DE102021111819B4

DE102021111819B4 - System und verfahren zur prädiktiven navigationssteuerung

Info

Publication number: DE102021111819B4
Application number: DE102021111819.0A
Authority: DE
Inventors: Michael D. Howard; Hyukseong Kwon; Rajan Bhattacharyya
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2020-12-08
Filing date: 2021-05-06
Publication date: 2026-01-08
Anticipated expiration: 2041-05-07
Also published as: CN114610012B; US20220177002A1; DE102021111819A1; US11485387B2; CN114610012A

Abstract

Verfahren (100) zur prädiktiven Navigationssteuerung für ein Ego-Fahrzeug (20), umfassend:
Vergleichen eines Hinweisknotens (34) mit jedem einer Mehrzahl von episodischen Speicherknoten (36) in einer episodischen Speicherstruktur (38), wobei der Hinweisknoten (34) ein neues Ereignis (30) repräsentiert, das mit einem Satz jeweiliger Orte (L), Geschwindigkeiten (S) und Richtungen (H) assoziiert ist, die mit einem oder mehreren neu beobachteten Objekten (21) assoziiert sind, die sich jeweils innerhalb einer jeweiligen einer Mehrzahl von neu definierten Aufmerksamkeitszonen (32) um das Ego-Fahrzeug (20) herum befinden, und wobei die episodische Speicherstruktur (38) ein selektiv miteinander verbundenes und gerichtetes Netzwerk der episodischen Speicherknoten (36) umfasst, wobei jeder episodische Speicherknoten (36) ein jeweiliges zuvor existierendes Ereignis (40) repräsentiert, wobei jedes zuvor existierende Ereignis (40) mit einem jeweiligen Satz von Orten (L), Geschwindigkeiten (S) und Richtungen (H) verbunden ist, die mit einem oder mehreren zuvor beobachteten Objekten (43) verbunden sind, die sich jeweils innerhalb einer jeweiligen einer Vielzahl von zuvor definierten Aufmerksamkeitszonen (42) um das Ego-Fahrzeug (20) befinden, und wobei jeder episodische Speicherknoten (36) ein jeweiliges Knotenrisiko (NR) und eine jeweilige Wahrscheinlichkeit (LL) aufweist, die damit verbunden sind;
Bestimmen, welcher der mehreren episodischen Speicherknoten (36) eine kleinste jeweilige Differenzmetrik aufweist, wodurch ein am besten passender episodischer Speicherknoten (36) definiert wird, wobei jede jeweilige Differenzmetrik auf der Grundlage einer jeweiligen Gesamtdifferenz zwischen einer oder mehreren jeweiligen Eigenschaften (49) des jeweiligen episodischen Speicherknotens (36) und des Hinweisknotens (34) bestimmt wird;
Konsolidieren des Hinweisknotens (34) mit dem am besten passenden episodischen Speicherknoten (36), wenn die kleinste jeweilige Differenzmetrik kleiner als eine vorbestimmte Übereinstimmungstoleranz ist, oder Hinzufügen eines neuen episodischen Speicherknotens (36), der dem Hinweisknoten (34) entspricht, zu der episodischen Speicherstruktur (38), wenn die kleinste jeweilige Differenzmetrik größer als oder gleich der vorbestimmten Übereinstimmungstoleranz ist; und
Identifizieren von einem oder beiden von (i) einem wahrscheinlichsten nächsten episodischen Speicherknoten (36) unter einem oder mehreren episodischen Speicherknoten (36) unmittelbar stromabwärts von dem am besten übereinstimmenden oder neuen episodischen Speicherknoten (36), wobei der wahrscheinlichste nächste episodische Speicherknoten (36) eine höchste Wahrscheinlichkeit (LL) unter den unmittelbar stromabwärts liegenden episodischen Speicherknoten (36) aufweist, und (ii) einen risikoreichsten nächsten episodischen Speicherknoten (36) unter dem einen oder den mehreren episodischen Speicherknoten (36) unmittelbar stromabwärts von dem am besten passenden oder neuen episodischen Speicherknoten (36), wobei der risikoreichste nächste episodische Speicherknoten (36) ein höchstes Knotenrisiko (NR) unter den unmittelbar stromabwärts liegenden episodischen Speicherknoten (36) aufweist.

Description

Diese Beschreibung bezieht sich allgemein auf Systeme und Verfahren der prädiktiven Navigationssteuerung für autonome und teilautonome Fahrzeuge.
Autonome und teilautonome Fahrzeuge (manchmal auch Ego-Fahrzeuge oder Host-Fahrzeuge genannt) bieten ein gewisses Maß an Selbstnavigation (d. h. Navigation des Fahrzeugs ohne menschliches Eingreifen in Echtzeit). Eine solche Selbstnavigation kann sich darauf verlassen, dass das Steuerungssystem des Fahrzeugs die Umgebung kennt und weiß, wo sich das Fahrzeug innerhalb dieser Umgebung in Echtzeit befindet. Um dies zu erreichen, kann das Steuerungssystem des Fahrzeugs eine Kombination aus gespeicherten Informationen (z. B. Karten), Informationen, die periodisch oder in Echtzeit von außerhalb des Fahrzeugs über Sensoren empfangen werden, und in das Steuerungssystem programmierter Logik verwenden.
Die DE 10 2018 101 505 A1 beschreibt ein System und ein Verfahren zur Datenverarbeitung, wobei eine Umgebung um das Eigenfahrzeug herum in egozentrische und geozentrische überlappende Koordinatensysteme codiert wird. Die überlappenden Koordinatensysteme werden dann in adaptiv bemessene Gitterzellen entsprechend den Eigenschaften der Umgebungen und dem Status des Eigenfahrzeugs unterteilt. Jede Gitterzelle ist mit einem von repräsentativen Ereignismustern und Risikowerten für das Eigenfahrzeug definiert. Das autonome Antriebssystem ist dann betriebsfähig, um eine Echtzeitbewertung der Umgebung in Reaktion auf die Gitterzellendaten bereitzustellen, und zeitliche Sequenzen der Gitterzellendaten werden im episodischen Speichern gespeichert und während des Fahrens daraus abgerufen.
Die DE 10 2020 103 754 A1 beschreibt ein autonomes Fahrzeug, ein System und ein Verfahren zum Betrieb des autonomen Fahrzeugs. Das System umfasst einen episodischen Speicher, ein Hyper-Assoziationsmodul und ein Navigationssystem. Der episodische Speicher speichert eine Vielzahl von Episoden, ruft in Erwiderung auf den Empfang eines Teilpräfixes eine Vielzahl von Kandidatenepisoden ab und ruft in Erwiderung auf den Empfang einer Zwischenepisode eine Hypothesenepisode ab. Das Hyper-Assoziationsmodul erhält die Vielzahl der Kandidatenepisoden aus dem episodischen Speicher und erhält die Zwischenepisode aus der Vielzahl der Kandidatenepisoden. Das Navigationssystem navigiert das autonome Fahrzeug anhand der Hypothesenepisode.
Die DE 10 2018 102 027 A1 beschreibt ein System und ein Verfahren zur Datenverarbeitung in einem autonomen Fahrzeugsteuersystem. Durch die Verwendung von Informationen aus dem Fahrzeug, der Netzwerkschnittstelle und den am Fahrzeug angebrachten Sensoren kann das System Situationen mit weniger Komplexität bei der Berechnung wahrnehmen, ohne wichtige Details zu verlieren, und dann Navigations- und Steuerungsentscheidungen treffen. Das System und das Verfahren dienen dazu, situationsbewusste Ereignisse zu erzeugen, sie zu speichern und abzurufen, um Situationen für autonomes Fahren vorherzusagen.
Die DE 102019 108 644 A1 beschreibt ein Verfahren und eine Vorrichtung zum Erzeugen einer Handlungsmaßnahme zum Steuern eines autonomen Fahrzeugs. Insbesondere ist das Verfahren funktionsfähig, um eine Eingabe zu empfangen, die auf ein Trainingsereignis hinweist, die Fahrepisode in eine Vielzahl von Zeitschritten zu unterteilen, einen Syntaxbaum als Reaktion auf jeden Zeitschritt zu erzeugen und aus einer Kombination der erzeugten Syntaxbäume einen höchstwahrscheinlichen Syntaxbaum zu erzeugen.
Es kann als Aufgabe betrachtet werden, ein verbessertes Verfahren und eine verbesserte Steuerung zur prädiktiven Navigationssteuerung für ein Ego-Fahrzeug anzugeben.
Die Aufgabe wird gelöst durch ein Verfahren zur prädiktiven Navigationssteuerung für ein Ego-Fahrzeug nach Anspruch 1 und eine Steuerung zur prädiktiven Navigationssteuerung für ein Ego-Fahrzeug nach Anspruch 7.
Ein erfindungsgemäßes Verfahren zur prädiktiven Navigationssteuerung für ein Ego-Fahrzeug umfasst: (a) Vergleichen eines Hinweisknotens mit jedem einer Mehrzahl von episodischen Speicherknoten in einer episodischen Speicherstruktur, wobei der Hinweisknoten ein neues Ereignis repräsentiert, das mit einem Satz von jeweiligen Orten, Geschwindigkeiten und Richtungen assoziiert ist, die mit einem oder mehreren neu beobachteten Objekten assoziiert sind, die sich jeweils innerhalb einer jeweiligen einer Mehrzahl von neu definierten Aufmerksamkeitszonen um das Ego-Fahrzeug herum befinden, und wobei die episodische Speicherstruktur ein selektiv miteinander verbundenes und gerichtetes Netzwerk der episodischen Speicherknoten enthält, wobei jeder episodische Speicherknoten ein jeweiliges zuvor existierendes Ereignis repräsentiert, wobei jedes zuvor existierende Ereignis mit einem jeweiligen Satz von Orten, Geschwindigkeiten und Richtungen assoziiert ist, die mit einem oder mehreren zuvor beobachteten Objekten assoziiert sind, die sich jeweils innerhalb einer von mehreren zuvor definierten Aufmerksamkeitszonen um das Ego-Fahrzeug befinden, und wobei jeder episodische Speicherknoten ein jeweiliges Knotenrisiko und eine jeweilige Wahrscheinlichkeit aufweist, die damit assoziiert sind; (b) Bestimmen, welcher der Mehrzahl von episodischen Speicherknoten eine kleinste jeweilige Differenzmetrik aufweist, wodurch ein am besten passender episodischer Speicherknoten definiert wird, wobei jede jeweilige Differenzmetrik auf der Grundlage einer jeweiligen Gesamtdifferenz zwischen einer oder mehreren jeweiligen Eigenschaften des jeweiligen episodischen Speicherknotens und des Hinweisknotens bestimmt wird; (c) Konsolidieren des Hinweisknotens mit dem am besten passenden episodischen Speicherknoten, wenn die kleinste jeweilige Differenzmetrik kleiner als eine vorbestimmte Übereinstimmungstoleranz ist, oder Hinzufügen eines neuen episodischen Speicherknotens, der dem Hinweisknoten entspricht, zu der episodischen Speicherstruktur, wenn die kleinste jeweilige Differenzmetrik größer als oder gleich der vorbestimmten Übereinstimmungstoleranz ist; und (d) Identifizieren eines oder beider von (i) einem wahrscheinlichsten nächsten episodischen Speicherknoten unter einem oder mehreren episodischen Speicherknoten unmittelbar stromabwärts von dem am besten passenden oder neuen episodischen Speicherknoten, wobei der wahrscheinlichste nächste episodische Speicherknoten eine höchste Wahrscheinlichkeit unter den unmittelbar stromabwärts gelegenen episodischen Speicherknoten hat und (ii) einen risikoreichsten nächsten episodischen Speicherknoten unter dem einen oder den mehreren episodischen Speicherknoten unmittelbar stromabwärts von dem am besten passenden oder neuen episodischen Speicherknoten, wobei der risikoreichste nächste episodische Speicherknoten ein höchstes Knotenrisiko unter den unmittelbar stromabwärts liegenden episodischen Speicherknoten aufweist.
In einer Ausführungsform ist das jeweilige Knotenrisiko jedes episodischen Speicherknotens ein jeweiliges Maximum, ein Durchschnitt oder ein Aggregat der jeweiligen Objektrisiken für die ein oder mehreren zuvor beobachteten Objekte in dem zugehörigen zuvor existierenden Ereignis, und das jeweilige Objektrisiko für jedes zuvor beobachtete Objekt wird durch eine Sigmoidalfunktion bestimmt, die auf eine jeweilige Entfernung zwischen dem zuvor beobachteten Objekt und dem Ego-Fahrzeug angewendet wird.
In einer Ausführungsform umfasst das Verfahren ferner: Berechnen eines jeweiligen individuellen Risikos für jedes der einen oder mehreren neu beobachteten Objekte unter Verwendung der Sigmoidfunktion, die auf einen jeweiligen Abstand zwischen jedem jeweiligen neu beobachteten Objekt und dem Ego-Fahrzeug angewandt wird; Festlegen eines jeweiligen Gesamtrisikos für jede der Mehrzahl von neu definierten Aufmerksamkeitszonen, basierend auf den jeweiligen individuellen Risiken des einen oder der mehreren neu beobachteten Objekte, die sich innerhalb jeder jeweiligen neu definierten Aufmerksamkeitszone befinden; und Definieren des Hinweisknotens als eine Gruppierung der Mehrzahl von neu definierten Aufmerksamkeitszonen, die entsprechend ihrer jeweiligen Gesamtrisiken organisiert sind.
In einer Ausführungsform wird das jeweilige Objektrisiko bzw. Individualrisiko für jedes zuvor beobachtete bzw. neu beobachtete Objekt bestimmt durch R = 2-({1 - 1/(1 + e^[(mindist - SAFEDIST)/(SAFEDIST/2)]} - 0,5) + 0,5, wobei R das jeweilige Objektrisiko oder individuelle Risiko ist, mindist ein Abstand des zuvor beobachteten oder neu beobachteten Objekts vom Ego-Fahrzeug ist, und wobei SAFEDIST ein Abstand ist, der von einem oder mehreren eines Fahrbahnoberflächentyps, eines Straßenstrukturtyps, von Wetter-/Umgebungsbedingungen und einer relativen Fahrspurposition, Schließgeschwindigkeit oder Schließbeschleunigung zwischen dem zuvor beobachteten oder neu beobachteten Objekt und dem Ego-Fahrzeug abhängt.
In einer Ausführungsform ist jeder der jeweiligen Orte, Geschwindigkeiten und Richtungen des einen oder der mehreren neu beobachteten Objekte und des einen oder der mehreren zuvor beobachteten Objekte in Bezug auf das Ego-Fahrzeug definiert. Jede jeweilige Gesamtdifferenz ist eine jeweilige Summe von einer oder mehreren gewichteten Strafen, die gegen jede von einer oder mehreren Differenzen zwischen den jeweiligen Eigenschaften des jeweiligen episodischen Speicherknotens und des Hinweisknotens zugewiesen werden, und die Eigenschaften umfassen eines oder mehrere der folgenden Eigenschaften: Anzahl und Typ der Aufmerksamkeitszonen, Anzahl der Objekte in jeder Aufmerksamkeitszone, Straßenoberflächentyp, Straßenstrukturtyp, Umgebungstyp, Wetter-/Umgebungsbedingungen, Fahrziel, Fahrmodus, Fahrzeugtyp, Antriebsstrangtyp und jeweilige Orte, Geschwindigkeiten, Richtungen, Entfernungen vom Ego-Fahrzeug und Objektrisiken, die mit dem einen oder mehreren zuvor beobachteten und/oder neu beobachteten Objekten verbunden sind.
In einer Ausführungsform umfasst das Verfahren ferner das Rückübertragen eines jeweiligen Knotenrisikos, das mit einem risikoreichen episodischen Speicherknoten verbunden ist, zu einem oder mehreren episodischen Speicherknoten stromaufwärts des risikoreichen episodischen Speicherknotens, wobei das zugehörige Knotenrisiko größer als ein vorbestimmter Risikoschwellenwert ist. Die Backpropagation des zugehörigen Knotenrisikos verwendet eine lineare Funktion oder eine logistische Funktion.
In einer Ausführungsform wird, wenn ein neuer Knoten des episodischen Speichers zur Struktur des episodischen Speichers hinzugefügt wird, der neue Knoten des episodischen Speichers als Kindknoten zu einem oder mehreren Elternknoten hinzugefügt, wobei jeder Elternknoten ein zuvor existierender Knoten des episodischen Speichers ist und wobei dem neuen Knoten des episodischen Speichers ein anfänglicher Wahrscheinlichkeitswert zugewiesen wird. Jeder Knoten des episodischen Speichers hat auch eine entsprechende Knotenbelohnung.
