666 A1 shows a method for autonomously controlling a motor vehicle. By means of a sensor device of the motor vehicle, data relating to another vehicle are provided. The data may be, for example, a blue light emitted by the other vehicle or an acoustic signal. Based on the data, it is determined what kind of task the vehicle is in, for example, whether it is a police vehicle, an ambulance or a fire engine. A related to the task of the vehicle behavior of the vehicle is taken into account in the autonomous control of the motor vehicle.

Die DE 10 2014 200 700 A1 zeigt ein Verfahren zur Erkennung einer Rettungsgassensituation. Anhand von erfassten seitlichen Abständen zu anderen Fahrzeugen wird die Rettungsgassensituation ermittelt, in welcher eine Rettungsgasse für Rettungsfahrzeuge zu bilden ist. Eine Stauassistenzfunktionseinheit zum autonomen Führen eines Kraftfahrzeugs wird bei erkannter Rettungsgassensituation deaktiviert und ein Fahrer des Kraftfahrzeugs wird auf die Rettungsgassensituation hingewiesen.The DE 10 2014 200 700 A1 shows a method for detecting a rescue gas situation. On the basis of recorded lateral distances to other vehicles, the emergency lane situation is determined, in which a rescue lane for rescue vehicles is to be formed. A congestion assistance function unit for the autonomous guidance of a motor vehicle is deactivated when the emergency lane situation is detected, and a driver of the motor vehicle is made aware of the emergency lane situation.

Die DE 10 2011 083 677 A1 zeigt ein Verfahren zum Vorhersagen einer Verkehrssituation für ein Kraftfahrzeug, bei welchem historische Fahrprofile verschiedener Fahrzeuge zur Vorhersage der Verkehrssituation berücksichtigt werden.The DE 10 2011 083 677 A1 shows a method for predicting a traffic situation for a motor vehicle, in which historical driving profiles of different vehicles to predict the traffic situation are taken into account.

Es ist die Aufgabe der vorliegenden Erfindung, ein Verfahren und ein System zum Vorhersagen eines Fahrverhaltens eines Fahrzeugs bereitzustellen, mittels welchen eine besonders gute Vorhersagequalität im Hinblick auf das Fahrverhalten des betreffenden Fahrzeugs ermöglicht werden kann.It is the object of the present invention to provide a method and a system for predicting a driving behavior of a vehicle, by means of which a particularly good predictive quality with regard to the driving behavior of the vehicle in question can be made possible.

Diese Aufgabe wird durch ein Verfahren und durch ein System zum Vorhersagen eines Fahrverhaltens eines Fahrzeugs mit den Merkmalen der unabhängigen Patentansprüche gelöst. Vorteilhafte Ausgestaltungen mit zweckmäßigen und nicht trivialen Weiterbildungen der Erfindung sind in den abhängigen Ansprüchen angegeben.This object is achieved by a method and by a system for predicting a driving behavior of a vehicle having the features of the independent patent claims. Advantageous embodiments with expedient and non-trivial developments of the invention are specified in the dependent claims.

Bei dem erfindungsgemäßen Verfahren zum Vorhersagen eines Fahrverhaltens wird ein Datensatz mittels einer Servereinrichtung bereitgestellt. Der Datensatz umfasst für verschiedene Fahrzeugklassen jeweilige fahrzeugklassenspezifische Fahrverhaltensprofile. Mittels eines weiteren Fahrzeugs wird das betreffende Fahrzeug erfasst. Anschließend wird das erfasste Fahrzeug zu einer der Fahrzeugklassen des bereitgestellten Datensatzes zugeordnet. Danach wird das zur zugeordneten Fahrzeugklasse zugehörige fahrzeugklassenspezifische Fahrverhaltensprofil ausgewählt. Schließich wird das Fahrverhalten des erfassten Fahrzeugs anhand des ausgewählten Fahrverhaltensprofils vorhergesagt.In the driving behavior predicting method of the present invention, a record is provided by a server device. The data set comprises different vehicle class-specific driving behavior profiles for different vehicle classes. By means of another vehicle, the vehicle in question is detected. Subsequently, the detected vehicle is assigned to one of the vehicle classes of the provided data record. After that, the vehicle class-specific driving behavior profile associated with the assigned vehicle class is selected. Finally, the driving behavior of the detected vehicle is predicted on the basis of the selected driving behavior profile.

Der Erfindung liegt dabei die Erkenntnis zugrunde, dass üblicherweise unterschiedliche Fahrzeugklassen, wie beispielsweise SUVs, LKWs, Busse, Sportwagen und dergleichen, unterschiedlich gefahren werden. Ein und dieselbe Person wird üblicherweise einen besonders leistungsstarken Sportwagen ganz anders im Straßenverkehr bewegen als beispielsweise einen schweren Geländewagen. Daher ist es erfindungsgemäß vorgesehen, mittels einer Servereinrichtung einen Datensatz bereitzustellen, welcher für verschiedene Fahrzeugklassen jeweilige fahrzeugklassenspezifische Fahrverhaltensprofile umfasst. Unter den Fahrverhaltensprofilen sind mit anderen Worten Fahrverhaltensmuster zu verstehen, welche charakterisieren bzw. beschreiben, wie die verschiedenen Fahrzeugklassen üblicherweise im Verkehrsgeschehen bewegt werden. Mittels des weiteren Fahrzeugs wird sodann wenigstens ein Fahrzeug in der Umgebung des weiteren Fahrzeugs erfasst und einer der Fahrzeugklassen zugeordnet. Sobald das betreffende erfasste Fahrzeug einer der Fahrzeugklassen zugeordnet worden ist, wird das entsprechend passende Fahrverhaltensprofil ausgewählt. Basierend darauf kann das zukünftige Fahrverhalten des erfassten Fahrzeugs besonders genau vorhergesagt werden.The invention is based on the finding that usually different vehicle classes, such as SUVs, trucks, buses, sports cars and the like, are driven differently. One and the same person will usually move a particularly powerful sports car in a very different way on the road than, for example, a heavy SUV. Therefore, it is provided according to the invention to provide a data set by means of a server device, which comprises different vehicle class-specific driving behavior profiles for different vehicle classes. In other words, the driving behavior profiles are to be understood as driving behavior patterns which characterize or describe how the various vehicle classes are usually moved in traffic. At least one vehicle in the vicinity of the further vehicle is then detected by means of the further vehicle and assigned to one of the vehicle classes. As soon as the detected vehicle has been assigned to one of the vehicle classes, the corresponding driving behavior profile is selected. Based on this, the future driving behavior of the detected vehicle can be predicted with particular accuracy.