Eine erfindungsgemäße Steuerung zur prädiktiven Navigationssteuerung für ein Ego-Fahrzeug umfasst: ein Dateneingangsmodul, ein episodisches Speichermodul und ein Vorhersagemodul. Das Datenaufnahmemodul ist so konfiguriert, dass es Eingaben empfängt, die sich auf einen Hinweisknoten beziehen, wobei der Hinweisknoten ein neues Ereignis darstellt, das mit einem Satz von jeweiligen Orten, Geschwindigkeiten und Richtungen verbunden ist, die mit einem oder mehreren neu beobachteten Objekten verbunden sind, die sich jeweils innerhalb einer jeweiligen von mehreren neu definierten Aufmerksamkeitszonen um das Ego-Fahrzeug befinden. Das Dateneingabemodul ist ferner konfiguriert, um: (i) Berechnen eines jeweiligen individuellen Risikos für jedes der einen oder mehreren neu beobachteten Objekte unter Verwendung einer sigmoidalen Funktion, die auf einen jeweiligen Abstand zwischen jedem jeweiligen neu beobachteten Objekt und dem Ego-Fahrzeug angewendet wird; (ii) Festlegen eines jeweiligen Gesamtrisikos für jede der Mehrzahl von neu definierten Aufmerksamkeitszonen, basierend auf den jeweiligen individuellen Risiken des einen oder der mehreren neu beobachteten Objekte, die sich innerhalb jeder jeweiligen neu definierten Aufmerksamkeitszone befinden; und (iii) Definieren des Hinweisknotens als eine Gruppierung der Mehrzahl von neu definierten Aufmerksamkeitszonen, die gemäß ihren jeweiligen Gesamtrisiken organisiert sind.
In einer Ausführungsform ist das episodische Speichermodul operativ mit dem Datenaufnahmemodul verbunden und enthält eine episodische Speicherstruktur, die ein selektiv miteinander verbundenes und gerichtetes Netzwerk von episodischen Speicherknoten enthält, wobei jeder episodische Speicherknoten ein jeweiliges zuvor existierendes Ereignis repräsentiert, wobei jedes zuvor existierende Ereignis mit einem jeweiligen Satz von Orten, Geschwindigkeiten und Richtungen assoziiert ist, die mit einem oder mehreren zuvor beobachteten Objekten assoziiert sind, die sich jeweils innerhalb einer von mehreren zuvor definierten Aufmerksamkeitszonen um das Ego-Fahrzeug herum befinden, und wobei jeder episodische Speicherknoten ein jeweiliges Knotenrisiko und eine jeweilige damit assoziierte Wahrscheinlichkeit aufweist. Das episodische Speichermodul ist konfiguriert, um: (x) Vergleichen des Hinweisknotens mit jedem der episodischen Speicherknoten; (y) Bestimmen, welcher der episodischen Speicherknoten eine kleinste jeweilige Differenzmetrik aufweist, wodurch ein am besten passender episodischer Speicherknoten definiert wird, wobei jede jeweilige Differenzmetrik basierend auf einer jeweiligen Gesamtdifferenz zwischen einer oder mehreren jeweiligen Eigenschaften des jeweiligen episodischen Speicherknotens und des Hinweisknotens bestimmt wird; und (z) Konsolidieren des Hinweisknotens mit dem am besten passenden episodischen Speicherknoten, wenn die kleinste jeweilige Differenzmetrik kleiner als eine vorbestimmte Übereinstimmungstoleranz ist, oder Hinzufügen eines neuen episodischen Speicherknotens, der dem Hinweisknoten entspricht, zu der episodischen Speicherstruktur, wenn die kleinste jeweilige Differenzmetrik größer oder gleich der vorbestimmten Übereinstimmungstoleranz ist.
In einer Ausführungsform ist das Vorhersagemodul operativ mit dem episodischen Speichermodul verbunden und ist so konfiguriert, dass es eines oder beides von Folgendem identifiziert einen wahrscheinlichsten nächsten episodischen Speicherknoten unter einem oder mehreren episodischen Speicherknoten unmittelbar stromabwärts von dem am besten passenden oder neuen episodischen Speicherknoten, wobei der wahrscheinlichste nächste episodische Speicherknoten eine höchste Wahrscheinlichkeit unter den unmittelbar stromabwärts gelegenen episodischen Speicherknoten aufweist; und einen riskantesten nächsten episodischen Speicherknoten unter dem einen oder mehreren episodischen Speicherknoten unmittelbar stromabwärts von dem am besten passenden oder neuen episodischen Speicherknoten, wobei der riskanteste nächste episodische Speicherknoten ein höchstes Knotenrisiko unter den unmittelbar stromabwärts gelegenen episodischen Speicherknoten aufweist.
In einer Ausführungsform umfasst die Steuerung ferner ein Wahrnehmungsmodul, das operativ mit dem Dateneingabemodul verbunden und so konfiguriert ist, dass es: den Satz der jeweiligen Orte, Geschwindigkeiten und Richtungen, die mit dem einen oder den mehreren neu beobachteten Objekten verbunden sind, als wahrgenommene Daten erfasst; und die wahrgenommenen Daten in die Eingaben umwandelt, die sich auf den Hinweisknoten beziehen, um vom Dateneingabemodul empfangen zu werden.
In einer Ausführungsform ist das jeweilige Knotenrisiko jedes episodischen Speicherknotens kann ein jeweiliges Maximum, ein Durchschnitt oder ein Aggregat der jeweiligen Objektrisiken für die ein oder mehreren zuvor beobachteten Objekte in dem zugehörigen zuvor existierenden Ereignis, und das jeweilige Objektrisiko für jedes zuvor beobachtete Objekt wird durch die Sigmoidalfunktion bestimmt, die auf einen jeweiligen Abstand zwischen dem zuvor beobachteten Objekt und dem Ego-Fahrzeug angewendet wird. Das episodische Speichermodul kann ferner so konfiguriert sein, dass es ein jeweiliges Knotenrisiko, das mit einem risikoreichen episodischen Speicherknoten verbunden ist, an einen oder mehrere episodische Speicherknoten stromaufwärts des risikoreichen episodischen Speicherknotens weiterleitet, wobei das zugehörige Knotenrisiko größer als ein vorbestimmter Risikoschwellenwert ist.

1 ist eine perspektivische Draufsicht auf ein Ego-Fahrzeug und andere Fahrzeuge auf einer fünfspurigen Autobahn, die ein neues Ereignis darstellt.
2 ist eine schematische Draufsicht auf die Fahrzeuge und die Autobahn von 1, die ausgewählte Aufmerksamkeitszonen zeigt.
3 ist ein Diagramm, das einen Hinweisknoten zeigt, der mit einem Knoten des episodischen Speichers unter Verwendung einer gemeinsamen Ereignisstruktur für ein Verfahren der prädiktiven Navigationssteuerung verglichen wird.
4 ist ein Diagramm, das einen Hinweisknoten und eine episodische Speicherstruktur zeigt.
5 ist eine perspektivische Draufsicht auf ein Ego-Fahrzeug und andere Fahrzeuge auf einer dreispurigen Autobahn, die ein zuvor existierendes Ereignis darstellt.
6 ist eine schematische Draufsicht auf die Fahrzeuge und die Autobahn von 5, die ausgewählte Aufmerksamkeitszonen zeigt.
7 ist ein Flussdiagramm für ein Verfahren zur prädiktiven Navigationssteuerung.
8 ist ein Blockdiagramm eines Systems/Steuerung zur Implementierung des Verfahrens der prädiktiven Navigationssteuerung.
9 ist ein Blockdiagramm eines Systems/Steuerung zur Implementierung eines Verfahrens zur Optimierung einer Entscheidung für einen Entscheider.
10 ist ein Flussdiagramm für das Verfahren zur Optimierung einer Entscheidung für einen Entscheider.
11 ist ein Diagramm mit einem Entscheider und verschiedenen Stimuli.
12 ist ein Diagramm des Entscheiders und der Stimuli von 11, das ausgewählte Aufmerksamkeitszonen zeigt.
13 ist ein Diagramm, das einen Hinweisknoten zeigt, der mit einem Knoten des episodischen Gedächtnisses verglichen wird, der eine gemeinsame Ereignisstruktur verwendet, für ein Verfahren zur Optimierung einer Entscheidung für einen Entscheider.
14-16 sind Blockdiagramme verschiedener Eigenschaften, Aspekte und Eigenschaften bzw. Ziele.

Unter Bezugnahme auf die Figuren, in denen gleiche Bezugsziffern gleiche Teile in den verschiedenen Ansichten bezeichnen, werden hier ein Verfahren 100 zur prädiktiven Navigationssteuerung für ein Ego-Fahrzeug 20, ein Verfahren 300 zur Optimierung einer Entscheidung für einen Entscheider 50 und Systeme/Steuerungen 230, 430 zur Implementierung der jeweiligen Verfahren 100, 300 gezeigt und beschrieben. Zu beachten ist, dass bestimmte Bezugszahlen in den Zeichnungen tiefgestellt sind, wie z. B. die drei Aufmerksamkeitszonen 32_L, 32_H und 32_U in 2-3. In den Figuren und in der vorliegenden Beschreibung werden tiefgestellte Ziffern verwendet, um sich auf einzelne Elemente zu beziehen (wie z. B. die vorgenannten Aufmerksamkeitszonen), während sich die Verwendung von Bezugsziffern ohne tiefgestellte Ziffern auf die kollektive Gruppe solcher Elemente und/oder auf ein einzelnes, aber generisches Element dieser Elemente beziehen kann. So bezieht sich die Bezugsziffer 32_L auf eine bestimmte Aufmerksamkeitszone, während sich die Bezugsziffer 32 (ohne den tiefgestellten Index) auf alle Aufmerksamkeitszonen, die Gruppe der Aufmerksamkeitszonen oder eine einzelne, aber generische Aufmerksamkeitszone (d. h. eine beliebige Aufmerksamkeitszone) beziehen kann.
Es sollte beachtet werden, dass, während 1-2 und 5-6 beispielhafte Verkehrssituationen mit automobilen Personenkraftwagen zeigen, die Verfahren 100, 300 und Systeme/Steuerungen 230, 430 der vorliegenden Beschreibung auch für andere Arten von autonomen und teilautonomen Fahrzeugen und Umgebungen gelten, wie z. B. Drohnen und Luftfahrzeuge, die in einem Luftraum fliegen, Bodenfahrzeuge, die über Straßen oder Gelände fahren, mobile Roboter, die sich über Oberflächen und/oder durch Strukturen bewegen, Oberflächenwasserfahrzeuge, die sich über die Oberfläche eines Gewässers bewegen, Unterwasserfahrzeuge, die sich über die Oberfläche eines Gewässers oder in verschiedenen Tiefen unter der Oberfläche des Gewässers bewegen, Satelliten oder Raumfahrzeuge, die sich durch den Weltraum bewegen, usw. Zu beachten ist auch, dass in den Zeichnungen und der Beschreibung zwar ein gerader fünfspuriger oder dreispuriger Autobahnabschnitt verwendet wird, die Verfahren 100, 300 und Systeme/Steuerungen 230, 430 aber auch für andere Straßen- und Fahrbahnkonfigurationen gelten, einschließlich Kreuzungen, konvergierende/ divergierende Fahrspuren, kurvenreiche Fahrbahnen, Parkplätze, offenes Gelände usw.
1-6 veranschaulichen einen Prozess, bei dem ein gegebenes Ereignis 30, wie z. B. eine Verkehrssituation, an der ein Ego-Fahrzeug 20 beteiligt ist (1), eine Anordnung von Aufmerksamkeitszonen 32 um das Ego-Fahrzeug 20 mit anderen benachbarten Fahrzeugen/Objekten, die innerhalb dieser Aufmerksamkeitszonen 32 platziert sind, identifiziert wird (2), das Organisieren der Ansammlung von Aufmerksamkeitszonen 32 und anderer Daten gemäß einer Ereignisstruktur 39 (3) und das Darstellen dieser Ansammlung von Informationen als Hinweisknoten 34, die mit einzelnen episodischen Speicherknoten 36 in einer episodischen Speicherstruktur 38 (4) verglichen werden können, in der jeder episodische Speicherknoten 36 ein jeweiliges zuvor existierendes Ereignis 40 darstellt (5-6). (Im Folgenden wird die Abkürzung „EM“ für den Begriff „episodisches Gedächtnis“ verwendet. Zu beachten ist auch, dass „um“ das Ego-Fahrzeug 20 herum, vor, hinter, neben und/oder neben dem Ego-Fahrzeug 20 bedeutet, und „Ego-Fahrzeug 20“ kann sich beziehen auf (i) das aktuelle Host-Fahrzeug, das ein neues Ereignis 30 erlebt, das in einen Hinweisknoten 34 umgewandelt wird, (ii) das aktuelle Host-Fahrzeug, das zuvor Ereignisse 40 erlebt hat, die in EM-Knoten 36 umgewandelt wurden, und/oder (iii) andere Host-Fahrzeuge, die frühere Ereignisse 40 erlebt haben, die in EM-Knoten 36 umgewandelt wurden, die in das aktuelle Host-Fahrzeug importiert wurden.) Wenn der Hinweisknoten 34 hinreichend mit einem der EM-Knoten 36 in der EM-Struktur 38 übereinstimmt, kann der Hinweisknoten 34 mit dem übereinstimmenden EM-Knoten 36 zusammengeführt oder konsolidiert werden; wenn der Hinweisknoten 34 jedoch mit keinem der EM-Knoten 36 hinreichend übereinstimmt, kann der Hinweisknoten 34 der EM-Struktur 38 als neuer EM-Knoten 36 hinzugefügt werden. Dieser Vorgang wird nun im Folgenden genauer beschrieben.
1 zeigt eine perspektivische Draufsicht auf ein Ego-Fahrzeug 20 und andere Fahrzeuge 21, 22, 23, 24, 25 auf einer fünfspurigen Autobahn. Das Ego-Fahrzeug 20 ist auf der vierten Fahrspur 27 von links dargestellt, und ein anderes Fahrzeug 21 (hier manchmal als „Nachbarfahrzeug“ 21 bezeichnet) ist auf der fünften Fahrspur 28 von links dargestellt, die sich neben dem rechten Heck des Ego-Fahrzeugs 20 befindet. Ein weiteres Fahrzeug 22 (hier manchmal als „führendes Fahrzeug“ 22 bezeichnet) ist direkt vor dem Ego-Fahrzeug 20 auf derselben vierten Spur 27 wie das Ego-Fahrzeug 20 dargestellt. Diese Ansammlung von Fahrzeugen 21, 22, 23, 24, 25 um das Ego-Fahrzeug 20, ihre jeweiligen Standorte L, Geschwindigkeiten S und Richtungen H in Bezug auf das Ego-Fahrzeug 20 und die Situation des Fahrens entlang eines geraden Autobahnabschnitts, wie in 1 dargestellt, liefern alle zusammen eine „Momentaufnahme“ einer bestimmten Fahrsituation oder eines Ereignisses, das als neues Ereignis 30 bezeichnet werden kann.
2 zeigt eine schematische Draufsicht des Ego-Fahrzeugs 20, des Nachbarfahrzeugs 21 und des vorausfahrenden Fahrzeugs 22 innerhalb ausgewählter Aufmerksamkeitszonen 32. Fahrzeuge/Objekte, die sich außerhalb der Aufmerksamkeitszonen 32 befinden, wie z. B. das Fahrzeug 23 (in der Fahrspur 26) und die Fahrzeuge 24 und 25, werden in diesem Schritt nicht gezeigt oder berücksichtigt. (Zu beachten ist, dass die Begriffe „Fahrzeug“, „Objekt“ und „Fahrzeug/Objekt“ hier austauschbar verwendet werden können. Die Pluralformen dieser Begriffe können ebenfalls austauschbar verwendet werden.) Eine Aufmerksamkeitszone 32 ist im Zusammenhang mit einem Ego-Fahrzeug 20 auf einer Autobahn ein Straßenabschnitt mit einer vorgegebenen Form, Größe und Lage in Bezug auf das Ego-Fahrzeug 20. Beispielsweise kann, wie in 2 dargestellt, jede Aufmerksamkeitszone 32 ein allgemein rechteckiger Raum sein, der eine Fahrspur breit und etwa drei Autolängen lang ist. Die Größe und Form der Aufmerksamkeitszonen 32 kann fest sein, oder die Größe und Form kann in Abhängigkeit von Faktoren wie der Geschwindigkeit des Ego-Fahrzeugs, der Art der Straßenoberfläche oder des Geländes, den Wetterbedingungen, der Krümmung der Fahrspuren usw. variieren. Beachten Sie in 2 auch, dass nur einige Teile der Autobahn als Aufmerksamkeitszonen 32 dargestellt wurden; insbesondere gibt es eine Aufmerksamkeitszone 32_e, in dem das Ego-Fahrzeug 20 zentriert ist, eine Aufmerksamkeitszone 32_L, 32_r auf jeder Seite des Ego-Fahrzeugs 20, eine Reihe von drei Aufmerksamkeitszonen 32_b1, 32_b2, 32_b3 unmittelbar hinter dem Ego-Fahrzeug 20 und zwei Reihen von drei Aufmerksamkeitszonen 32_a1, 32_a2, 32_a3, 32_a4, 32_a5, 32_a6 unmittelbar vor dem Ego-Fahrzeug 20. Zu beachten ist, dass eine beliebige Anzahl und Anordnung der Aufmerksamkeitszonen 32 verwendet werden kann. Zu beachten ist auch, dass sich die Anordnung der Aufmerksamkeitszonen 32 um das Ego-Fahrzeug 20 herum dynamisch mit dem Ego-Fahrzeug 20 mitbewegt, und dass sich die Anordnung der Aufmerksamkeitszonen 32 optional ändern kann, wenn das Ego-Fahrzeug 20 die Geschwindigkeit ändert, den Kurs wechselt, auf andere Fahrspuren wechselt, auf andere Fahrbahnoberflächen wechselt, auf andere Straßenbedingungen wechselt, eine Änderung der Wetterbedingungen erfährt usw.
Die Aufmerksamkeitszonen 32 können optional in zwei oder mehr Typen eingeteilt werden, wie z. B. Niedrig-Risiko-Zonen 32_L, Hoch-Risiko-Zonen 32_H und Dringend-Risiko-Zonen 32_U. Beispielsweise ist die Aufmerksamkeitszone 32_r unmittelbar rechts vom Ego-Fahrzeug 20 durch eine weiträumige Kreuzschraffur dargestellt, die diese Aufmerksamkeitszone 32_r als HochrisikoZone 32_H kennzeichnet (aufgrund der unmittelbaren Nähe des Nachbarfahrzeugs 22). Die Aufmerksamkeitszone 32_a5 direkt vor dem Ego-Fahrzeug 20 ist mit einer engen Kreuzschraffur dargestellt, die diese Aufmerksamkeitszone 32_a5 als Dringende Gefahrenzone 32_U kennzeichnet (wegen der Möglichkeit, dass das vorausfahrende Fahrzeug 22 bremst und damit die Fahrt des Ego-Fahrzeugs 20 behindert). Die Aufmerksamkeitszone 32_e des Ego-Fahrzeugs und die anderen neun Aufmerksamkeitszonen 32_L, 32_b1, 32_b2, 32_b3, 32_a1, 32_a2, 32_a3, 32_a4, 32_a6 sind hellgrau schraffiert dargestellt, was diese als Zone mit niedrigem Risiko 32_L kennzeichnet.
Eine Aufmerksamkeitszone 32 kann als Zone mit niedrigem Risiko 32_L, Zone mit hohem Risiko 32_H oder Zone mit dringendem Risiko 32_U charakterisiert werden, basierend auf verschiedenen Risikofaktoren, wie z. B. den jeweiligen Orten L, Geschwindigkeiten S und Richtungen H der ein oder mehreren Fahrzeuge/Objekte, die sich in der Aufmerksamkeitszone 32 befinden. Diese Eigenschaften von Ort L, Geschwindigkeit S und Fahrtrichtung H können als Einfluss auf die Nähe jedes Fahrzeugs/Objekts zum Ego-Fahrzeug 20 und das Potenzial jedes Fahrzeugs/Objekts, die Vorwärtsfahrt des Ego-Fahrzeugs 20 zu stören oder zu beeinträchtigen, angesehen werden. Beispielsweise kann der Abstand d₂₁ zwischen dem Ego-Fahrzeug 20 und dem benachbarten Fahrzeug 21 und die Lage des benachbarten Fahrzeugs 21 seitlich und hinter dem Ego-Fahrzeug 20 dazu führen, dass die Aufmerksamkeitszone 32_b3 als Zone mit hohem Risiko 32_H charakterisiert wird, während der Abstand d₂₂ zwischen dem Ego-Fahrzeug 20 und dem führenden Fahrzeug 22 und die Lage des führenden Fahrzeugs 22 direkt vor dem Ego-Fahrzeug 20 dazu führen kann, dass die Aufmerksamkeitszone 32_a5 als Zone mit dringendem Risiko 32_U charakterisiert wird.
Sobald die Aufmerksamkeitszonen 32 um das Ego-Fahrzeug 20 identifiziert wurden und jede Aufmerksamkeitszone 32 optional entweder als Bereich mit niedrigem Risiko 32_L, als Bereich mit hohem Risiko 32_H oder als Bereich mit dringendem Risiko 32_U klassifiziert wurde, können die jeweiligen Orte L, Geschwindigkeiten S und Richtungen H der Fahrzeuge/Objekte innerhalb jeder Aufmerksamkeitszone 32 relativ zu dem Ort, der Geschwindigkeit und der Richtung des Ego-Fahrzeugs 20 bestimmt werden, und diese relativen Orte L, relativen Geschwindigkeiten S und relativen Richtungen H können in einer Ereignisstruktur 39 gespeichert werden, wie in 3 dargestellt. Die Ereignisstruktur 39 kann eine Datenstruktur, ein geordneter Datensatz, eine Tabelle, eine organisierte Gruppierung, ein Format usw. sein, in der die Eigenschaften 49 von Ort L, Geschwindigkeit S und Richtung H (und andere optionale Daten wie die Entfernung d und das individuelle Risiko IR) für jedes Fahrzeug/Objekt gespeichert werden.
Wie in 3 gezeigt, ist das Ereignis 30 (z. B. die Verkehrssituation von 1-2) mit drei Aufmerksamkeitszonen 32 verbunden - einem Bereich mit niedrigem Risiko 32_L, einem Bereich mit hohem Risiko 32_H und einem Bereich mit dringendem Risiko 32_U. (Zu beachten ist, dass in 8 der Einfachheit halber nur eine Niedrig-Risiko-Zone 32_L dargestellt ist, es könnten aber auch neun Niedrig-Risiko-Zonen 32_L dargestellt werden, wie in 2.) Die Elemente, die der Niedrig-Risiko-Zone 32_L zugeordnet sind, sind gestrichelt gezeichnet, um anzuzeigen, dass sich in keiner der Niedrig-Risiko-Zonen 32_L Fahrzeuge/Objekte befinden. Die Hochrisikozone 32_H ist mit einem Fahrzeug 21 dargestellt, das einen Standort L₂₁, eine Geschwindigkeit S21 und eine Fahrtrichtung H₂₁ hat, und die Dringlichkeitsrisikozone 32_U ist ebenfalls mit einem Fahrzeug 22 dargestellt, das einen Standort L₂₂, eine Geschwindigkeit S22 und eine Fahrtrichtung H₂₂ hat. Zu beachten ist, dass, während das benachbarte Fahrzeug 21 und das führende Fahrzeug 22 in 3 gezeigt werden (jeweils als Sechseck dargestellt), die Ereignisstruktur 39 optional die Identifikation dieser einzelnen Fahrzeuge 21, 22 ausschließen kann und stattdessen die jeweiligen Orte L₂₁, L₂₂, Geschwindigkeiten S21, S22 und Richtungen H₂₁, H₂₂ dieser Fahrzeuge 21, 22 sowie andere zugehörige Informationen wie ihre jeweiligen Entfernungen d₂₁, d₂₂ und individuellen Risiken IR₂₁, IR₂₂ enthalten kann.
Die Ereignisstruktur 39 kann auch einen Abstand d und ein individuelles Risiko IR für jedes Fahrzeug/Objekt enthalten, wobei der Abstand d den Abstand zwischen dem Fahrzeug/Objekt und dem Ego-Fahrzeug 20 darstellt und das individuelle Risiko IR für jedes Fahrzeug/Objekt durch eine auf den Abstand d angewendete Sigmoidalfunktion bestimmt werden kann (z. B., wie in 2 gezeigt, ist d₂₁ der Abstand zwischen dem benachbarten Fahrzeug 21 und dem Ego-Fahrzeug 20, und d₂₂ ist der Abstand zwischen dem vorausfahrenden Fahrzeug 22 und dem Ego-Fahrzeug 20, und die jeweiligen individuellen Risiken IR₂₁, IR₂₂ können unter Verwendung dieser Abstände d₂₁, d₂₂ und einer geeigneten Sigmoidalgleichung bestimmt werden, wovon ein Beispiel unten angegeben wird).
Wie in 14 gezeigt, können die in der Ereignisstruktur 39 gespeicherten Eigenschaften 49 auch zusätzliche Informationen AI enthalten, wie z. B.: die Anzahl und Art der Aufmerksamkeitszonen 32 (Al_AZ) (z. B., ein Raster von zwölf Zonen 42, die wie in 2 und 5 gezeigt angeordnet sind und drei Zonentypen 42 verwenden, die den oben besprochenen Niedrig-, Hoch- und Dringlichkeitszonen 32_L, 42_L, 32_H, 42H, 32_U, 42_U ähnlich sind); die Anzahl der Fahrzeuge/Objekte in jeder Aufmerksamkeitszone 32 (AI_NO); den Straßenoberflächentyp (AI_RS) (z.B. gepflastert, Schotter, Schmutz usw.); den Straßenstrukturtyp (AI_RT) (z.B., die Anzahl der Fahrspuren, die Ausrichtung der Fahrspuren usw.); der Umgebungstyp (AI_E) (z. B. Stadt, Wohngebiet, Autobahn, Parkplatz usw.); die Wetter-/Umgebungsbedingungen (AI_WC) (z. B. klar, leichter Regen, starker Regen, Schnee usw.); das Fahrziel (Al_DG) (z. B., schnellster Weg, Freizeit-/Szenenweg usw.); Fahrmodus (AI_DM) (z. B. Cruising, Sport, Spritsparen usw.); Fahrzeugtyp (Al_VT) (z. B. Personenkraftwagen, Lieferwagen, zulässiges Gesamtgewicht, Pferdestärken usw.); und Antriebsstrangtyp (AI_PT) (z. B. Automatik, manuell, elektrisch, Hybrid, Anzahl der Gänge usw.). Wie in 3 dargestellt, kann beispielsweise die Referenznummer AI₂₁ eine oder mehrere zusätzliche Informationen AI darstellen, die sich auf das benachbarte Fahrzeug 21 beziehen, und AI30 kann eine oder mehrere zusätzliche Informationen AI darstellen, die sich auf das Ereignis 30 beziehen. Diese organisierte Sammlung von Informationen, die im Format der Ereignisstruktur 39 gespeichert ist, kann als numerische Darstellung des Ereignisses 30 dienen und kann als ein Hinweisknoten 34 dargestellt werden, wie in 3 gezeigt. Zu beachten ist, dass 3 auch zeigt, dass die Ereignisstruktur 39 des Hinweisknotens 34 und seines zugehörigen neuen Ereignisses 30 auch auf einen EM-Knoten 36 und sein zugehöriges, vorher existierendes Ereignis 40 angewendet wird, und dass die zusätzlichen Informationen AI auch auf beide Ereignisse 30, 40 angewendet werden (d.h. Al₃₀, AI₄₀).
Ein System oder Prozess, der den hier beschriebenen Ansatz verwendet, kann damit beginnen, eine EM-Struktur 38 von Grund auf aufzubauen oder eine zuvor erstellte EM-Struktur 38 zu empfangen oder zu importieren, die von einem anderen Ego-Fahrzeug erstellt worden sein kann, das Ähnlichkeiten mit dem vorliegenden Ego-Fahrzeug 20 aufweist (d. h. ähnlicher Fahrzeugtyp, ähnliche Antriebsstränge usw.). In jedem Fall können das System und der Ansatz einen Prozess des Erfassens oder Empfangens von Informationen über jedes neue Ereignis 30 (1), des Identifizierens einer Anordnung von Aufmerksamkeitszonen 32 um das Ego-Fahrzeug 20 mit anderen benachbarten Fahrzeugen/Objekten, die innerhalb dieser Aufmerksamkeitszonen 32 platziert sind (2), des Organisierens von Informationen über die Aufmerksamkeitszonen 32 und die Fahrzeuge/Objekte darin im Format einer Ereignisstruktur 39 (3) und des Umwandelns der organisierten Informationen in einen Hinweisknoten 34, der das neue Ereignis 30 numerisch darstellen kann, verfolgen. Der Hinweisknoten 34 kann dann mit einzelnen EM-Knoten 36 in der EM-Struktur 38 (4) verglichen werden, wobei jeder EM-Knoten 36 ein zuvor existierendes Ereignis 40 darstellt. Unabhängig davon, ob das System und der Ansatz die EM-Struktur 38 von Grund auf neu aufbauen oder mit einer importierten EM-Struktur 38 beginnen, können das System und der Ansatz die EM-Struktur 38 im Laufe der Zeit weiter ausbauen, wenn neue Ereignisse 30 angetroffen, in Hinweisknoten 36 übersetzt und mit den Knoten 36 in der bestehenden EM-Struktur 38 verglichen werden.
Dieser Vergleich zwischen dem Hinweisknoten 34 und jedem EM-Knoten 36 kann erleichtert werden, wenn jeder EM-Knoten 36 die gleiche Ereignisstruktur 39 wie der Hinweisknoten 34 verwendet, wie in 3 dargestellt. Hier repräsentiert der beispielhafte EM-Knoten 36 ein entsprechendes, zuvor existierendes Ereignis 40 mit zuvor beobachteten Fahrzeugen/Objekten, wie in 4 dargestellt. In 4 fährt das Ego-Fahrzeug 20 auf der mittleren Fahrspur 47 einer dreispurigen Autobahn. Ein benachbartes Fahrzeug 43 befindet sich neben dem Ego-Fahrzeug 20 auf der rechten Fahrspur 48, und zwei vorausfahrende Fahrzeuge 44, 45 befinden sich vor dem Ego-Fahrzeug 20 auf der mittleren Fahrspur 47. Auf der linken Fahrspur 46 sind keine Fahrzeuge/Objekte dargestellt. Diese Verkehrssituation ähnelt der von 1, was die allgemeinen Positionen anderer benachbarter Fahrzeuge/Objekte um das Ego-Fahrzeug 20 angeht.
5 zeigt eine schematische Darstellung des in 4 dargestellten Ereignisses 40, wobei die Aufmerksamkeitszonen 42 gekennzeichnet sind. Zu beachten ist, dass das Fahrzeug 45 in 5 nicht enthalten ist, da es sich in keiner der definierten Aufmerksamkeitszonen 42 befindet. Die Aufmerksamkeitszone 42, die das benachbarte Fahrzeug 43 enthält (d.h. die Aufmerksamkeitszone 42_r), ist mit einer breiten Kreuzschraffur dargestellt, um sie als Zone mit hohem Risiko 42H zu kennzeichnen, und die Aufmerksamkeitszone 42, die das vorausfahrende Fahrzeug 44 enthält (d.h. die Aufmerksamkeitszone 42_a5), ist mit einer engen Kreuzschraffur dargestellt, um sie als Zone mit dringendem Risiko 42_U zu kennzeichnen. Neben der Aufmerksamkeitszone 42, die das Ego-Fahrzeug 20 enthält (d.h. Aufmerksamkeitszone 42_e), sind die anderen neun Aufmerksamkeitszonen 42 (d.h. 42₁, 42_b1, 42_b2, 42_b3, 42_a1, 42_a2, 42_a3, 42_a4 und 42_a6) hellgrau schraffiert dargestellt, um sie als Low-Risk-Zonen 42_L zu kennzeichnen. Auch wenn der Abstand d₄₄ vom Ego-Fahrzeug 20 zum vorausfahrenden Fahrzeug 44 (5) etwas länger ist als der Abstand d₂₂ vom Ego-Fahrzeug 20 zum vorausfahrenden Fahrzeug 22 (2) und der Abstand d₄₃ zum Nachbarfahrzeug 43 etwas kürzer ist als der Abstand d₂₁ zum Nachbarfahrzeug 21, so sind die Aufmerksamkeitsfeld-Diagramme der 2 und 5 dennoch im Allgemeinen sehr ähnlich zueinander.