Auf Basis der Zuordnung eines Fahrzeugs zu einem der vorgegebenen Fahrzeugklassen und durch eine entsprechende Auswahl des betreffenden Fahrverhaltensprofils kann relativ zuverlässig vorhergesagt werden, wie sich der betreffende Fahrer des gerade erfassten Fahrzeugs im Straßenverkehr verhalten wird, beispielsweise ob er zu besonders abrupten Bremsmanövern, Beschleunigungen oder dergleichen neigt oder nicht. Durch die beschriebene Auswahl des passenden Fahrverhaltensprofils kann eine besonders hohe Vorhersagequalität im Hinblick auf das Fahrverhalten des erfassten Fahrzeugs sichergestellt werden.On the basis of the assignment of a vehicle to one of the predefined vehicle classes and by a corresponding selection of the relevant driving profile, it can be predicted relatively reliably how the driver in question of the vehicle currently being registered will behave in the road, for example if he or she has to make particularly abrupt braking maneuvers, accelerations or the like tends or not. By the described selection of the appropriate driving behavior profile, a particularly high predictive quality with regard to the driving behavior of the detected vehicle can be ensured.

Eine vorteilhafte Ausführungsform der Erfindung sieht vor, dass in den fahrzeugklassenspezifischen Fahrverhaltensprofilen Wahrscheinlichkeiten für die Durchführung jeweiliger Fahrmanöver für vorgegebene Verkehrssituationen hinterlegt werden. Unter Fahrmanöver können beispielsweise ein Bremsvorgang, ein Beschleunigungsvorgang oder dergleichen fallen. Diese verschiedenen Fahrmanöver werden unterschiedlichen Verkehrssituationen, wie beispielsweise einer Fahrt auf einer Autobahn, einer Landstraße im Stadtverkehr, bei besonders dichtem Verkehrsaufkommen, bei Nacht, tagsüber oder dergleichen zugeordnet. Je nachdem, um welche Art von Fahrzeugklasse es sich handelt, werden unterschiedliche Wahrscheinlichkeiten für unterschiedliche Fahrmanöver in unterschiedlicher Ausprägung für die verschiedenen vorgegebenen Verkehrssituationen hinterlegt. Für die verschiedenen Fahrzeugklassen können somit sehr detaillierte und sich hinsichtlich ihrer jeweiligen Eigenschaften unterscheidende Fahrverhaltensprofile bereitgestellt werden. Dadurch kann eine besonders gute Vorhersagequalität für das Fahrverhalten eines gerade erfassten Fahrzeugs erzielt werden.An advantageous embodiment of the invention provides that in the vehicle-class-specific driving behavior profiles probabilities for the implementation of respective driving maneuvers be deposited for predetermined traffic situations. Under driving maneuvers, for example, a braking operation, an acceleration process or the like may fall. These various maneuvers are assigned to different traffic situations, such as driving on a highway, a highway in city traffic, particularly dense traffic, at night, during the day or the like. Depending on which type of vehicle class is concerned, different probabilities for different driving maneuvers are deposited in varying degrees for the various predefined traffic situations. For the various vehicle classes, it is thus possible to provide very detailed and different driving behavior profiles with regard to their respective characteristics. As a result, a particularly good predictive quality for the driving behavior of a vehicle that has just been detected can be achieved.

Eine weitere vorteilhafte Ausführungsform der Erfindung sieht vor, dass das Erfassen des Fahrzeugs und Zuordnen zu einer der Fahrzeugklassen basierend auf einer optischen Erfassung des Fahrzeugs und anschließenden Bildverarbeitung und/oder basierend auf einer Car2Car-Kommunikation erfolgt. Das weitere Fahrzeug, welches das andere Fahrzeug erfasst, kann beispielsweise ein Kamerasystem mit einer entsprechenden Bildverarbeitungseinrichtung aufweisen, sodass das betreffende Fahrzeug optisch erfasst und anschließend ausgewertet sowie anhand bestimmter hinterlegter Kriterien zu einem der Fahrzeugklassen zugeordnet werden kann. Alternativ oder zusätzlich ist es auch möglich, dass das zu erfassende Fahrzeug Informationen über seine Fahrzeugklasse an das andere Fahrzeug sendet, sodass basierend darauf eine ganz einfache Zuordnung des erfassten Fahrzeugs zu der passenden Fahrzeugklasse erfolgen kann. In beiden Fällen kann auf relativ zuverlässige Weise eine Erfassung des betreffenden Fahrzeugs und Zuordnung zu der passenden Fahrzeugklasse erfolgen.A further advantageous embodiment of the invention provides that the detection of the vehicle and assignment to one of the vehicle classes is based on an optical detection of the vehicle and subsequent image processing and / or based on a Car2Car communication. The further vehicle which detects the other vehicle may, for example, have a camera system with a corresponding image processing device, so that the relevant vehicle can be optically recorded and subsequently evaluated and assigned to one of the vehicle classes on the basis of certain stored criteria. Alternatively or additionally, it is also possible for the vehicle to be detected to send information about its vehicle class to the other vehicle, so that based on this a very simple assignment of the detected vehicle to the appropriate vehicle class can take place. In both cases, a detection of the relevant vehicle and assignment to the appropriate vehicle class can be carried out in a relatively reliable manner.