Jedes der beiden zuvor beobachteten Fahrzeuge 43, 44 innerhalb der Aufmerksamkeitszonen 42 hat einen jeweiligen Standort L₄₃, L₄₄, eine Geschwindigkeit S₄₃, S₄₄ und einen Kurs H₄₃, H₄₄, die in der Ereignisstruktur 39 gespeichert sind, sowie einen jeweiligen Abstand d₄₃, d₄₄ zum Ego-Fahrzeug 20 und ein jeweiliges Objektrisiko OR₄₃, OR₄₄ basierend auf dem jeweiligen Abstand d₄₃, d₄₄. Der EM-Knoten 36 kann auch ein Knotenrisiko NR und eine Wahrscheinlichkeit LL haben, die ihm zugeordnet sind. Das Knotenrisiko NR stellt das Ausmaß des Risikos dar, das das zugeordnete, zuvor existierende Ereignis 40 für die Fahrt des Ego-Fahrzeugs 20 darstellt (z.B. aufgrund der Nähe der benachbarten Fahrzeuge usw.), und die Wahrscheinlichkeit LL stellt dar, wie wahrscheinlich es ist, dass das dem Knoten 36 zugeordnete Ereignis 40 eintritt (z.B. ausgedrückt als Dezimalzahl von 0,00 bis 1,00, die die Wahrscheinlichkeit LL als Prozentsatz darstellt). Jeder EM-Knoten 36 kann optional auch eine entsprechende Knotenbelohnung NW haben, die in 3 gestrichelt dargestellt ist. Die Knotenbelohnung NW kann als numerische Darstellung einer oder mehrerer Belohnungen oder Vorteile enthalten sein, die realisiert werden können, wenn das zugehörige Ereignis 40 eintritt.
Zu beachten ist, dass der beispielhafte EM-Knoten 36 von 3 einen sehr ähnlichen Inhalt wie der Hinweisknoten 34 hat. Das heißt, das Ereignis 30, das durch den Hinweisknoten 34 dargestellt wird, hat ein Fahrzeug 21 in einer Zone mit hohem Risiko 32_H und ein Fahrzeug 22 in einer Zone mit dringendem Risiko 32_U, und ebenso hat das Ereignis 40, das durch den beispielhaften EM-Knoten 36 dargestellt wird, ein Fahrzeug 43 in einer Zone mit hohem Risiko 42_H und ein Fahrzeug 44 in einer Zone mit dringendem Risiko 42_U. Zur Veranschaulichung kann auch angenommen werden, dass der Ort L₂₁, die Geschwindigkeit S₂₁ und die Fahrtrichtung H₂₁ des benachbarten Fahrzeugs 21 dem Ort L₄₃, der Geschwindigkeit S₄₃ und der Fahrtrichtung H₄₃ des Fahrzeugs 43 sehr ähnlich ist (so dass der Abstand d₂₁ und das individuelle Risiko IR₂₁ dem Abstand d₄₃ bzw. dem Objektrisiko OR₄₃ sehr ähnlich sind); und dass der Ort L₂₂, die Geschwindigkeit S₂₂ und der Kurs H₂₂ des führenden Fahrzeugs 22 dem Ort L₄₄, der Geschwindigkeit S₄₄ und dem Kurs H₄₄ des Fahrzeugs 44 sehr ähnlich ist (wodurch der Abstand d₂₂ und das individuelle Risiko IR₂₂ dem Abstand d₄₄ bzw. dem Objektrisiko OR₄₄ sehr ähnlich sind). Zusätzlich, und wie weiter unten beschrieben, kann davon ausgegangen werden, dass der beispielhafte EM-Knoten 36 von 3 den EM-Knoten 361 von 4 darstellt, und dass der EM-Knoten 361 die beste Übereinstimmung mit dem Hinweisknoten 34 unter allen EM-Knoten 36 innerhalb der EM-Struktur 38 von 4 ist. Es ist jedoch zu beachten, dass, während die Inhalte und Werte des Beispielknotens 36 aus 3 (und des EM-Knotens 361 aus 4) eng mit den Inhalten und Werten des Hinweisknotens 34 übereinstimmen, die Inhalte und Werte anderer EM-Knoten 36 möglicherweise nicht so eng mit dem Hinweisknoten 34 übereinstimmen. Beispielsweise können die EM-Knoten 36 in 4 mit Ausnahme des Knotens 361 jeweils eine unterschiedliche Anzahl von Fahrzeugen/Objekten in ihren jeweiligen drei Aufmerksamkeits-/Risikozonen 42_L, 42_H, 42_U haben, mit unterschiedlichen Orten L, Geschwindigkeiten S und Richtungen H davon (und somit unterschiedlichen Abständen d und unterschiedlichen Objektrisiken OR).
Wie in 6 dargestellt, ist die EM-Struktur 38 ein selektiv miteinander verbundenes und gerichtetes Netzwerk von EM-Knoten 36. (Hier wurde jedem EM-Knoten 36 ein eindeutiger tiefgestellter Index von 0 bis 22 gegeben; d. h. 36₀ bis 36₂₂.) Jeder EM-Knoten 36 repräsentiert ein eindeutiges, zuvor existierendes Ereignis 40, und die Sammlung von EM-Knoten 36 repräsentiert eine Episode oder Situation, die verschiedene mögliche Sequenzen eines oder mehrerer dieser Ereignisse 40 beinhalten kann. Die EM-Knoten 36 sind selektiv miteinander in gerichteter Weise verbunden, wie durch die Pfeile in 4 angedeutet. Die Richtung eines Pfeils zwischen zwei EM-Knoten 36 zeigt die mögliche zeitliche Flussrichtung zwischen diesen EM-Knoten 36 an. Zum Beispiel zeigt jeder der Pfeile, die vom EM-Knoten 361 zu den EM-Knoten 36₀, 36₂, 36₇, 36₁₀ und 36₁₁ zeigen, an, dass, nachdem das durch den EM-Knoten 30₁ dargestellte Ereignis 40 eingetreten ist, ein mögliches nächstes Ereignis 40 durch einen der EM-Knoten 36₀, 36₂, 36₇, 36₁₀ und 36₁₁ dargestellt wird. Die Richtung jedes Pfeils zeigt einen möglichen Fluss von einem „stromaufwärtigen“ EM-Knoten 36 zu einem „stromabwärtigen“ EM-Knoten 36 sowie von einem „Eltern“-EM-Knoten 36 zu einem „Kind“-EM-Knoten 36 an. So liegt der EM-Knoten 36₁ stromaufwärts von den EM-Knoten 36₀, 36₂, 36₇, 36₁₀ und 36₁₁, und jeder der EM-Knoten 36₀, 36₂, 36₇, 36₁₀ und 36₁₁ liegt stromabwärts von 361; ebenso wäre der EM-Knoten 36₁ ein Elternknoten für jeden der EM-Knoten 36₀, 36₂, 36₇, 36₁₀ und 36₁₁, und die EM-Knoten 36₀, 36₂, 36₇, 36₁₀ und 36₁₁ wären Kindknoten für den EM-Knoten 36₁. Zu beachten ist, dass ein nach oben gerichteter Pfeil in der Zeichnung dennoch eine stromabwärts gerichtete Flussrichtung anzeigen kann (z. B. der Pfeil, der von EM-Knoten 36₁₁ zu EM-Knoten 36₀ zeigt); somit bestimmen die Richtungen der Pfeile - und nicht unbedingt die Position der EM-Knoten 36 auf der Seite - die stromabwärts/stromaufwärts gerichtete Flussrichtung von Knoten zu Knoten.
Wie oben erwähnt, stellt eine EM-Struktur 38 eine Sammlung möglicher Ereignisfolgen 40 für eine bestimmte Episode oder Situation dar. Im Kontext von Kraftfahrzeugen kann jede Episode beispielsweise eine bestimmte Fahrsituation sein, wie z. B. Fahren, Überholen, Abbiegen von der Autobahn an einer Ausfahrt, Parken, Rückwärtsfahren usw. Jede dieser Fahrsituationen oder Episoden kann ihre eigene, einzigartige EM-Struktur 38 haben, wobei jede EM-Struktur 38 eine Sammlung von möglichen Ereignisfolgen 40 enthält. Somit kann ein System oder ein Prozess, der den hier beschriebenen Ansatz verwendet, Zugriff auf mehrere verschiedene gespeicherte EM-Strukturen 38 haben, die selektiv verwendet und zwischen ihnen umgeschaltet werden können, um der jeweiligen Fahrsituation zu entsprechen.
Der durchgezogene Pfeil in 3 zeigt, dass der Hinweisknoten 34 mit einem einzelnen EM-Knoten 36 verglichen wird, und die fünf durchgezogenen Pfeile in 4 zeigen, dass der Hinweisknoten 34 mit fünf bestimmten EM-Knoten 36 in einer EM-Struktur 38 verglichen wird. (Obwohl in 4 nur fünf Vergleiche dargestellt sind, geschieht dies nur der Einfachheit halber, da in der Praxis der Hinweisknoten 34 mit jedem einzelnen der EM-Knoten 36 verglichen würde). Jeder der EM-Knoten 36 kann das Format der Ereignisstruktur 39 verwenden, um seine jeweiligen Aufmerksamkeitszonen 42 und verschiedene ereignisbezogene Informationen darzustellen, was den Vergleich des Hinweisknotens 34 mit jedem EM-Knoten 36 erleichtern kann.
Wie oben erwähnt, kann der Hinweisknoten 34, wenn er ausreichend mit einem oder mehreren der EM-Knoten 36 übereinstimmt, in den EM-Knoten 361 mit der besten Übereinstimmung verschmolzen oder konsolidiert werden; wenn der Hinweisknoten 34 jedoch nicht ausreichend mit einem der EM-Knoten 36 übereinstimmt, kann der Hinweisknoten 34 der EM-Struktur 38 als neuer EM-Knoten 36₂₂ hinzugefügt werden. (Zu beachten ist, dass die Referenznummern 36₁ und 36₂₂ in 4 zwar verwendet werden, um zwei bestimmte EM-Knoten 36 darzustellen, diese Referenznummern hier aber auch verwendet werden, um allgemein einen am besten passenden Knoten 36₁ bzw. einen neuen Knoten 36₂₂ darzustellen). Wenn beispielsweise, wie bereits erwähnt, festgestellt wird, dass die Inhalte und Werte des EM-Knotens 36₁ am besten mit den Inhalten und Werten des Hinweisknotens 34 übereinstimmen, und wenn diese Übereinstimmung nahe genug ist (z. B., wenn jedoch die Übereinstimmung zwischen dem Knoten 36₁ und dem Hinweisknoten 34 nicht eng genug ist, kann der Hinweisknoten 34 der EM-Struktur 38 als neuer Knoten hinzugefügt werden, z. B. als Knoten 36₂₂, der an den EM-Knoten 36₂₀ angehängt wurde und als gestrichelte Umrisslinie dargestellt ist. Sobald der Hinweisknoten 34 zu einem bestpassenden Knoten 36₁ konsolidiert oder als neuer Knoten 36₂₂ hinzugefügt wurde, wird davon ausgegangen, dass der bestpassende oder neue Knoten 36₁, 36₂₂ (je nach Fall) der Knoten ist, von dem aus die wahrscheinlichsten und/oder riskantesten Knoten 36₂, 36₁₀ bestimmt werden können.
Für jeden EM-Knoten 36 kann eine entsprechende Differenzmetrik bestimmt werden, die auf einer entsprechenden Gesamtdifferenz zwischen einem oder mehreren Eigenschaften 49 des EM-Knotens 36 und dem gleichen einen oder mehreren Eigenschaften 49 des Hinweisknotens 34 basiert. Sobald die Differenzmetriken für alle EM-Knoten 36 bestimmt sind, kann der EM-Knoten 36 mit der kleinsten Differenzmetrik als der am besten passende EM-Knoten 36₁ identifiziert werden. Wenn die Differenzmetrik des am besten übereinstimmenden EM-Knotens 36₁ kleiner als eine vorgegebene Übereinstimmungstoleranz ist, wird der Hinweisknoten 34 als nächstes in den am besten übereinstimmenden Knoten 36₁ konsolidiert; andernfalls wird der Hinweisknoten 34 der EM-Struktur 38 als neuer Knoten 36₂₂ hinzugefügt.
Wenn der Hinweisknoten 34 zu einem bestpassenden EM-Knoten 36₁ zusammengeführt oder konsolidiert wird, kann die Zusammenführung oder Konsolidierung optional einen Effekt auf den bestpassenden EM-Knoten 36₁ haben. Zum Beispiel kann die Konsolidierung dazu führen, dass die Wahrscheinlichkeit LL des bestpassenden EM-Knotens 361 erhöht oder gesteigert wird. Andererseits kann der Hinweisknoten 34, wenn er als neuer EM-Knoten 36₂₂ hinzugefügt wird, als Kindknoten zu dem EM-Knoten 36 hinzugefügt werden, der die engste Übereinstimmung mit ihm aufweist, was in 4 als EM-Knoten 36₂₀ angenommen wird. (Das heißt, der neue EM-Knoten 36₂₂ kann als Kindknoten zu einem oder mehreren Elternknoten hinzugefügt werden, wobei jeder Elternknoten ein zuvor existierender EM-Knoten 36 ist). Zu beachten ist, dass der neue Knoten 36₂₂ hier zwar ohne Kindknoten dargestellt ist, dass aber in manchen Fällen ein neuer Knoten 36₂₂ zwischen zwei oder mehr EM-Knoten 36 eingefügt (und mit diesen verbunden) werden kann, in welchem Fall der neue Knoten 36₂₂ einen oder mehrere Kindknoten haben würde.
Um nun den obigen Ansatz im Detail zu beschreiben, umfasst ein Verfahren 100 zur prädiktiven Navigationssteuerung für ein Ego-Fahrzeug 20 gemäß einer Ausführungsform (und wie durch das Flussdiagramm in 7 veranschaulicht) einen Vergleichsschritt (Block 160), einen Bestimmungsschritt (Block 170), einen Konsolidierungsschritt (Block 200) und einen Identifizierungsschritt (Block 220). In Block 160 umfasst der Vergleichsschritt das Vergleichen eines Hinweisknotens 34 mit jedem einer Vielzahl von EM-Knoten 36 in einer EM-Struktur 38, wobei der Hinweisknoten 34 ein neues Ereignis 30 darstellt. Das neue Ereignis 30 ist mit einem Satz von jeweiligen Orten L, Geschwindigkeiten S und Richtungen H verbunden, die wiederum mit einem oder mehreren neu beobachteten Objekten 21 verbunden sind. (Zu beachten ist, dass die Referenznummer 21 in den 1-2 zwar zur Darstellung des benachbarten Fahrzeugs 21 verwendet wird, diese Referenznummer hier aber auch zur Darstellung eines oder mehrerer neu beobachteter Objekte 21 verwendet wird.) Jedes neu beobachtete Objekt 21 befindet sich innerhalb einer entsprechenden einer Vielzahl von neu definierten Aufmerksamkeitszonen 32 um das Ego-Fahrzeug 20. Die EM-Struktur 38 umfasst ein selektiv miteinander verbundenes und gerichtetes Netzwerk von EM-Knoten 36, wobei jeder EM-Knoten 36 ein jeweiliges zuvor existierendes Ereignis 40 repräsentiert. Jedes zuvor existierende Ereignis 40 ist mit einem jeweiligen Satz von Orten L, Geschwindigkeiten S und Richtungen H verbunden, die mit einem oder mehreren zuvor beobachteten Objekten 43 verbunden sind. (Zu beachten ist, dass die Referenznummer 43 in den 4-5 zwar zur Darstellung eines bestimmten Fahrzeugs/Objekts 43 verwendet wird, diese Referenznummer hier aber auch zur Darstellung eines oder mehrerer zuvor beobachteter Objekte 43 verwendet wird). Jedes zuvor beobachtete Objekt 43 befindet sich innerhalb einer von mehreren zuvor definierten Aufmerksamkeitszonen 42 um das Ego-Fahrzeug 20. Zusätzlich hat jeder EM-Knoten 36 ein entsprechendes Knotenrisiko NR und eine entsprechende Wahrscheinlichkeit LL (und optional eine entsprechende Knotenbelohnung NW), die damit verbunden sind.
In Block 170 umfasst der Bestimmungsschritt das Bestimmen, welcher der mehreren EM-Knoten 36 eine kleinste jeweilige Differenzmetrik aufweist, wodurch ein am besten passender EM-Knoten 361 definiert wird. Jede jeweilige Differenzmetrik wird auf der Grundlage einer jeweiligen Gesamtdifferenz zwischen einem oder mehreren jeweiligen Eigenschaften 49 des jeweiligen EM-Knotens 36 und dem Hinweisknoten 34 bestimmt. Wie in 14 dargestellt, können diese Eigenschaften 49 eines oder mehrere der folgenden Eigenschaften umfassen: Anzahl und Typ der Aufmerksamkeitszonen 32, 42 (AI_AZ), Anzahl der Objekte in jeder Aufmerksamkeitszone 32, 42 (AI_NO), Straßenoberflächentyp (AI_RS), Straßenstrukturtyp (AI_RT), Umgebungstyp (AI_E), Wetter/Umweltbedingungen (AIwc), Fahrziel (AI_DG), Fahrmodus (AI_DM), Fahrzeugtyp (AI_VT), Antriebsstrangtyp (AI_PT) und die jeweiligen Orte L, Geschwindigkeiten S, Richtungen H, Entfernungen d vom Ego-Fahrzeug 20 und Personen-/Objektrisiken IR, OR, die mit dem einen oder mehreren zuvor beobachteten und/oder neu beobachteten Objekten 43, 21 verbunden sind.
Jeder der jeweiligen Orte L, Geschwindigkeiten S und Richtungen H des einen oder der mehreren neu beobachteten Objekte 21 und des einen oder der mehreren zuvor beobachteten Objekte 43 kann in Bezug auf das Ego-Fahrzeug 20 definiert werden. (Das heißt, das Ego-Fahrzeug 20 kann als Ursprung einer Bezugskoordinatenachse dienen, an der die Orte L, Geschwindigkeiten S und Richtungen H gemessen werden können). Die Gesamtdifferenz kann eine Summe, ein Durchschnitt oder ein Maximum der Differenzen zwischen oder unter diesen Eigenschaften 49 sein. Bei Verwendung des in 1-2 dargestellten Ereignisses 30 und der Ereignisstruktur von 3 kann die Gesamtdifferenz beispielsweise eine Summe der Differenzen zwischen den entsprechenden Orten L der Fahrzeuge/Objekte sein, d.h. (L₄₄ - L₂₂) + (L₄₃ - L₂₁), wobei jeder der Orte L in seine x- und y-Komponenten zerlegt wird, basierend auf einem Koordinatensystem, dessen Ursprung beim Ego-Fahrzeug 20 liegt. Zusätzlich kann jede jeweilige Gesamtdifferenz eine jeweilige Summe von einer oder mehreren gewichteten Strafen sein, die gegen jede von einer oder mehreren Differenzen zwischen den jeweiligen Eigenschaften 49 des jeweiligen EM-Knotens 36 und des Hinweisknotens 34 zugewiesen werden.
In Block 190 wird geprüft, ob die kleinste jeweilige Differenzmetrik (zwischen dem Hinweisknoten 34 und dem bestpassenden Knoten 361) kleiner ist als eine vorgegebene Übereinstimmungstoleranz. Wenn dies der Fall ist, wird in Block 200 der Konsolidierungsschritt ausgeführt, in dem der Hinweisknoten 34 mit dem am besten passenden EM-Knoten 361 konsolidiert wird; wenn dies jedoch nicht der Fall ist (d. h. die kleinste jeweilige Differenzmetrik ist größer oder gleich der vorgegebenen Übereinstimmungstoleranz), wird in Block 210 ein neuer EM-Knoten 36₂₂, der dem Hinweisknoten 34 entspricht, zur EM-Struktur 38 hinzugefügt. Dem neuen EM-Knoten 36₂₂ kann ein anfänglicher Wahrscheinlichkeitswert zugewiesen werden (d. h. ein Anfangswert der Wahrscheinlichkeit LL des neuen Knotens); optional kann dem neuen Knoten 36₂₂ auch ein anfängliches Knotenrisiko NR und eine anfängliche Knotenbelohnung NW zugewiesen werden.
In Block 220 umfasst der Identifizierungsschritt die Identifizierung des wahrscheinlichsten nächsten Knotens 36₂ und/oder des riskantesten nächsten Knotens 36₁₀. (Zu beachten ist, dass die Referenznummern 36₂ und 36₁₀ in 3 zwar verwendet werden, um zwei bestimmte EM-Knoten 36 darzustellen, diese Referenznummern hier aber auch verwendet werden, um allgemein die wahrscheinlichsten und riskantesten nächsten EM-Knoten 36₂₂ bzw. 36₁₀ darzustellen). Wenn der Hinweisknoten 34 zum besten übereinstimmenden Knoten 36₁ konsolidiert wurde, dann ist der wahrscheinlichste nächste Knoten 36₂ der Knoten 36 mit der höchsten Wahrscheinlichkeit LL unter den Knoten 36, die dem besten übereinstimmenden Knoten 36₁ unmittelbar nachgeschaltet sind, und der riskanteste nächste Knoten 36₁₀ ist der Knoten 36 mit dem höchsten Knotenrisiko NR unter den Knoten 36, die dem besten übereinstimmenden Knoten 36₁ unmittelbar nachgeschaltet sind. Wenn andererseits der Hinweisknoten 34 als neuer Knoten 36₂₂ hinzugefügt wurde und wenn es einen oder mehrere Knoten 36 unmittelbar stromabwärts des neuen Knotens 36₂₂ gibt, dann ist der wahrscheinlichste nächste Knoten 36₂ der Knoten 36 mit der höchsten Wahrscheinlichkeit LL unter den Knoten 36 unmittelbar stromabwärts des neuen Knotens 36₂₂, und der riskanteste nächste Knoten 36₁₀ ist der Knoten 36 mit dem höchsten Knotenrisiko NR unter den Knoten 36 unmittelbar stromabwärts des neuen Knotens 36₂₂. Wenn es keine Knoten 36 unmittelbar stromabwärts des neuen Knotens 36₂₂ gibt, wie z. B. in dem in 4 dargestellten Fall, dann werden keine wahrscheinlichsten oder riskantesten nächsten Knoten 36₂, 36₁₀ identifiziert. In einem solchen Fall ist es jedoch wahrscheinlich, dass das Ego-Fahrzeug 20 neue Ereignisse 30 erlebt, die sich signifikant von den zuvor existierenden Ereignissen 40 unterscheiden, und das Ego-Fahrzeug 20 wird weiterhin neue Knoten 36₂₂ zur EM-Struktur 38 hinzufügen, während das Ego-Fahrzeug 20 weiter fortschreitet. Auf diese Weise kann die EM-Struktur 38 erweitert werden, um alle neuen Ereignisse 30 aufzunehmen, die das Ego-Fahrzeug 20 erlebt. Eine EM-Struktur 38 kann mit der Zeit weiter wachsen und recht komplex werden, so dass in einigen Fällen der wahrscheinlichste nächste Knoten 36₂ und der riskanteste nächste Knoten 36₂₂ derselbe Knoten 36 sein kann.
Das jeweilige Knotenrisiko NR jedes EM-Knotens 36 kann ein jeweiliges Maximum, ein Durchschnitt oder ein Aggregat der jeweiligen Objektrisiken OR für die ein oder mehreren zuvor beobachteten Objekte 43 in dem zugehörigen zuvor existierenden Ereignis 40 sein. Das jeweilige Objektrisiko OR für jedes zuvor beobachtete Objekt 43 kann durch eine sigmoidale Funktion bestimmt werden, die auf einen jeweiligen Abstand d₄₃ zwischen dem zuvor beobachteten Objekt 43 und dem Ego-Fahrzeug 20 angewendet wird. (Zu beachten ist, dass die Referenzzahl d₄₃ in 5 zwar verwendet wird, um einen bestimmten Abstand d₄₃ darzustellen, diese Referenzzahl hier aber auch verwendet wird, um allgemein den Abstand d₄₃ zwischen einem zuvor beobachteten Objekt 43 und dem Ego-Fahrzeug 20 darzustellen). 3 und 5 zeigen zum Beispiel zwei zuvor beobachtete Objekte 43, 44 mit den jeweiligen Abständen d₄₃, d₄₄ zum Ego-Fahrzeug 20. Da Sigmoidalfunktionen einen Wert zwischen 0 und 1 zurückgeben, wobei 0 ein geringes oder gar kein Annäherungsrisiko und 1 ein hohes Risiko bedeuten kann, sei zur Veranschaulichung angenommen, dass das Objektrisiko OR₄₃ für das näher benachbarte Fahrzeug/Objekt 43 0,7 und das Objektrisiko OR₄₄ für das vorausfahrende Fahrzeug/Objekt 44 0,3 beträgt. In diesem Fall kann das Knotenrisiko NR für den EM-Knoten 36, der mit dem Ereignis 40 verbunden ist, ein Maximum (0,7), ein Durchschnitt (0,5) oder ein Aggregat dieser beiden Objektrisiken OR₄₃, OR₄₄ sein. Das Aggregat kann eine Summe dieser Objektrisiken OR₄₃, OR₄₄ (1,0), eine Summe aus dem Maximum und dem Durchschnitt (1,2), ein Mittelwert zwischen dem Maximum und dem Durchschnitt (0,6) oder eine andere geeignete Kombination sein.
Das Verfahren 100 kann ferner in Block 130 die folgenden Schritte umfassen: (i) Berechnen eines jeweiligen individuellen Risikos IR für jedes der einen oder mehreren neu beobachteten Objekte 21 unter Verwendung einer sigmoidalen Funktion, die auf einen jeweiligen Abstand d zwischen jedem jeweiligen neu beobachteten Objekt 21 und dem Ego-Fahrzeug 20 angewendet wird; (ii) in Block 140, Festlegen eines jeweiligen Gesamt- oder Gesamtrisikos TR für jede der Mehrzahl von neu definierten Aufmerksamkeitszonen 32, basierend auf den jeweiligen individuellen Risiken IR des einen oder der mehreren neu beobachteten Objekte 21, die sich innerhalb jeder jeweiligen neu definierten Aufmerksamkeitszone 32 befinden; und (iii) in Block 150, Definieren des Hinweisknotens 34 als eine Gruppierung der Mehrzahl von neu definierten Aufmerksamkeitszonen 32, die entsprechend ihrer jeweiligen Gesamtrisiken TR organisiert sind. (Zum Beispiel kann die Gruppierung der Aufmerksamkeitszonen 32 gemäß einem der folgenden Kriterien geordnet werden: Niedrig/Hoch/Dringlich-Risikozonen 32_L, 32_H, 32_U; Dringend/Hoch/Niedrig-Risikozonen 32_U, 32_H, 32_L; und auf- oder absteigender Reihenfolge des Gesamtrisikos TR.)
Das Gesamt-/Gesamtrisiko TR für jede neu definierte Aufmerksamkeitszone 32 kann aus den Einzelrisiken IR des/der neu beobachteten Objekts/Objekte 21 in dieser Aufmerksamkeitszone 32 bestimmt werden. Beispielsweise kann unter Verwendung des in 1-2 dargestellten neuen Ereignisses 30 das Gesamt-/Gesamtrisiko TR für die Zone 32_U, 32_a5 mit dringendem Risiko gleich dem individuellen Risiko IR des führenden Fahrzeugs 22 sein, das sich in dieser Zone 32_U, 32_a5 befindet. Wenn sich zwei weitere Fahrzeuge/Objekte in dieser Zone 32_L, 32_a5 befänden, würde das Gesamt-/Gesamtrisiko TR für diese Dringlichkeitsrisikozone 32_U, 32_a5 aus den Einzelrisiken IR aller drei Fahrzeuge/Objekte in dieser Aufmerksamkeitszone 32_U, 32_a5 ermittelt. Das Gesamt-/Gesamtrisiko TR für eine neu definierte Aufmerksamkeitszone 32 kann ein Maximum, ein Durchschnitt, eine Summe oder ein Aggregat der Einzelrisiken IR der Fahrzeuge/Objekte in dieser Zone 32 sein.
Das Objektrisiko OR für jedes zuvor beobachtete Objekt 43 und/oder das Individualrisiko IR für jedes neu beobachtete Objekt 21 kann durch die sigmoidale Gleichung R = 2-({1 - 1/(1 + e^[(mindist -SAFEDIST)/(SAFEDIST/2)]} - 0,5) + 0,5, wobei R das jeweilige Objektrisiko OR oder das individuelle Risiko IR ist, mindist der Abstand d₄₃, d₂₁ zu dem zuvor beobachteten oder neu beobachteten Objekt 43, 21 von dem Ego-Fahrzeug 20 ist, und wobei SAFEDIST ein Abstand ist, der von einem oder mehreren eines Fahrbahnoberflächentyps, eines Straßenstrukturtyps, von Wetter-/Umgebungsbedingungen und einer relativen Fahrspurposition, Schließgeschwindigkeit oder Schließbeschleunigung zwischen dem zuvor beobachteten oder neu beobachteten Objekt 43, 21 und dem Ego-Fahrzeug 20 abhängt.
Das Verfahren 100 kann ferner in Block 180 den Schritt des Backpropagierens einer jeweiligen Knotenrisiko-NR, die einem EM-Knoten 36 mit hohem Risiko zugeordnet ist, zu einem oder mehreren EM-Knoten 36 stromaufwärts des EM-Knotens 36 mit hohem Risiko umfassen, wobei die Knotenrisiko-NR, die dem EM-Knoten 36 mit hohem Risiko zugeordnet ist, größer als ein vorbestimmter Risikoschwellenwert ist. Diese Rückprogression des zugehörigen Knotenrisikos NR kann eine lineare Funktion oder eine logistische Funktion verwenden. Wenn beispielsweise ein gegebener EM-Knoten 36 eine Knotenrisiko NR aufweist, die über dem vorbestimmten Risikoschwellenwert liegt, dann kann dieser Knoten als Hochrisikoknoten 36 betrachtet werden, und die Knotenrisiko NR für diesen Hochrisikoknoten 36 kann an einen oder mehrere andere Knoten 36 rückproportional weitergegeben werden, die dem Hochrisikoknoten 36 unmittelbar vorgeschaltet sind.
Das Verfahren 100 kann ferner in Block 110 den Schritt des Erfassens, als wahrgenommene Daten, des Satzes der jeweiligen Orte L, Geschwindigkeiten S und Richtungen H, die mit dem einen oder den mehreren neu beobachteten Objekten 21 verbunden sind, und in Block 120 den Schritt des Umwandelns der wahrgenommenen Daten in Eingaben, Signale oder Daten, die sich auf den Hinweisknoten 34 beziehen, beispielsweise für den Empfang durch ein Dateneingabemodul 260 (weiter unten im Detail beschrieben), umfassen.
8 zeigt ein Blockdiagramm eines Systems/Steuerung 230 zur prädiktiven Navigationssteuerung für ein Ego-Fahrzeug 20, das so konfiguriert ist, dass es einige oder alle Schritte des oben erwähnten Verfahrens 100 ausführt. Das System/Steuerung 230 kann alle in 8 gezeigten Blöcke oder Module enthalten, oder es kann eine Teilmenge dieser Blöcke oder Module enthalten. Jeder dieser Blöcke oder Module kann in Form von Hardware, Software und/oder Firmware implementiert sein, wobei zwei oder mehr der Blöcke oder Module zusammen integriert sind (z. B. als Teil einer einzigen Hardwareeinheit) und ein oder mehrere andere Blöcke oder Module separat implementiert sind.
Das System/Steuerung 230 umfasst ein Dateneingangsmodul 260, ein EM-Modul 270 und ein Vorhersagemodul 280. Das Datenaufnahmemodul 260 ist so konfiguriert, dass es Eingaben empfängt, die sich auf einen Hinweisknoten 34 beziehen, wobei der Hinweisknoten 34 ein neues Ereignis 30 repräsentiert, das mit einem Satz jeweiliger Orte L, Geschwindigkeiten S und Richtungen H assoziiert ist, die mit einem oder mehreren neu beobachteten Objekten 21 assoziiert sind, wobei sich jedes neu beobachtete Objekt 21 innerhalb einer jeweiligen einer Vielzahl von neu definierten Aufmerksamkeitszonen 32 um das Ego-Fahrzeug 20 befindet. Das Dateneingabemodul 260 ist ferner konfiguriert, um: (i) ein jeweiliges individuelles Risiko IR für jedes der einen oder mehreren neu beobachteten Objekte 21 unter Verwendung einer sigmoidalen Funktion zu berechnen, die auf einen jeweiligen Abstand d zwischen jedem jeweiligen neu beobachteten Objekt 21 und dem Ego-Fahrzeug 20 angewandt wird; (ii) ein jeweiliges Gesamtrisiko TR für jede der Mehrzahl von neu definierten Aufmerksamkeitszonen 32 auf der Grundlage der jeweiligen individuellen Risiken IR des einen oder der mehreren neu beobachteten Objekte 21, die sich innerhalb jeder jeweiligen neu definierten Aufmerksamkeitszone 32 befinden, festzulegen; und (iii) den Hinweisknoten 34 als eine Gruppierung der Mehrzahl von neu definierten Aufmerksamkeitszonen 32 zu definieren, die gemäß ihren jeweiligen Gesamtrisiken TR organisiert sind.