Gemäß einer weiteren vorteilhaften Ausführungsform der Erfindung ist es vorgesehen, dass das weitere Fahrzeug mittels eines Fahrerassistenzsystems unter Berücksichtigung des vorhergesagten Fahrverhaltens des Fahrzeugs autonom gesteuert wird. Insbesondere wenn das weitere Fahrzeug autonom, also ohne jeglichen Eingriff eines Fahrers, gesteuert wird, ist die durch das erfindungsgemäße Verfahren oder eine vorteilhafte Ausführungsform des erfindungsgemäßen Verfahrens erzielbare hohe Vorhersagequalität im Hinblick auf das Fahrverhalten des anderen Fahrzeugs besonders vorteilhaft. Das Fahrerassistenzsystem kann unter Berücksichtigung des vorhergesagten Fahrverhaltens des erfassten Fahrzeugs das weitere Fahrzeug besonders sicher autonom steuern.According to a further advantageous embodiment of the invention, it is provided that the further vehicle is autonomously controlled by means of a driver assistance system taking into account the predicted driving behavior of the vehicle. In particular, when the other vehicle is controlled autonomously, ie without any intervention by a driver, the high predictive quality achievable by the method according to the invention or an advantageous embodiment of the method according to the invention is particularly advantageous with regard to the driving behavior of the other vehicle. Taking into account the predicted driving behavior of the detected vehicle, the driver assistance system can control the further vehicle particularly reliably autonomously.

Eine weitere vorteilhafte Ausführungsform der Erfindung sieht vor, dass das weitere Fahrzeug Teil einer Fahrzeugflotte von mehreren Fahrzeugen ist, welche fortlaufend andere Fahrzeuge und ihr Fahrverhalten erfassen sowie diesbezügliche Daten an die Servereinrichtung übertragen, welche anhand dieser Daten den Datensatz aktualisiert und den aktualisierten Datensatz den Fahrzeugen der Fahrzeugflotte bereitstellt. Mit anderen Worten ist es also vorzugsweise vorgesehen, dass der bereitgestellte Datensatz nicht unverändert beibehalten sondern fortlaufend aktualisiert wird. Je mehr Fahrzeuge Teil der Fahrzeugflotte sind, desto mehr Daten werden fortlaufend im Hinblick auf das Verkehrsverhalten der am Verkehr teilnehmenden Fahrzeuge gesammelt. Dadurch kann insbesondere die fahrzeugklassenspezifische fortlaufende Anpassung der unterschiedlichen Fahrverhaltensprofile kontinuierlich ausgebaut werden. Durch die fortlaufende Beobachtung und Analyse der verschiedenen Verkehrsteilnehmer bzw. Fahrzeuge durch die Fahrzeugflotte und Anpassung des die Fahrverhaltensprofile aufweisenden Datensatzes kann die Vorhersagequalität im Hinblick auf die verschiedensten Verkehrsteilnehmer immer weiter verfeinert und verbessert werden.A further advantageous embodiment of the invention provides that the further vehicle is part of a vehicle fleet of several vehicles, which continuously capture other vehicles and their driving behavior and transmit related data to the server device, which updates the record based on these data and the updated record the vehicles the vehicle fleet provides. In other words, it is thus preferably provided that the provided data set is not kept unchanged but is continuously updated. The more vehicles that are part of the vehicle fleet, the more data is collected continuously with regard to the traffic behavior of the vehicles participating in the traffic. As a result, in particular the vehicle-class-specific continuous adaptation of the different driving characteristics can be continuously expanded. Due to the continuous observation and analysis of the various road users or vehicles by the vehicle fleet and adaptation of the data set containing the driving behavior profiles, the predictive quality with regard to the various road users can be further refined and improved.

Gemäß einer weiteren vorteilhaften Ausführungsform der Erfindung ist es vorgesehen, dass anhand der Daten die fahrzeugklassenspezifischen Fahrverhaltensprofile des Datensatzes aktualisiert werden. Insbesondere können Abweichungen zwischen hinterlegten Fahrverhaltensmustern bzw. Arten von Fahrmanövern und tatsächlich festgestellten Fahrverhaltensmustern bzw. Fahrmanövern identifiziert und die entsprechenden Fahrverhaltensprofilen für die unterschiedlichen Fahrzeugklassen fortlaufend angepasst werden. Dadurch kann die Vorhersagequalität unter Ausnutzung des Datensatzes immer weiter gesteigert werden.According to a further advantageous embodiment of the invention, it is provided that the vehicle class-specific driving behavior profiles of the data record are updated on the basis of the data. In particular, deviations between stored driving patterns or types of driving maneuvers and actually determined driving behavior patterns or driving maneuvers can be identified and the corresponding driving behavior profiles for the different vehicle classes continuously adapted. As a result, the predictive quality can be further increased by exploiting the data set.

Eine weitere vorteilhafte Ausführungsform der Erfindung sieht vor, dass anhand der Daten bislang noch nicht hinterlegte Fahrzeugklassen im Datensatz angelegt und für diese Fahrzeugklassen fahrzeugklassenspezifische Fahrverhaltensprofile angelegt werden. Dies ist insbesondere dann vorteilhaft, wenn neue Fahrzeugklassen im Verkehrsgeschehen auftauchen, welche besonders für diese Fahrzeugklasse charakteristische Fahrverhaltensprofile aufweisen. Dies trägt ebenfalls dazu bei, dass der die Fahrzeugklassen mit den entsprechenden Fahrverhaltensprofilen umfassende Datensatz fortlaufend aktualisiert, verfeinert und verbessert wird, was sich positiv auf die erzielbare Vorhersagequalität auswirkt.A further advantageous embodiment of the invention provides that based on the data not yet deposited vehicle classes created in the record and created vehicle class specific driving characteristics for these vehicle classes. This is particularly advantageous when new vehicle classes appear in the traffic scene, which have characteristic of this vehicle class characteristic driving characteristics. This also contributes to continuously updating, refining and improving the data set comprising the vehicle classes with the corresponding driving behavior profiles, which has a positive effect on the achievable forecasting quality.