Das EM-Modul 270 ist operativ mit dem Dateneingabemodul 260 verbunden und enthält eine EM-Struktur 38 mit einem selektiv miteinander verbundenen und gerichteten Netzwerk von EM-Knoten 36, wobei jeder EM-Knoten 36 ein jeweiliges zuvor existierendes Ereignis 40 repräsentiert, wobei jedes zuvor existierende Ereignis 40 mit einem jeweiligen Satz von Orten L, Geschwindigkeiten S und Richtungen H verbunden ist, die mit einem oder mehreren zuvor beobachteten Objekten 43 verbunden sind, die sich jeweils innerhalb einer von mehreren zuvor definierten Aufmerksamkeitszonen 42 um das Ego-Fahrzeug 20 befinden, und wobei jeder EM-Knoten 36 ein jeweiliges Knotenrisiko NR und eine jeweilige Wahrscheinlichkeit LL aufweist, die damit verbunden sind. Das EM-Modul 270 ist konfiguriert, um: (x) den Hinweisknoten 34 mit jedem der EM-Knoten 36 zu vergleichen; (y) zu bestimmen, welcher der EM-Knoten 36 eine kleinste jeweilige Differenzmetrik aufweist, wodurch ein am besten passender EM-Knoten 361 definiert wird, wobei jede jeweilige Differenzmetrik auf der Grundlage einer jeweiligen Gesamtdifferenz zwischen einem oder mehreren jeweiligen Eigenschaften 49 des jeweiligen EM-Knotens 36 und dem Hinweisknoten 34 bestimmt wird; und (z) Konsolidieren des Hinweisknotens 34 mit dem am besten passenden EM-Knoten 361, wenn die kleinste jeweilige Differenzmetrik kleiner als eine vorbestimmte Übereinstimmungstoleranz ist, andernfalls Hinzufügen eines neuen EM-Knotens 3622, der dem Hinweisknoten 34 entspricht, zu der EM-Struktur 38, wenn die kleinste jeweilige Differenzmetrik größer oder gleich der vorbestimmten Übereinstimmungstoleranz ist.
Das Vorhersagemodul 280 ist operativ mit dem EM-Modul 270 verbunden und ist so konfiguriert, dass es eines oder beides identifiziert, und zwar einen wahrscheinlichsten nächsten Knoten 362 unter einem oder mehreren EM-Knoten 36 unmittelbar stromabwärts von dem am besten passenden oder neuen EM-Knoten 361, 3622, wobei der wahrscheinlichste nächste Knoten 362 eine höchste Wahrscheinlichkeit LL unter den unmittelbar stromabwärts gelegenen EM-Knoten 36 hat; und einen riskantesten nächsten Knoten 3610 unter dem einen oder den mehreren EM-Knoten 36 unmittelbar stromabwärts von dem am besten passenden oder neuen EM-Knoten 361, 3622, wobei der riskanteste nächste Knoten 3610 ein höchstes Knotenrisiko NR unter den unmittelbar stromabwärts gelegenen EM-Knoten 36 hat.
Das System/Steuerung 230 kann ferner ein Wahrnehmungsmodul 250 enthalten, das operativ mit dem Dateneingabemodul 260 verbunden und so konfiguriert ist, dass es: als wahrgenommene Daten den Satz der jeweiligen Orte L, Geschwindigkeiten S und Richtungen H erkennt, die mit dem einen oder den mehreren neu beobachteten Objekten 21 verbunden sind; und die wahrgenommenen Daten in die Eingaben umwandelt, die sich auf den Hinweisknoten 34 zum Empfang durch das Dateneingabemodul 260 beziehen. Das System/Steuerung 230 kann zusätzlich einen oder mehrere Sensoren 240 (z. B. RADAR, LIDAR, Ultraschall, Infrarot, Temperatur usw.) enthalten, die operativ mit dem Wahrnehmungsmodul 250 verbunden sind und Eingangssignale an dieses liefern. Darüber hinaus kann das Vorhersagemodul 280 operativ mit anderen Modulen/Geräten 290 verbunden sein, die sich außerhalb des Systems/Steuerung 230 befinden.
Das jeweilige Knotenrisiko NR jedes EM-Knotens 36 kann ein jeweiliges Maximum, ein Durchschnitt oder ein Aggregat von jeweiligen Objektrisiken OR für die ein oder mehreren zuvor beobachteten Objekte 43 in dem zugehörigen zuvor existierenden Ereignis 40 sein, und das jeweilige Objektrisiko OR für jedes zuvor beobachtete Objekt 43 kann durch eine Sigmoidalfunktion bestimmt werden, die auf einen jeweiligen Abstand d₄₃ zwischen dem zuvor beobachteten Objekt 43 und dem Ego-Fahrzeug 20 angewendet wird. Das EM-Modul 270 kann ferner so konfiguriert sein, dass es ein jeweiliges Knotenrisiko NR, das einem EM-Knoten 36 mit hohem Risiko zugeordnet ist, an einen oder mehrere EM-Knoten 36 stromaufwärts des EM-Knotens 36 mit hohem Risiko weiterleitet, wobei das zugeordnete Knotenrisiko NR größer als ein vorbestimmter Risikoschwellenwert ist.
Während der Ansatz der vorliegenden Beschreibung, wie in den 1-8 gezeigt, in Bezug auf die prädiktive Navigationssteuerung für ein Ego-Fahrzeug 20 beschrieben wurde, kann sich der Ansatz auch auf die Optimierung einer Entscheidung für einen Entscheider 50 erstrecken. Zum Beispiel zeigt 10 ein Flussdiagramm für ein Verfahren 300 zur Optimierung einer Entscheidung für einen Entscheider 50, wobei das Verfahren 300 einen Vergleichsschritt (Block 360), einen Bestimmungsschritt (Block 370), einen Konsolidierungsschritt (Block 400) und einen Identifizierungsschritt (Block 420) umfasst. Das Verfahren 300 kann auch unter Bezugnahme auf die 11-13 beschrieben werden, wobei 11 einen Entscheider 50 und verschiedene Stimuli 51, 52, 53, 54, 55, 56 zeigt, die mit einem neuen Ereignis 30 verbunden sind, 12 den Entscheider 50 und ausgewählte Stimuli 51, 52, 53 zusammen mit ausgewählten Aufmerksamkeitszonen 32_UL, 32_UR, 32_LL, 32_LR zeigt, und 13 einen Hinweisknoten 34 zeigt, der mit einem EM-Knoten 36 unter Verwendung einer gemeinsamen Ereignisstruktur 39 verglichen wird. (Zu beachten ist, dass 4, die einen Hinweisknoten 34 zeigt, der mit den EM-Knoten 36 in einer EM-Struktur 38 verglichen wird, auch für das Verfahren 300 gilt).
Der Entscheider 50 kann ein System oder Gerät sein, das so konfiguriert ist, dass es Entscheidungen trifft, z. B. ein Prozessregler, ein Steuermodul oder Ähnliches. Der Entscheider 50 kann die Methode 300 verwenden, um den Entscheidungsprozess des Entscheiders zu leiten, zu unterstützen oder zu optimieren. Die Stimuli 51-56 können Informationen sein, die sich auf das neue Ereignis 30 beziehen, und die Stimuli 51-56 können als einzelne Punkte oder Bits von Informationen in einem Informationsraum visualisiert oder dargestellt werden. Der Informationsraum kann ein zweidimensionales, dreidimensionales oder höherdimensionales Konstrukt mit mehreren Achsen oder Dimensionen sein. Wie in den 11-12 gezeigt, kann der Informationsraum beispielsweise als ein zweidimensionaler Bereich mit zwei orthogonalen Achsen visualisiert oder dargestellt werden, die sich in einem Ursprung kreuzen, in dem der Entscheider 50 visualisiert oder dargestellt werden kann. Jede dieser Achsen kann zur Messung einer bestimmten Eigenschaft, Qualität oder eines Merkmals verwendet werden. Zum Beispiel kann die vertikale Achse den Schwierigkeitsgrad und die horizontale Achse die Kosten messen, wobei der Ursprung bei einer nominalen oder vorbestimmten Kombination aus Schwierigkeitsgrad und Kosten liegt. Die Sammlung der Stimuli 51-56 stellt verschiedene Informationen über das Ereignis 30 dar, wie es in einem aktuellen Zustand 31 beobachtet wird, und das Ereignis 30 kann eine beliebige Situation sein, die eine Handlung oder eine Entscheidung beinhaltet oder erfordert. Der aktuelle Zustand 31 kann ein aktueller Zeitpunkt sein und kann den Zustand eines oder mehrerer Eigenschaften des Entscheiders 50 zum aktuellen Zeitpunkt beinhalten. Zu den Eigenschaften des Entscheiders 50 können z. B. die Inhalte von Speichern, Registern und Puffern gehören, die dem Entscheider 50 zugeordnet sind, der aktuelle Befehlssatz und die Ziele 50, unter denen der Entscheider 50 arbeitet, usw.
Jeder Stimulus 51 kann ein oder mehrere Attribute oder Qualitäten AT haben, die mit ihm verbunden sind. (Zu beachten ist, dass die Referenznummer 51 in den 11-13 zwar zur Darstellung eines bestimmten neu beobachteten Reizes 51 verwendet wird, diese Referenznummer hier aber auch allgemein für einen oder mehrere neu beobachtete Reize 51 verwendet wird). Diese Attribute oder Qualitäten AT, wie in 15 dargestellt, können eine oder mehrere der folgenden Eigenschaften umfassen: Wichtigkeit ATI, Dringlichkeit ATU, Risiko ATR, Belohnung ATW, Kosten ATC, Dauer ATD und Schwierigkeit ATX. Die Attribute oder Qualitäten AT können sich auf die Eigenschaften, Qualitäten oder Eigenschaften beziehen, die von den Achsen im Informationsraum gemessen oder angezeigt werden, oder sie können sich davon unterscheiden.
Das Verfahren 300 umfasst das Nehmen eines gegebenen Ereignisses 30 mit einem oder mehreren Reizen 51-56 (11), das Identifizieren einer Anordnung von Aufmerksamkeitszonen 32, die in Bezug auf den aktuellen Zustand 31 des Entscheiders 50 definiert sind, mit den zugehörigen Reizen 51-53, die sich innerhalb ihrer jeweiligen Aufmerksamkeitszonen 32 befinden und/oder diesen zugeordnet sind (12), das Organisieren der Ansammlung von Aufmerksamkeitszonen 32 und anderer Daten gemäß einer Ereignisstruktur 39 (13), und das Darstellen dieser Ansammlung von Informationen als Hinweisknoten 34, der mit einzelnen episodischen Speicherknoten 36 in einer episodischen Speicherstruktur 38 (4) verglichen werden kann. Wenn der Hinweisknoten 34 ausreichend mit einem der EM-Knoten 36 in der EM-Struktur 38 übereinstimmt, kann der Hinweisknoten 34 in den übereinstimmenden EM-Knoten 361 zusammengeführt oder konsolidiert werden; wenn der Hinweisknoten 34 jedoch mit keinem der EM-Knoten 36 ausreichend übereinstimmt, kann der Hinweisknoten 34 der EM-Struktur 38 als neuer EM-Knoten 36₂₂ hinzugefügt werden.
Wiederum zu den 10-13: Im Block 360 beinhaltet der Vergleichsschritt den Vergleich eines Hinweisknotens 34 mit jedem einer Vielzahl von EM-Knoten 36 in einer EM-Struktur 38. Der Hinweisknoten 34 repräsentiert ein neues Ereignis 30, das mit einem Satz jeweiliger Attribute AT₅₁, AT₅₂, AT₅₃ assoziiert ist, die mit einem oder mehreren neu beobachteten Stimuli 51, 52, 53 assoziiert sind, wobei jeder Stimulus 51 einer jeweiligen einer Vielzahl von neu definierten Aufmerksamkeitszonen 32_L, 32_H, 32_U zugewiesen ist, die in Bezug auf einen aktuellen Zustand 31 des Entscheiders 50 definiert sind. Die EM-Struktur 38 umfasst ein selektiv miteinander verbundenes und gerichtetes Netzwerk der EM-Knoten 36, wobei jeder EM-Knoten 36 ein jeweiliges zuvor existierendes Ereignis 40 repräsentiert. Jedes zuvor existierende Ereignis 40 ist mit einem jeweiligen Satz von Attributen AT₆₁, AT₆₂, AT₆₃ verknüpft, die mit einem oder mehreren zuvor beobachteten Stimuli 61, 62, 63 verknüpft sind, die jeweils einer jeweiligen einer Vielzahl von zuvor definierten Aufmerksamkeitszonen 42_L, 42_H, 42_U zugeordnet sind, die in Bezug auf einen jeweiligen vorherigen Zustand 41 des Entscheiders 50 definiert sind. (Der vorherige Zustand 41 kann ein vorheriger Zeitpunkt sein und kann den Zustand eines oder mehrerer Eigenschaften des Entscheiders 50 zu dem vorherigen Zeitpunkt umfassen). Jedem EM-Knoten 36 ist ein jeweiliges Knotenrisiko NR und eine jeweilige Wahrscheinlichkeit LL zugeordnet, und optional kann ihm eine jeweilige Knotenbelohnung NW zugeordnet sein. (Zu beachten ist, dass die Referenznummer 61 in den 11-13 zwar verwendet wird, um einen bestimmten zuvor beobachteten Stimulus 61 darzustellen, diese Referenznummer hier jedoch auch verwendet wird, um allgemein einen oder mehrere zuvor beobachtete Stimuli 61 darzustellen.)
Die Ziele G des Entscheiders 50 können eines oder mehrere der folgenden umfassen: Minimierung des Risikos G_MR, Optimierung des Nutzens Gou, Optimierung des Risikos gegenüber der Belohnung G_RR, Lernen, die Bedürfnisse eines Benutzers zu antizipieren G_AN, Auffinden der hilfreichsten Informationen G_FI und Lernen, wie man erkennt, wann man einem Benutzer Hilfe anbieten sollte G_OH. Diese Ziele G können nützlich sein, wenn der Entscheider 50 in Prozesssteuerungen, Logik-/Steuerungsmodulen, persönlichen Datenassistenten, virtuellen Assistenten, Expertensystemen und dergleichen eingesetzt wird. Jedes der jeweiligen Attribute AT der einen oder mehreren neu beobachteten Stimuli 51 und der einen oder mehreren zuvor beobachteten Stimuli 61 kann in Bezug auf ein oder mehrere Ziele G des Entscheiders 50 definiert werden. Beispielsweise können die Ziele G die im Informationsraum verwendeten Achsen bestimmen, und die Stimuli 51, 61 können in Bezug auf diese Achsen im Informationsraum platziert, visualisiert und/oder dargestellt werden.
Die Aufmerksamkeitszonen 32 sind in 12 als Quadranten einer elliptischen Teilmenge des Informationsraums dargestellt. Zu beachten ist, dass auch andere mögliche Formen und Größen der Untermenge des Informationsraums verwendet werden können. Der Reiz 51 ist im unteren linken Quadranten oder der Aufmerksamkeitszone 32_LL dargestellt, die als Zone für dringende Risiken 32_U dargestellt ist (aufgrund der Nähe des Reizes 51 zum Ursprung). Der Reiz 52 wird im oberen linken Quadranten oder Aufmerksamkeitszone 32_UL angezeigt, der als Hochrisikobereich 32_H dargestellt wird, und der Reiz 53 wird im unteren rechten Quadranten oder Aufmerksamkeitszone 32_LR angezeigt, der ebenfalls als Hochrisikobereich 32_H dargestellt wird. Der obere rechte Quadrant oder die Aufmerksamkeitszone 32_UR enthält keine Reize und ist als Zone 32_L mit niedrigem Risiko hellgrau schattiert dargestellt. Zu beachten ist, dass die Stimuli 54, 55 und 56 nicht dargestellt sind, da sie in keine der Aufmerksamkeitszonen 32 fallen. Die Reize 51, 52 und 53 haben jeweilige Wirkungspotentiale ep₅₁, ep₅₂ und ep₅₃, die die Wirkung darstellen, die jeder Reiz 51, 52, 53 auf ein oder mehrere Ziele G des Entscheiders 50 haben kann, wie weiter unten beschrieben. Der Abstand zwischen dem Ursprung und einem gegebenen Stimulus 51 repräsentiert die Größe der Wirkung des Stimulus auf die Erreichung des einen oder der mehreren Ziele G. Da der Stimulus 51 beispielsweise näher am Ursprung liegt als der Stimulus 53, kann man davon ausgehen, dass der Stimulus 51 eine größere Wirkung auf die Erreichung (oder Nicht-Erreichung) der Ziele G hat als der Stimulus 53.