In weiterer vorteilhafter Ausgestaltung der Erfindung ist es vorgesehen, dass der mittels der Servereinrichtung bereitgestellte Datensatz an die Fahrzeuge der Fahrzeugflotte übertragen und in jeweiligen fahrzeugseitigen Speichereinheiten gespeichert wird, wobei jeweils fahrzeugseitig die Vorhersage des Fahrverhaltens anderer Fahrzeuge basierend auf dem jeweils gespeicherten Datensatz erfolgt. Dies bringt den Vorteil mit sich, dass selbst wenn keine Kommunikationsverbindung zwischen der Servereinrichtung und den Fahrzeugen der Fahrzeugflotte aufgebaut werden können sollte, die Fahrzeuge der Fahrzeugflotte selbstständig Vorhersagen über das jeweilige Fahrverhalten anderer Verkehrsteilnehmer treffen können. Eine Aktualisierung der lokal gespeicherten Datensätze erfolgt dabei vorzugsweise immer dann, sobald serverseitig der Datensatz aktualisiert worden ist und eine Kommunikationsverbindung zwischen der Servereinrichtung und den jeweiligen Fahrzeugen der Fahrzeugflotte aufgebaut werden kann. Dadurch kann sichergestellt werden, dass die jeweiligen Datensätze, welche die Fahrzeuge der Fahrzeugflotte zur Vorhersage des Fahrverhaltens anderer Verkehrsteilnehmer verwenden, immer auf einem aktuellen Stand sind.In a further advantageous embodiment of the invention, it is provided that the provided by means of the server device data set transmitted to the vehicles of the vehicle fleet and in respective vehicle-side storage units is stored, wherein in each case the vehicle side, the prediction of the driving behavior of other vehicles is based on the respective stored data set. This has the advantage that even if no communication link between the server device and the vehicles of the vehicle fleet should be established, the vehicles of the vehicle fleet can independently make predictions about the respective driving behavior of other road users. An updating of the locally stored data records is preferably always carried out as soon as the server-side record has been updated and a communication link between the server device and the respective vehicles of the vehicle fleet can be established. This ensures that the respective data sets which the vehicles of the vehicle fleet use to predict the driving behavior of other road users are always up-to-date.

Das erfindungsgemäße System zum Vorhersagen eines Fahrverhaltens eines Fahrzeugs umfasst eine Servereinrichtung, welche dazu ausgelegt ist, einen Datensatz bereitzustellen, welcher für verschiedene Fahrzeugklassen jeweilige fahrzeugklassenspezifische Fahrverhaltensprofile umfasst. Das System umfasst des Weiteren wenigstens ein anderes Fahrzeug, welches dazu ausgelegt ist, das Fahrzeug zu erfassen, einem der Fahrzeugklassen des Datensatzes zuzuordnen, das zur zugeordneten Fahrzeugklasse gehörende fahrzeugklassenspezifische Fahrverhalten auszuwählen und das Fahrverhalten des erfassten Fahrzeugs anhand des ausgewählten Fahrverhaltensprofils vorherzusagen. Vorteilhafte Ausgestaltungen des erfindungsgemäßen Verfahrens sind als vorteilhafte Ausgestaltungen des erfindungsgemäßen Systems anzusehen, wobei das System insbesondere Mittel zur Durchführung der Verfahrensschritte aufweist.The system for predicting a driving behavior of a vehicle according to the invention comprises a server device which is designed to provide a data record which comprises respective vehicle class-specific driving behavior profiles for different vehicle classes. The system further includes at least one other vehicle configured to capture the vehicle, associate it with one of the vehicle classes of the data set, select the vehicle class-specific driving habits associated with the associated vehicle class, and predict the driving behavior of the detected vehicle based on the selected driving behavior profile. Advantageous embodiments of the method according to the invention are to be regarded as advantageous embodiments of the system according to the invention, wherein the system has in particular means for carrying out the method steps.

Weitere Vorteile, Merkmale und Einzelheiten der Erfindung ergeben sich aus der nachfolgenden Beschreibung eines bevorzugten Ausführungsbeispiels sowie anhand der Zeichnung. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren alleine gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar, ohne den Rahmen der Erfindung zu verlassen.Further advantages, features and details of the invention will become apparent from the following description of a preferred embodiment and from the drawing. The features and feature combinations mentioned above in the description as well as the features and feature combinations mentioned below in the description of the figures and / or in the figures alone can be used not only in the respectively specified combination but also in other combinations or in isolation, without the scope of To leave invention.

Die Zeichnung zeigt in:The drawing shows in:

1 eine schematische Darstellung eines Systems zum Vorhersagen eines Fahrverhaltens eines Fahrzeugs, welches eine Servereinrichtung und wenigstens ein Fahrzeug umfasst; und in 1 a schematic representation of a system for predicting a driving behavior of a vehicle, which includes a server device and at least one vehicle; and in

2 eine schematische Darstellung einer Verkehrssituation, bei welcher das in 1 gezeigte Fahrzeug hinter einem Bus fährt, welcher seinerseits hinter einem LKW herfährt. 2 a schematic representation of a traffic situation in which the in 1 vehicle behind a bus drives, which in turn drove behind a truck.

In den Figuren werden gleiche oder funktionsgleiche Elemente mit gleichen Bezugszeichen versehen.In the figures, identical or functionally identical elements are provided with the same reference numerals.