In Block 370 umfasst der Bestimmungsschritt das Bestimmen, welcher der mehreren EM-Knoten 36 eine kleinste jeweilige Differenzmetrik aufweist, wodurch ein am besten passender EM-Knoten 36₁ definiert wird. Jede jeweilige Differenzmetrik wird auf der Grundlage einer jeweiligen Gesamtdifferenz zwischen einem oder mehreren jeweiligen Aspekten AS des jeweiligen EM-Knotens 36 und dem Hinweisknoten 34 bestimmt. Diese Aspekte AS sind analog zu den Eigenschaften 50 des Verfahrens 100 und können, wie in 15 dargestellt, eines oder mehrere der folgenden Elemente umfassen: Benutzertemperament AS_T (z. B. Stimmung, Energieniveau, Aufmerksamkeitsniveau usw.), Benutzerfähigkeitsniveau AS_U (z. B. basierend auf früheren Entscheidungen und Ergebnissen im Vergleich zu Zielen G), Umgebungsfaktoren AS_E (z. B., (z. B. Tages- oder Nachtzeit, Grad der Ablenkung in der Umgebung usw.) und frühere Tendenzen und Gewohnheiten des Benutzers AS_H (basierend auf früheren Leistungen) sowie die jeweilige Wichtigkeit AS₁, Dringlichkeit AS_L, Risiko AS_R, Belohnung ASw, Kosten ASc, Dauer AS_D und Schwierigkeit AS_X, die mit dem einen oder mehreren neu beobachteten oder zuvor beobachteten Reizen 51, 61 verbunden sind. Zu beachten ist, dass bestimmte Aspekte AS auch Attribute AT sein können und umgekehrt, wie durch die gestrichelten Linien in 15 angedeutet; beispielsweise kann Wichtigkeit als ein Aspekt AS_I und/oder als ein Attribut AT_I ausgedrückt werden. Das gleiche gilt für Dringlichkeit AS_U, AT_U, Risiko AS_R, AT_R, Belohnung AS_W, AT_W, Kosten AS_C, AT_C, Dauer AS_D, AT_D und Schwierigkeit AS_X, AT_X. In einigen Fällen können diese jeweiligen Aspekte AS und Attribute AT austauschbar verwendet werden. Zu beachten ist, dass 13 zwar nur ein Attribut AT für jeden neu beobachteten Stimulus 51, 52, 53 (d.h. AT₅₁, AT₅₂, AT₅₃) und für jeden zuvor beobachteten Stimulus 61, 62, 63 (d.h. AT₆₁, AT₆₂, AT₆₃) und nur einen Aspekt AS für das neue Ereignis 30 (d.h. AS₃₀) und für das zuvor existierende Ereignis 40 (d.h. AS₄₀) zeigt, dass aber mehr als ein Attribut AT oder ein Aspekt AS mit jedem von ihnen verbunden sein kann.
Die Gesamtdifferenz kann eine Summe, ein Durchschnitt oder ein Maximum der Differenzen zwischen oder unter den jeweiligen Aspekten AS des Hinweisknotens 34 und jedes EM-Knotens 36 sein. Zusätzlich kann jede jeweilige Gesamtdifferenz eine jeweilige Summe von einer oder mehreren gewichteten Strafen sein, die gegen jede der einen oder mehreren Differenzen zwischen den jeweiligen Aspekten AS des jeweiligen EM-Knotens 36 und dem Hinweisknoten 34 zugewiesen werden.
In Block 390 wird geprüft, ob die kleinste jeweilige Differenzmetrik (zwischen dem Hinweisknoten 34 und dem bestpassenden Knoten 36₁) kleiner als eine vorgegebene Übereinstimmungstoleranz ist. Wenn dies der Fall ist, wird in Block 400 der Konsolidierungsschritt ausgeführt, in dem der Hinweisknoten 34 mit dem am besten passenden EM-Knoten 36₁ konsolidiert wird; wenn dies jedoch nicht der Fall ist (d. h. die kleinste jeweilige Differenzmetrik ist größer oder gleich der vorgegebenen Übereinstimmungstoleranz), wird in Block 410 ein neuer EM-Knoten 36₂₂, der dem Hinweisknoten 34 entspricht, zur EM-Struktur 38 hinzugefügt. Dem neuen EM-Knoten 36₂₂ kann ein anfänglicher Wahrscheinlichkeitswert zugewiesen werden (d. h. ein anfänglicher Wert der Wahrscheinlichkeit LL des neuen Knotens); optional kann dem neuen Knoten 36₂₂ auch ein anfängliches Knotenrisiko NR und eine anfängliche Knotenbelohnung NW zugewiesen werden.
In Block 420 umfasst der Identifizierungsschritt das Identifizieren des wahrscheinlichsten nächsten Knotens 36₂ und/oder des riskantesten nächsten Knotens 36₁₀. Wenn der Hinweisknoten 34 zu dem am besten passenden Knoten 36₁ konsolidiert wurde, dann ist der wahrscheinlichste nächste Knoten 36₂ der Knoten 36 mit der höchsten Wahrscheinlichkeit LL unter den Knoten 36 unmittelbar stromabwärts des am besten passenden Knotens 36₁, und der riskanteste nächste Knoten 36₁₀ ist der Knoten 36 mit dem höchsten Knotenrisiko NR unter den Knoten 36 unmittelbar stromabwärts des am besten passenden Knotens 36₁. Wenn andererseits der Hinweisknoten 34 als neuer Knoten 36₂₂ hinzugefügt wurde und wenn es einen oder mehrere Knoten 36 unmittelbar stromabwärts des neuen Knotens 36₂₂ gibt, dann wird der wahrscheinlichste nächste Knoten 36₂ der Knoten 36 mit der höchsten Wahrscheinlichkeit LL unter den Knoten 36 unmittelbar stromabwärts des neuen Knotens 36₂₂ sein, und der riskanteste nächste Knoten 36₁₀ wird der Knoten 36 mit dem höchsten Knotenrisiko NR unter den Knoten 36 unmittelbar stromabwärts des neuen Knotens 36₂₂ sein. Wenn es keine Knoten 36 unmittelbar stromabwärts des neuen Knotens 36₂₂ gibt, wie z. B. in dem in 4 dargestellten Fall, dann werden keine wahrscheinlichsten oder riskantesten nächsten Knoten 36₂, 36₁₀ identifiziert. In einem solchen Fall ist es jedoch wahrscheinlich, dass der Entscheider 50 neue Ereignisse 30 erfährt, die sich deutlich von den zuvor erfahrenen, zuvor existierenden Ereignissen 40 unterscheiden, und der Entscheider 50 wird weiterhin neue Knoten 36₂₂ zur EM-Struktur 38 hinzufügen, während der Entscheider 50 weiter fortschreitet. Auf diese Weise kann die EM-Struktur 38 erweitert werden, um alle neuen Ereignisse 30 aufzunehmen, die der Entscheider 50 erlebt. Eine EM-Struktur 38 kann mit der Zeit weiter wachsen und recht komplex werden, so dass in einigen Fällen der wahrscheinlichste nächste Knoten 36₂ und der riskanteste nächste Knoten 36₂₂ derselbe Knoten 36 sein kann.
Das jeweilige Knotenrisiko NR jedes EM-Knotens 36 kann ein jeweiliges Maximum, ein Durchschnitt oder ein Aggregat der jeweiligen Stimulusrisiken SR₆₁, SR₆₂, SR₆₃ für den einen oder die mehreren zuvor beobachteten Stimuli 61, 62, 63 in dem zugehörigen zuvor existierenden Ereignis 40 sein. Das jeweilige Reizrisiko SR für jeden zuvor beobachteten Reiz 61, 62, 63 kann durch eine sigmoidale Funktion bestimmt werden, die auf ein jeweiliges Wirkungspotenzial ep₆₁, ep₆₂, ep₆₃ zwischen dem zuvor beobachteten Reiz 61, 62, 63 und dem einen oder mehreren Zielen G des Entscheiders 50 angewendet wird. (Zu beachten ist, dass die Referenzzahl ep₆₁ in 12 zwar zur Darstellung eines bestimmten Effektpotenzials ep₆₁ verwendet wird, diese Referenzzahl hier aber auch allgemein zur Darstellung des Effektpotenzials ep₆₁ zwischen einem zuvor beobachteten Stimulus 61 und dem einen oder den mehreren Zielen G des Entscheiders 50 verwendet wird).
Das Verfahren 300 kann ferner in Block 330 die folgenden Schritte umfassen: (i) Berechnen eines jeweiligen individuellen Risikos IR₅₁, IR₅₂, IR₅₃ für jeden des einen oder der mehreren neu beobachteten Reize 51, 52, 53 unter Verwendung einer Sigmoidfunktion, die auf ein jeweiliges Effektpotential ep₅₁, ep₅₂, ep₅₃ zwischen jedem jeweiligen neu beobachteten Reiz 51, 52, 53 und dem einen oder den mehreren Zielen G des Entscheiders 50 angewendet wird; (ii) bei Block 340, Festlegen eines jeweiligen Gesamtrisikos TR für jede der Mehrzahl von neu definierten Aufmerksamkeitszonen 32, basierend auf den jeweiligen individuellen Risiken IR des einen oder der mehreren neu beobachteten Reize 51, die jeder jeweiligen neu definierten Aufmerksamkeitszone 32 zugeordnet sind; und (iii) bei Block 350, Definieren des Hinweisknotens 34 als eine Gruppierung der Mehrzahl von neu definierten Aufmerksamkeitszonen 32, die gemäß ihren jeweiligen Gesamtrisiken TR organisiert sind.
Das Verfahren 300 kann ferner in Block 380 den Schritt des Backpropagierens einer jeweiligen Knotenrisiko-NR, die einem EM-Knoten 36 mit hohem Risiko zugeordnet ist, zu einem oder mehreren EM-Knoten 36 stromaufwärts des EM-Knotens 36 mit hohem Risiko umfassen, wobei die Knotenrisiko-NR, die dem EM-Knoten 36 mit hohem Risiko zugeordnet ist, größer als ein vorbestimmter Risikoschwellenwert ist. Diese Rückprogression des zugehörigen Knotenrisikos NR kann eine lineare Funktion oder eine logistische Funktion verwenden. Wenn beispielsweise ein gegebener EM-Knoten 36 eine Knotenrisiko-NR aufweist, die über dem vorbestimmten Risikoschwellenwert liegt, dann kann dieser Knoten als Hochrisikoknoten 36 betrachtet werden, und die Knotenrisiko-NR für diesen Hochrisikoknoten 36 kann an einen oder mehrere andere Knoten 36 rückproportional weitergegeben werden, die dem Hochrisikoknoten 36 unmittelbar vorgeschaltet sind.
Das Verfahren 300 kann ferner in Block 310 den Schritt des Erfassens des Satzes der jeweiligen Attribute AT, die mit dem einen oder den mehreren neu beobachteten Stimuli 51 verbunden sind, als wahrgenommene Daten umfassen; und in Block 320 den Schritt des Umwandelns der wahrgenommenen Daten in Eingaben, Signale oder Daten, die sich auf den Hinweisknoten 34 beziehen, z. B. für den Empfang durch ein Dateneingabemodul 460 (weiter unten im Detail beschrieben).
9 zeigt ein Blockdiagramm eines Systems/Steuerung 430 zur Optimierung einer Entscheidung für einen Entscheider 50, das so konfiguriert ist, dass es einige oder alle Schritte des oben genannten Verfahrens 300 ausführt. Das System/Steuerung 430 kann alle in 9 gezeigten Blöcke oder Module enthalten, oder es kann eine Teilmenge dieser Blöcke oder Module enthalten. Jeder dieser Blöcke oder Module kann in Form von Hardware, Software und/oder Firmware implementiert sein, wobei zwei oder mehr der Blöcke oder Module zusammen integriert sind (z. B. als Teil einer einzigen Hardwareeinheit) und ein oder mehrere andere Blöcke oder Module separat implementiert sind.
Das System/Steuerung 430 umfasst ein Dateneingangsmodul 460, ein EM-Modul 470 und ein Vorhersagemodul 480. Das Datenaufnahmemodul 460 ist so konfiguriert, dass es Eingaben empfängt, die sich auf einen Hinweisknoten 34 beziehen, wobei der Hinweisknoten 34 ein neues Ereignis 30 darstellt, das mit einem Satz jeweiliger Attribute AT verbunden ist, die mit einem oder mehreren neu beobachteten Stimuli 51 verbunden sind, wobei jeder neu beobachtete Stimulus 51 innerhalb einer jeweiligen von mehreren neu definierten Aufmerksamkeitszonen 32, die in Bezug auf einen aktuellen Zustand 31 des Entscheiders 50 definiert sind, angeordnet und/oder diesen zugeordnet ist. Das Dateneingabemodul 460 ist ferner konfiguriert, um: (i) Berechnen eines jeweiligen individuellen Risikos IR für jeden des einen oder der mehreren neu beobachteten Reize 51 unter Verwendung einer sigmoidalen Funktion, die auf ein jeweiliges Wirkungspotenzial ep zwischen jedem jeweiligen neu beobachteten Reiz 51 und dem einen oder den mehreren Zielen G des Entscheiders 50 angewendet wird; (ii) Festlegen eines jeweiligen Gesamtrisikos TR für jede der Mehrzahl von neu definierten Aufmerksamkeitszonen 32, basierend auf den jeweiligen individuellen Risiken IR des einen oder der mehreren neu beobachteten Reize 51, die sich innerhalb jeder jeweiligen neu definierten Aufmerksamkeitszone 32 befinden und/oder dieser zugeordnet sind; und (iii) Definieren des Hinweisknotens 34 als eine Gruppierung der Mehrzahl von neu definierten Aufmerksamkeitszonen 32, die gemäß ihren jeweiligen Gesamtrisiken TR organisiert sind.
Das EM-Modul 470 ist operativ mit dem Dateneingangsmodul 460 verbunden und enthält eine EM-Struktur 38 mit einem selektiv miteinander verbundenen und gerichteten Netzwerk von EM-Knoten 36, wobei jeder EM-Knoten 36 ein jeweiliges zuvor existierendes Ereignis 40 repräsentiert, wobei jedes zuvor existierende Ereignis 40 mit einem jeweiligen Satz von Attributen AT assoziiert ist, die mit einem oder mehreren zuvor beobachteten Stimuli 61 assoziiert sind, die sich jeweils innerhalb einer jeweiligen von mehreren zuvor definierten Aufmerksamkeitszonen 42 befinden und/oder einer jeweiligen von mehreren zuvor definierten Aufmerksamkeitszonen 42 zugeordnet sind, die in Bezug auf einen jeweiligen vorherigen Zustand 41 des Entscheiders 50 definiert sind, und wobei jeder EM-Knoten 36 ein jeweiliges Knotenrisiko NR und eine jeweilige Wahrscheinlichkeit LL aufweist, die damit assoziiert sind. Das EM-Modul 470 ist konfiguriert, um: (x) den Hinweisknoten 34 mit jedem der EM-Knoten 36 zu vergleichen; (y) zu bestimmen, welcher der EM-Knoten 36 eine kleinste jeweilige Differenzmetrik aufweist, wodurch ein am besten passender EM-Knoten 36₁ definiert wird, wobei jede jeweilige Differenzmetrik auf der Grundlage einer jeweiligen Gesamtdifferenz zwischen einem oder mehreren jeweiligen Aspekten AS des jeweiligen EM-Knotens 36 und dem Hinweisknoten 34 bestimmt wird; und (z) Konsolidieren des Hinweisknotens 34 mit dem am besten passenden EM-Knoten 36₁, wenn die kleinste jeweilige Differenzmetrik kleiner als eine vorbestimmte Übereinstimmungstoleranz ist, andernfalls Hinzufügen eines neuen EM-Knotens 3622, der dem Hinweisknoten 34 entspricht, zu der EM-Struktur 38, wenn die kleinste jeweilige Differenzmetrik größer oder gleich der vorbestimmten Übereinstimmungstoleranz ist.
Das Vorhersagemodul 480 ist operativ mit dem EM-Modul 470 verbunden und ist so konfiguriert, dass es eines oder beides identifiziert, nämlich einen wahrscheinlichsten nächsten Knoten 362 unter einem oder mehreren EM-Knoten 36 unmittelbar stromabwärts von dem am besten passenden oder neuen EM-Knoten 361, 3622, wobei der wahrscheinlichste nächste Knoten 362 eine höchste Wahrscheinlichkeit LL unter den unmittelbar stromabwärts gelegenen EM-Knoten 36 hat; und einen riskantesten nächsten Knoten 3610 unter dem einen oder mehreren EM-Knoten 36 unmittelbar stromabwärts von dem am besten passenden oder neuen EM-Knoten 361, 3622, wobei der riskanteste nächste Knoten 3610 ein höchstes Knotenrisiko NR unter den unmittelbar stromabwärts gelegenen EM-Knoten 36 hat. Außerdem kann das Vorhersagemodul 480 operativ mit anderen Modulen/Geräten 490 verbunden sein, die sich außerhalb des Systems/Steuerung 430 befinden.