Ein insgesamt mit 10 bezeichnetes System zum Vorhersagen eines Fahrverhaltens eines Fahrzeugs ist in einer schematischen Darstellung in 1 gezeigt. Das System 10 umfasst eine Servereinrichtung 12, welche dazu ausgelegt ist, einen Datensatz 14 bereitzustellen, welcher für verschiedene Fahrzeugklassen 16, 18, 20 jeweilige fahrzeugklassenspezifische Fahrverhaltensprofile 22, 24, 26 umfasst. Das System 10 umfasst des Weiteren eine Vielzahl von zu einer Fahrzeugflotte gehörenden Fahrzeugen 28, wobei im vorliegenden Fall nur eines dieser Fahrzeuge 28 schematisch angedeutet ist. Die Fahrzeuge 28 umfassen eine Kommunikationseinrichtung 30 zum Datenaustausch mit der Servereinrichtung 12, eine Erfassungseinrichtung 32 zum Erfassen anderer Fahrzeuge und zumindest teilweise noch ein Fahrerassistenzsystem 34, welches dazu ausgelegt ist, die betreffenden Fahrzeuge 28 autonom zu steuern.A total with 10 A system for predicting a driving behavior of a vehicle is shown in a schematic representation in FIG 1 shown. The system 10 includes a server device 12 , which is designed to be a record 14 to provide which for different vehicle classes 16 . 18 . 20 respective vehicle-class-specific driving behavior profiles 22 . 24 . 26 includes. The system 10 further includes a plurality of vehicles associated with a vehicle fleet 28 , in the present case, only one of these vehicles 28 is indicated schematically. The vehicles 28 comprise a communication device 30 for data exchange with the server device 12 , a detection device 32 for detecting other vehicles and at least partially still a driver assistance system 34 , which is designed to be the vehicles concerned 28 to control autonomously.

In 2 ist eine Verkehrssituation, in welcher sich eines der Fahrzeuge 28 des Systems 10 gerade befindet, schematisch angedeutet. Wie zu erkennen, fährt das Fahrzeug 28 hinter einem Bus 36 her, welcher seinerseits hinter einem LKW 38 fährt. Die nachfolgenden Erläuterungen, welche unter Bezugnahme auf das Fahrzeug 28 erfolgen, gelten gleichermaßen für die hier nicht weiter dargestellten Fahrzeuge 28, welche ebenfalls Teil des Systems 10 sind.In 2 is a traffic situation in which one of the vehicles 28 of the system 10 currently located, indicated schematically. As you can see, the vehicle drives 28 behind a bus 36 which in turn is behind a truck 38 moves. The following explanations, which with reference to the vehicle 28 apply, apply equally to the vehicles not shown here 28 which are also part of the system 10 are.

Das Fahrzeug 28 wird mittels des Fahrerassistenzsystems 34 gerade autonom gesteuert und nähert sich von hinten dem Bus 36 an. Mittels der Erfassungseinrichtung 32 wird der Bus 36 erfasst und zu einer der Fahrzeugklassen 16, 18, 20 des Datensatzes 14 zugeordnet. Vorzugsweise ist der Datensatz 14, welcher mittels der Servereinrichtung 12 bereitgestellt wird, in einer lokalen Speichereinheit des Fahrzeugs 28 hinterlegt. Sobald der Bus 36 zur passenden Fahrzeugklasse 16, 18, 20 zugeordnet worden ist, wird das zur entsprechenden Fahrzeugklasse 16, 18 oder 20 zugehörige fahrzeugklassenspezifische Fahrverhaltensprofil 22, 24, 26 ausgewählt. Anschließend wird das Fahrverhalten des erfassten Busses 36 anhand des ausgewählten Fahrverhaltensprofils 22, 24 oder 26 vorhergesagt. Das zur autonomen Steuerung des Fahrzeugs 28 dienende Fahrerassistenzsystem 34 berücksichtigt dabei das vorhergesagte bzw. prognostizierte Fahrverhalten des Busses 36.The vehicle 28 is by means of the driver assistance system 34 just autonomously controlled and approaches the bus from behind 36 at. By means of the detection device 32 becomes the bus 36 recorded and to one of the vehicle classes 16 . 18 . 20 of the record 14 assigned. Preferably, the record is 14 , which by means of the server device 12 is provided in a local storage unit of the vehicle 28 deposited. Once the bus 36 to the appropriate vehicle class 16 . 18 . 20 has been assigned to the corresponding vehicle class 16 . 18 or 20 associated vehicle-class-specific driving behavior profile 22 . 24 . 26 selected. Subsequently, the driving behavior of the detected bus 36 based on the selected driving behavior profile 22 . 24 or 26 predicted. The autonomous control of the vehicle 28 serving driver assistance system 34 considered while the predicted or predicted driving behavior of the bus 36 ,

Beispielsweise kann es von Interesse sein, ob der Bus 36 den LKW 38 überholen wird und wie er dies tun wird, beispielsweise besonders abrupt oder eher weniger abrupt. In den jeweiligen Fahrverhaltensprofilen 22, 24, 26 sind Wahrscheinlichkeiten für die Durchführung unterschiedlichster Fahrmanöver für unterschiedlichste Verkehrssituationen hinterlegt. Unter anderem kann beispielsweise auch für die in 2 schematisch gezeigte Verkehrssituation bzw. Fahrsituation die Wahrscheinlichkeit für die Durchführung eines bestimmten Fahrmanövers, beispielsweise eines Überholmanövers, genau für die Fahrzeugklasse Bus hinterlegt sein. Sollten sich die Fahrzeuge 28, 36, 38 beispielsweise auf einer Autobahn befinden, ist es relativ wahrscheinlich, dass der Bus 36 den LKW 38 irgendwann überholen wird. Würde das Fahrzeug 28 statt dem Bus 36 einem Sportwagen folgen, welcher hinter dem LKW 38 hinterherfährt, ist es sehr wahrscheinlich, dass der Sportwagen wesentlich schneller ausscheren wird, um den LKW 38 zu überholen. Dadurch, dass das Fahrzeug 28 dazu in der Lage ist, den Bus 36 und auch alle anderen Arten von Fahrzeugen und Verkehrsteilnehmern zu erfassen und jeweils passenden Fahrzeugklassen 16, 18 oder 20 zuzuordnen, kann eine besonders gute Vorhersage im Hinblick auf das Fahrverhalten des betreffenden Fahrzeugs getroffen werden. Wie bereits erwähnt, umfasst das System 10 eine Vielzahl der Fahrzeuge 28, welche Teil einer Fahrzeugflotte sind. Die Fahrzeuge 28 der Fahrzeugflotte erfassen fortlaufend andere Fahrzeuge 36, 38 und ihr Fahrverhalten und übertragen diesbezügliche Daten an die Servereinrichtung 12, welche anhand dieser empfangenen Daten den Datensatz 14 fortlaufend aktualisiert und den Fahrzeugen 28 der Fahrzeugflotte des Systems 10 wiederum bereitstellt.For example, it may be of interest whether the bus 36 the truck 38 will overtake and how he will do this, for example, particularly abrupt or rather less abrupt. In the respective driving profiles 22 . 24 . 26 Probabilities for the implementation of different driving maneuvers for different traffic situations are stored. Among other things, for example, for the in 2 shown schematically traffic situation or driving situation the probability of performing a certain maneuver, such as an overtaking maneuver, be deposited exactly for the vehicle class bus. Should the vehicles 28 . 36 . 38 For example, if you are on a highway, it is relatively likely that the bus 36 the truck 38 will someday overtake. Would the vehicle 28 instead of the bus 36 Follow a sports car, which is behind the truck 38 Afterwards, it is very likely that the sports car will move out much faster to the truck 38 to overtake. By doing that the vehicle 28 capable of doing the bus 36 and also to record all other types of vehicles and road users and appropriate vehicle classes 16 . 18 or 20 To assign a particularly good prediction can be made with regard to the driving behavior of the vehicle in question. As already mentioned, the system includes 10 a variety of vehicles 28 which are part of a vehicle fleet. The vehicles 28 of the vehicle fleet continuously capture other vehicles 36 . 38 and their driving behavior and transmit related data to the server device 12 which uses this received data to record 14 continuously updated and the vehicles 28 the vehicle fleet of the system 10 in turn provides.

Durch eine fortlaufende Beobachtung des Verkehrs, insbesondere anderer Verkehrsteilnehmer und Fahrzeuge, können die fahrzeugklassenspezifischen Fahrverhaltensprofile 22, 24, 26 für die verschiedenen Fahrzeugklassen 16, 18, 20 immer weiter verfeinert und verbessert werden. Zudem ist es auch möglich, dass bislang noch nicht hinterlegte Fahrzeugklassen im Datensatz 14 angelegt und für diese neu angelegten Fahrzeugklassen ebenfalls fahrzeugklassenspezifische Fahrverhaltensprofile angelegt werden. Dafür können beispielsweise die bereits im Datensatz 14 hinterlegten Fahrverhaltensprofile 22, 24, 26 herangezogen und entsprechend modifiziert werden.By a continuous observation of the traffic, in particular other road users and vehicles, the vehicle-class-specific driving behavior profiles 22 . 24 . 26 for the different vehicle classes 16 . 18 . 20 always refined and improved. In addition, it is also possible that not yet deposited vehicle classes in the record 14 created and for these newly created vehicle classes also vehicle class specific driving characteristics are created. For example, those already in the record 14 stored driving behavior profiles 22 . 24 . 26 used and modified accordingly.

Durch das System 10 wird also ein besonders intelligentes und selbstlernendes System zur Vorhersage von Fahrverhalten unterschiedlichster Fahrzeuge bereitgestellt, welches fortlaufend erweitert, aktualisiert und verbessert wird. Dadurch kann eine besonders hohe Vorhersagequalität im Hinblick auf das Fahrverhalten unterschiedlichster Fahrzeuge ermöglicht werden.Through the system 10 Thus, a particularly intelligent and self-learning system for predicting driving behavior of a wide variety of vehicles is provided, which is continuously being extended, updated and improved. This allows a particularly high predictive quality with regard to the driving behavior of a wide variety of vehicles.

ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte PatentliteraturCited patent literature

  • DE 102014207666 A1 [0003] DE 102014207666 A1 [0003]
  • DE 102014200700 A1 [0004] DE 102014200700 A1 [0004]
  • DE 102011083677 A1 [0005] DE 102011083677 A1 [0005]

Claims (9)