Das System/Steuerung 430 kann ferner ein Wahrnehmungsmodul 450 enthalten, das operativ mit dem Dateneingabemodul 460 verbunden und so konfiguriert ist, dass es: den Satz der jeweiligen Attribute AT, die mit dem einen oder den mehreren neu beobachteten Stimuli 51 verbunden sind, als wahrgenommene Daten erfasst; und die wahrgenommenen Daten in die Eingaben umwandelt, die sich auf den Hinweisknoten 34 beziehen, um vom Dateneingabemodul 460 empfangen zu werden. Das System/Steuerung 430 kann zusätzlich einen oder mehrere Sensoren 440 (z. B. RADAR, LIDAR, Ultraschall, Infrarot, Temperatur usw.) enthalten, die operativ mit dem Wahrnehmungsmodul 450 verbunden sind und Eingangssignale an dieses liefern.
Das jeweilige Knotenrisiko NR jedes EM-Knotens 36 kann ein jeweiliges Maximum, ein Durchschnitt oder ein Aggregat von jeweiligen Objektrisiken OR für den einen oder die mehreren zuvor beobachteten Reize 61 in dem zugehörigen zuvor existierenden Ereignis 40 sein, und das jeweilige Objektrisiko OR für jeden zuvor beobachteten Reiz 61 kann durch eine Sigmoidalfunktion bestimmt werden, die auf ein jeweiliges Wirkungspotenzial ep zwischen dem zuvor beobachteten Objekt 43 und dem einen oder den mehreren Zielen G des Entscheiders 50 angewendet wird. Das EM-Modul 470 kann ferner so konfiguriert sein, dass es ein jeweiliges Knotenrisiko NR, das einem EM-Knoten 36 mit hohem Risiko zugeordnet ist, an einen oder mehrere EM-Knoten 36 stromaufwärts des EM-Knotens 36 mit hohem Risiko weiterleitet, wobei das zugeordnete Knotenrisiko NR größer als ein vorbestimmter Risikoschwellenwert ist.
In der Lage zu sein, die risikoreichsten und wahrscheinlichsten nächsten EM-Knoten 3610, 362 vorherzusagen, kann dem Ego-Fahrzeug 20 helfen, seinen nächsten Zug oder seine nächste Entscheidung zu treffen (und damit eine Form der vorausschauenden Navigation bereitstellen), und ebenso kann es dem Entscheider 50 helfen, seinen nächsten Zug oder seine nächste Entscheidung zu optimieren.

Claims

Verfahren (100) zur prädiktiven Navigationssteuerung für ein Ego-Fahrzeug (20), umfassend: Vergleichen eines Hinweisknotens (34) mit jedem einer Mehrzahl von episodischen Speicherknoten (36) in einer episodischen Speicherstruktur (38), wobei der Hinweisknoten (34) ein neues Ereignis (30) repräsentiert, das mit einem Satz jeweiliger Orte (L), Geschwindigkeiten (S) und Richtungen (H) assoziiert ist, die mit einem oder mehreren neu beobachteten Objekten (21) assoziiert sind, die sich jeweils innerhalb einer jeweiligen einer Mehrzahl von neu definierten Aufmerksamkeitszonen (32) um das Ego-Fahrzeug (20) herum befinden, und wobei die episodische Speicherstruktur (38) ein selektiv miteinander verbundenes und gerichtetes Netzwerk der episodischen Speicherknoten (36) umfasst, wobei jeder episodische Speicherknoten (36) ein jeweiliges zuvor existierendes Ereignis (40) repräsentiert, wobei jedes zuvor existierende Ereignis (40) mit einem jeweiligen Satz von Orten (L), Geschwindigkeiten (S) und Richtungen (H) verbunden ist, die mit einem oder mehreren zuvor beobachteten Objekten (43) verbunden sind, die sich jeweils innerhalb einer jeweiligen einer Vielzahl von zuvor definierten Aufmerksamkeitszonen (42) um das Ego-Fahrzeug (20) befinden, und wobei jeder episodische Speicherknoten (36) ein jeweiliges Knotenrisiko (NR) und eine jeweilige Wahrscheinlichkeit (LL) aufweist, die damit verbunden sind; Bestimmen, welcher der mehreren episodischen Speicherknoten (36) eine kleinste jeweilige Differenzmetrik aufweist, wodurch ein am besten passender episodischer Speicherknoten (36) definiert wird, wobei jede jeweilige Differenzmetrik auf der Grundlage einer jeweiligen Gesamtdifferenz zwischen einer oder mehreren jeweiligen Eigenschaften (49) des jeweiligen episodischen Speicherknotens (36) und des Hinweisknotens (34) bestimmt wird; Konsolidieren des Hinweisknotens (34) mit dem am besten passenden episodischen Speicherknoten (36), wenn die kleinste jeweilige Differenzmetrik kleiner als eine vorbestimmte Übereinstimmungstoleranz ist, oder Hinzufügen eines neuen episodischen Speicherknotens (36), der dem Hinweisknoten (34) entspricht, zu der episodischen Speicherstruktur (38), wenn die kleinste jeweilige Differenzmetrik größer als oder gleich der vorbestimmten Übereinstimmungstoleranz ist; und Identifizieren von einem oder beiden von (i) einem wahrscheinlichsten nächsten episodischen Speicherknoten (36) unter einem oder mehreren episodischen Speicherknoten (36) unmittelbar stromabwärts von dem am besten übereinstimmenden oder neuen episodischen Speicherknoten (36), wobei der wahrscheinlichste nächste episodische Speicherknoten (36) eine höchste Wahrscheinlichkeit (LL) unter den unmittelbar stromabwärts liegenden episodischen Speicherknoten (36) aufweist, und (ii) einen risikoreichsten nächsten episodischen Speicherknoten (36) unter dem einen oder den mehreren episodischen Speicherknoten (36) unmittelbar stromabwärts von dem am besten passenden oder neuen episodischen Speicherknoten (36), wobei der risikoreichste nächste episodische Speicherknoten (36) ein höchstes Knotenrisiko (NR) unter den unmittelbar stromabwärts liegenden episodischen Speicherknoten (36) aufweist.
Verfahren (100) nach Anspruch 1, wobei das jeweilige Knotenrisiko (NR) jedes episodischen Speicherknotens (36) ein jeweiliges Maximum, ein Durchschnitt oder ein Aggregat von jeweiligen Objektrisiken (OR) für das eine oder die mehreren zuvor beobachteten Objekte (43) in dem zugehörigen zuvor existierenden Ereignis (40) ist, und wobei das jeweilige Objektrisiko (OR) für jedes zuvor beobachtete Objekt (43) durch eine Sigmoidalfunktion bestimmt wird, die auf einen jeweiligen Abstand (d) zwischen dem zuvor beobachteten Objekt (43) und dem Ego-Fahrzeug (20) angewendet wird.
Verfahren (100) nach Anspruch 2, ferner umfassend: Berechnen eines jeweiligen individuellen Risikos (IR) für jedes der einen oder mehreren neu beobachteten Objekte (21) unter Verwendung der Sigmoidalfunktion, die auf einen jeweiligen Abstand (d) zwischen jedem jeweiligen neu beobachteten Objekt (21) und dem Ego-Fahrzeug (20) angewendet wird; Festlegen eines jeweiligen Gesamtrisikos (TR) für jede der mehreren neu definierten Aufmerksamkeitszonen (32), basierend auf den jeweiligen individuellen Risiken (IR) des einen oder der mehreren neu beobachteten Objekte (21), die sich innerhalb jeder jeweiligen neu definierten Aufmerksamkeitszone (32) befinden; und Definieren des Hinweisknotens (34) als eine Gruppierung der mehreren neu definierten Aufmerksamkeitszonen (32), die entsprechend ihrer jeweiligen Gesamtrisiken (TR) organisiert sind.
Verfahren (100) nach Anspruch 3, wobei das jeweilige Objektrisiko (OR) bzw. individuelle Risiko (IR) für jedes zuvor beobachtete bzw. neu beobachtete Objekt (21) bestimmt wird durch R = 2-({1 - 1/(1 + e^[(mindist - SAFEDIST)/(SAFEDIST/2)]} - 0,5) + 0,5, wobei R das jeweilige Objektrisiko (OR) oder individuelle Risiko (IR) ist, mindist ein Abstand (d) zu dem zuvor beobachteten oder neu beobachteten Objekt (21) von dem Ego-Fahrzeug (20) ist, und wobei SAFEDIST ein Abstand (d) ist, der von einem oder mehreren eines Fahrbahnoberflächentyps, eines Straßenstrukturtyps, von Wetter-/Umgebungsbedingungen und einer relativen Fahrspurposition, Schließgeschwindigkeit oder Schließbeschleunigung zwischen dem zuvor beobachteten oder neu beobachteten Objekt (43, 21) und dem Ego-Fahrzeug (20) abhängt.
Verfahren (100) nach Anspruch 1, ferner umfassend: Rückübertragung eines jeweiligen Knotenrisikos (NR), das mit einem risikoreichen episodischen Speicherknoten (36) assoziiert ist, an einen oder mehrere episodische Speicherknoten (36), die dem risikoreichen episodischen Speicherknoten (36) vorgeschaltet sind, wobei das assoziierte Knotenrisiko (NR) größer als ein vorbestimmter Risikoschwellenwert ist.
Verfahren (100) nach Anspruch 1, wobei, wenn ein neuer episodischer Speicherknoten (36) zu der episodischen Speicherstruktur (38) hinzugefügt wird, der neue episodische Speicherknoten (36) als ein Kindknoten zu einem oder mehreren Elternknoten hinzugefügt wird, wobei jeder Elternknoten ein zuvor existierender episodischer Speicherknoten (36) ist, und wobei dem neuen episodischen Speicherknoten (36) ein anfänglicher Wahrscheinlichkeitswert zugewiesen wird.
Steuerung (230) zur prädiktiven Navigationssteuerung für ein Ego-Fahrzeug (20), umfassend: (a) ein Dateneingabemodul (260), das so konfiguriert ist, dass es Eingaben empfängt, die sich auf einen Hinweisknoten (34) beziehen, wobei der Hinweisknoten (34) ein neues Ereignis (30) darstellt, das mit einem Satz jeweiliger Orte (L), Geschwindigkeiten (S) und Richtungen (H) verbunden ist, die mit einem oder mehreren neu beobachteten Objekten (21) verbunden sind, die sich jeweils innerhalb einer jeweiligen einer Vielzahl von neu definierten Aufmerksamkeitszonen (32) um das Ego-Fahrzeug (20) herum befinden, wobei das Dateneingabemodul (260) ferner so konfiguriert ist, dass es: Berechnen eines jeweiligen individuellen Risikos (IR) für jedes der einen oder mehreren neu beobachteten Objekte (21) unter Verwendung einer Sigmoidalfunktion, die auf einen jeweiligen Abstand (d) zwischen jedem jeweiligen neu beobachteten Objekt (21) und dem Ego-Fahrzeug (20) angewendet wird; ein jeweiliges Gesamtrisiko (TR) für jede der mehreren neu definierten Aufmerksamkeitszonen (32) auf der Grundlage der jeweiligen individuellen Risiken (IR) des einen oder der mehreren neu beobachteten Objekte (21), die sich innerhalb jeder jeweiligen neu definierten Aufmerksamkeitszone (32) befinden, zu ermitteln; und den Hinweisknoten (34) als eine Gruppierung der mehreren neu definierten Aufmerksamkeitszonen (32) definieren, die entsprechend ihrer jeweiligen Gesamtrisiken (TR) organisiert sind; (b) ein episodisches Speichermodul (270), das operativ mit dem Dateneingabemodul (260) verbunden ist und eine episodische Speicherstruktur (38) enthält, die ein selektiv miteinander verbundenes und gerichtetes Netzwerk von episodischer Speicherknoten (36) umfasst, wobei jeder episodischer Speicherknoten (36) ein jeweiliges zuvor existierendes Ereignis (40) darstellt, wobei jedes zuvor existierende Ereignis (40) mit einem jeweiligen Satz von Orten (L) Geschwindigkeiten (S) und Richtungen (H) assoziiert ist, die mit einem oder mehreren zuvor beobachteten Objekten (43) assoziiert sind, die sich jeweils innerhalb einer jeweiligen einer Mehrzahl von zuvor definierten Aufmerksamkeitszonen (42) um das Ego-Fahrzeug (20) herum befinden, und wobei jeder episodische Speicherknoten (36) ein jeweiliges Knotenrisiko (NR) und eine jeweilige damit assoziierte Wahrscheinlichkeit (LL) aufweist, wobei das episodische Speichermodul (270) konfiguriert ist, um: Vergleichen des Hinweisknotens (34) mit jedem der episodischen Speicherknoten (36); Bestimmen, welcher der episodischen Speicherknoten (36) eine kleinste jeweilige Differenzmetrik aufweist, wodurch ein am besten passender episodischer Speicherknoten (36) definiert wird, wobei jede jeweilige Differenzmetrik auf der Grundlage einer jeweiligen Gesamtdifferenz zwischen einer oder mehreren jeweiligen Eigenschaften (49) des jeweiligen episodischen Speicherknotens (36) und des Hinweisknotens (34) bestimmt wird; und Konsolidieren des Hinweisknotens (34) mit dem am besten passenden episodischen Speicherknoten (36), wenn die kleinste jeweilige Differenzmetrik kleiner als eine vorbestimmte Übereinstimmungstoleranz ist, oder Hinzufügen eines neuen episodischen Speicherknotens (36), der dem Hinweisknoten (34) entspricht, zu der episodischen Speicherstruktur (38), wenn die kleinste jeweilige Differenzmetrik größer als oder gleich der vorbestimmten Übereinstimmungstoleranz ist; und (c) ein Vorhersagemodul (280), das operativ mit dem episodischen Speichermodul (270) verbunden und so konfiguriert ist, dass es (i) einen wahrscheinlichsten nächsten episodischen Speicherknoten (36) unter einem oder mehreren episodischen Speicherknoten (36) unmittelbar stromabwärts von dem am besten übereinstimmenden oder neuen episodischen Speicherknoten (36) identifiziert, wobei der wahrscheinlichste nächste episodische Speicherknoten (36) eine höchste Wahrscheinlichkeit (LL) unter den unmittelbar stromabwärts liegenden episodischen Speicherknoten (36) aufweist und (ii) einen risikoreichsten nächsten episodischen Speicherknoten (36) unter dem einen oder den mehreren episodischen Speicherknoten (36) unmittelbar stromabwärts von dem am besten passenden oder neuen episodischen Speicherknoten (36), wobei der risikoreichste nächste episodische Speicherknoten (36) ein höchstes Knotenrisiko (NR) unter den unmittelbar stromabwärts liegenden episodischen Speicherknoten (36) aufweist.
Steuerung (230) nach Anspruch 7, ferner umfassend: (d) ein Wahrnehmungsmodul (250), das operativ mit dem Dateneingabemodul (260) verbunden und konfiguriert ist zum: Erfassen des Satzes der jeweiligen Orte (L), Geschwindigkeiten (S) und Richtungen (H), die mit dem einen oder den mehreren neu beobachteten Objekten (21) verbunden sind, als wahrgenommene Daten; und Umwandeln der wahrgenommenen Daten in die auf den Hinweisknoten (34) bezogenen Eingänge für den Empfang durch das Dateneingabemodul (260).
Steuerung (230) nach Anspruch 7, wobei das jeweilige Knotenrisiko (NR) jedes episodischen Speicherknotens (36) ein jeweiliges Maximum, ein Durchschnitt oder ein Aggregat von jeweiligen Objektrisiken (OR) für das eine oder die mehreren zuvor beobachteten Objekte (43) in dem zugehörigen zuvor existierenden Ereignis (40) ist, und wobei das jeweilige Objektrisiko (OR) für jedes zuvor beobachtete Objekt (43) durch die Sigmoidalfunktion bestimmt wird, die auf einen jeweiligen Abstand (d) zwischen dem zuvor beobachteten Objekt (43) und dem Ego-Fahrzeug (20) angewendet wird.
Steuerung (230) nach Anspruch 7, wobei das episodische Speichermodul (270) ferner konfiguriert ist zum: Zurückübertragen eines entsprechenden Knotenrisikos (NR), das mit einem risikoreichen episodischen Speicherknoten (36) verbunden ist, an einen oder mehrere episodische Speicherknoten (36) stromaufwärts des risikoreichen episodischen Speicherknotens (36), wobei das zugehörige Knotenrisiko (NR) größer als ein vorbestimmter Risikogrenzwert ist.