Verfahren zum Vorhersagen eines Fahrverhaltens eines Fahrzeugs (36), mit den Schritten: – Bereitstellen eines Datensatzes (14), welcher für verschiedene Fahrzeugklassen (16, 18, 20) jeweilige fahrzeugklassenspezifische Fahrverhaltensprofile (22, 24, 26) umfasst, mittels einer Servereinrichtung (12); – Erfassen des Fahrzeugs (36) mittels eines weiteren Fahrzeugs (28); – Zuordnen des erfassten Fahrzeugs (36) zu einer der Fahrzeugklassen (16, 18, 20) des bereitgestellten Datensatzes (14); – Auswählen des zur zugeordneten Fahrzeugklasse (16, 18, 20) zugehörigen fahrzeugklassenspezifischen Fahrverhaltensprofils (22, 24, 26); – Vorhersagen des Fahrverhaltens des erfassten Fahrzeugs (36) anhand des ausgewählten Fahrverhaltensprofils (22, 24, 26).Method for predicting a driving behavior of a vehicle ( 36 ), with the steps: - Providing a data record ( 14 ), which is suitable for different vehicle classes ( 16 . 18 . 20 ) respective vehicle-class-specific driving behavior profiles ( 22 . 24 . 26 ) by means of a server device ( 12 ); - Detecting the vehicle ( 36 ) by means of another vehicle ( 28 ); - Assignment of the detected vehicle ( 36 ) to one of the vehicle classes ( 16 . 18 . 20 ) of the provided data record ( 14 ); - Selecting the assigned vehicle class ( 16 . 18 . 20 ) associated vehicle class specific driveability profile ( 22 . 24 . 26 ); - predicting the driving behavior of the detected vehicle ( 36 ) based on the selected driving behavior profile ( 22 . 24 . 26 ). Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass in den fahrzeugklassenspezifischen Fahrverhaltensprofilen (22, 24, 26) Wahrscheinlichkeiten für die Durchführung jeweiliger Fahrmanöver für vorgegebene Verkehrssituationen hinterlegt werden.Method according to Claim 1, characterized in that in the vehicle-class-specific driving behavior profiles ( 22 . 24 . 26 ) Probabilities for the execution of respective driving maneuvers for given traffic situations are deposited. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das Erfassen des Fahrzeugs (36) und Zuordnen zu einer der Fahrzeugklassen (16, 18, 20) basierend auf einer optischen Erfassung des Fahrzeugs (36) und anschließenden Bildverarbeitung und/oder basierend auf einer Car2Car-Kommunikation erfolgt.Method according to claim 1 or 2, characterized in that the detection of the vehicle ( 36 ) and assigning to one of the vehicle classes ( 16 . 18 . 20 ) based on an optical detection of the vehicle ( 36 ) and subsequent image processing and / or based on a Car2Car communication. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das weitere Fahrzeug (28) mittels eines Fahrerassistenzsystems (34) unter Berücksichtigung des vorhergesagten Fahrverhaltens des erfassten Fahrzeugs (36) autonom gesteuert wird.Method according to one of the preceding claims, characterized in that the further vehicle ( 28 ) by means of a driver assistance system ( 34 ) taking into account the predicted driving behavior of the vehicle ( 36 ) is autonomously controlled. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das weitere Fahrzeug (28) Teil einer Fahrzeugflotte von mehreren Fahrzeugen ist, welche fortlaufend andere Fahrzeuge (36, 38) und ihr Fahrverhalten erfassen sowie diesbezügliche Daten an die Servereinrichtung (12) übertragen, welche anhand dieser Daten den Datensatz (14) aktualisiert und den aktualisierten Datensatz (14) den Fahrzeugen (28) der Fahrzeugflotte bereitstellt.Method according to one of the preceding claims, characterized in that the further vehicle ( 28 ) Is part of a vehicle fleet of several vehicles, which continuously other vehicles ( 36 . 38 ) and record their driving behavior and related data to the server device ( 12 ), which uses this data to transfer the data record ( 14 ) and the updated data set ( 14 ) the vehicles ( 28 ) of the vehicle fleet. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass anhand der Daten die fahrzeugklassenspezifischen Fahrverhaltensprofile (22, 24, 26) des Datensatzes (14) aktualisiert werden.Method according to Claim 5, characterized in that, based on the data, the vehicle-class-specific driving behavior profiles ( 22 . 24 . 26 ) of the data record ( 14 ). Verfahren nach Anspruch 5 oder 6, dadurch gekennzeichnet, dass anhand der Daten bislang noch nicht hinterlegte Fahrzeugklassen im Datensatz (14) angelegt und für diese Fahrzeugklassen fahrzeugklassenspezifische Fahrverhaltensprofile angelegt werden.A method according to claim 5 or 6, characterized in that based on the data so far not yet stored vehicle classes in the data set ( 14 ) and vehicle class-specific driving behavior profiles are created for these vehicle classes. Verfahren nach einem der Ansprüche 5 bis 7, dadurch gekennzeichnet, dass der mittels der Servereinrichtung (12) bereitgestellte Datensatz (14) an die Fahrzeuge (28) der Fahrzeugflotte übertragen und in jeweiligen fahrzeugseitigen Speichereinheiten gespeichert wird, wobei jeweils fahrzeugseitig die Vorhersage des Fahrverhaltens anderer Fahrzeuge (36, 38) basierend auf dem jeweils gespeicherten Datensatz (14) erfolgt.Method according to one of claims 5 to 7, characterized in that by means of the server device ( 12 ) provided dataset ( 14 ) to the vehicles ( 28 ) of the vehicle fleet and stored in respective vehicle-mounted storage units, wherein on the vehicle side, the prediction of the driving behavior of other vehicles ( 36 . 38 ) based on the respective stored data record ( 14 ) he follows. System (10) zum Vorhersagen eines Fahrverhaltens eines Fahrzeugs (36), mit: – einer Servereinrichtung (12), welche dazu ausgelegt ist, einen Datensatz (14) bereitzustellen, welcher für verschiedene Fahrzeugklassen (16, 18, 20) jeweilige fahrzeugklassenspezifische Fahrverhaltensprofile (22, 24, 26) umfasst; – wenigstens einem anderen Fahrzeug (28), welches dazu ausgelegt ist, das Fahrzeug (36) zu erfassen, einem der Fahrzeugklassen (16, 18, 20) des Datensatzes (14) zuzuordnen, das zur zugeordneten Fahrzeugklasse (16, 18, 20) gehörende fahrzeugklassenspezifische Fahrverhaltensprofil (22, 24, 26) auszuwählen und das Fahrverhalten des erfassten Fahrzeugs (36) anhand des ausgewählten Fahrverhaltensprofils (22, 24, 26) vorherzusagen.System ( 10 ) for predicting a driving behavior of a vehicle ( 36 ), comprising: - a server device ( 12 ), which is designed to store a data set ( 14 ), which is suitable for different vehicle classes ( 16 . 18 . 20 ) respective vehicle-class-specific driving behavior profiles ( 22 . 24 . 26 ); - at least one other vehicle ( 28 ), which is adapted to the vehicle ( 36 ), one of the vehicle classes ( 16 . 18 . 20 ) of the data record ( 14 ) assigned to the assigned vehicle class ( 16 . 18 . 20 ) vehicle class-specific driving behavior profile ( 22 . 24 . 26 ) and the driving behavior of the vehicle ( 36 ) based on the selected driving behavior profile ( 22 . 24 . 26 ) to predict.
DE102016005580.4A 2016-05-06 2016-05-06 Method and system for predicting a driving behavior of a vehicle Ceased DE102016005580A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102016005580.4A DE102016005580A1 (en) 2016-05-06 2016-05-06 Method and system for predicting a driving behavior of a vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102016005580.4A DE102016005580A1 (en) 2016-05-06 2016-05-06 Method and system for predicting a driving behavior of a vehicle

Publications (1)

Publication Number Publication Date
DE102016005580A1 true DE102016005580A1 (en) 2017-11-09

Family

ID=60119483

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102016005580.4A Ceased DE102016005580A1 (en) 2016-05-06 2016-05-06 Method and system for predicting a driving behavior of a vehicle

Country Status (1)

Country Link
DE (1) DE102016005580A1 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017208594A1 (en) * 2017-05-22 2018-11-22 Bayerische Motoren Werke Aktiengesellschaft Prediction of spatial information of motor vehicles
DE102019213222A1 (en) * 2019-09-02 2021-03-04 Volkswagen Aktiengesellschaft Method for predicting a future driving situation of a foreign object, device, vehicle participating in road traffic
DE102019217282A1 (en) * 2019-11-08 2021-05-12 Volkswagen Aktiengesellschaft Process for predicting the driving behavior of other road users
DE102019134922A1 (en) * 2019-12-18 2021-06-24 Audi Ag Method for operating an autonomous, moving road user
DE102021208191A1 (en) 2021-07-29 2023-02-02 Robert Bosch Gesellschaft mit beschränkter Haftung Method for at least partially automated driving of a motor vehicle

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011083677A1 (en) 2011-09-29 2013-04-04 Bayerische Motoren Werke Aktiengesellschaft Method for predicting traffic conditions for e.g. electric car, involves determining future information for traffic conditions of vehicle based on current state of vehicle and historical data
US8948955B2 (en) * 2010-10-05 2015-02-03 Google Inc. System and method for predicting behaviors of detected objects
DE102014200700A1 (en) 2014-01-16 2015-07-30 Bayerische Motoren Werke Aktiengesellschaft Method and system for detecting an emergency lane situation
DE102014207666A1 (en) 2014-04-23 2015-10-29 Bayerische Motoren Werke Aktiengesellschaft Autonomous driving in a dangerous situation

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8948955B2 (en) * 2010-10-05 2015-02-03 Google Inc. System and method for predicting behaviors of detected objects
DE102011083677A1 (en) 2011-09-29 2013-04-04 Bayerische Motoren Werke Aktiengesellschaft Method for predicting traffic conditions for e.g. electric car, involves determining future information for traffic conditions of vehicle based on current state of vehicle and historical data
DE102014200700A1 (en) 2014-01-16 2015-07-30 Bayerische Motoren Werke Aktiengesellschaft Method and system for detecting an emergency lane situation
DE102014207666A1 (en) 2014-04-23 2015-10-29 Bayerische Motoren Werke Aktiengesellschaft Autonomous driving in a dangerous situation

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017208594A1 (en) * 2017-05-22 2018-11-22 Bayerische Motoren Werke Aktiengesellschaft Prediction of spatial information of motor vehicles
DE102019213222A1 (en) * 2019-09-02 2021-03-04 Volkswagen Aktiengesellschaft Method for predicting a future driving situation of a foreign object, device, vehicle participating in road traffic
DE102019213222B4 (en) 2019-09-02 2022-09-29 Volkswagen Aktiengesellschaft Method for predicting a future driving situation of a foreign object, device, vehicle participating in road traffic
DE102019217282A1 (en) * 2019-11-08 2021-05-12 Volkswagen Aktiengesellschaft Process for predicting the driving behavior of other road users
DE102019134922A1 (en) * 2019-12-18 2021-06-24 Audi Ag Method for operating an autonomous, moving road user
DE102021208191A1 (en) 2021-07-29 2023-02-02 Robert Bosch Gesellschaft mit beschränkter Haftung Method for at least partially automated driving of a motor vehicle

Similar Documents

Publication Publication Date Title
DE102011081159B4 (en) Method and device for carrying out an evasive maneuver
DE102016005580A1 (en) Method and system for predicting a driving behavior of a vehicle
DE102019217429A1 (en) Method for supporting the longitudinal control of a vehicle by means of metadata and method for making such metadata available
DE102012200216A1 (en) Method and device for operating a driver assistance system of a vehicle
EP4046403B1 (en) Method for providing an object message about an object detected in the environment of a road user in a communication network for communication with other road users
DE102021207781A1 (en) Method, control device and system for adapting an assisted or automated driving function of a vehicle
DE102012008660A1 (en) Method for assisting driver while driving vehicle, involves informing and/or warning driver about driving condition in escalation steps, such that automatic intervention takes place by longitudinal and/or lateral control of vehicle
EP3720749A1 (en) Method for operating a motor vehicle and motor vehicle having a narrow passage assistant
DE102018202966A1 (en) Method for operating at least one automated vehicle
WO2019120709A1 (en) Method and control unit for controlling a function of a vehicle driven at least partially in an automated manner
DE102019216363A1 (en) Method for providing a signal for controlling an at least partially automated vehicle
WO2020083962A1 (en) Apparatus and control unit for automating a state change of a window pane of a vehicle
EP2662846A1 (en) Method for reducing the risk of traffic congestion
DE102017124661A1 (en) A method for assisting a user of a motor vehicle when parking in a parking lot, corresponding computer program product, corresponding driver assistance device and corresponding motor vehicle
DE102019004818A1 (en) Method for operating an assistance system of a vehicle
DE102021000792A1 (en) Method for operating a vehicle
DE102017214686A1 (en) Driving system, method, and a corresponding computer product for identifying an appropriate transfer point for transferring control between the vehicle and driver and to a corresponding route planning
DE102020102329A1 (en) Method for vehicle control, assistance system and motor vehicle
WO2020126439A1 (en) Method for operating a vehicle when transferring processing power from the vehicle to at least one edge cloud computer
WO2025040623A1 (en) Method for the at least highly automated driving and for the infrastructure-supported assisting of a motor vehicle within a parking space
WO2022017982A1 (en) Method and system for predicting the functional quality of a driver assistance function
DE102021207456A1 (en) Method for at least partially automated driving of a motor vehicle
DE102016013509A1 (en) Apparatus and method for generating a learning digital map for a motor vehicle
EP3802285B1 (en) Method and vehicle system for optimising parking suggestions
DE102019003892B4 (en) Method for determining a set speed of an assistance system for controlling a longitudinal movement of a vehicle

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R002 Refusal decision in examination/registration proceedings
R003 Refusal decision now final