DE112009005330T5

DE112009005330T5 - Fahrzeug mit Identifikationssystem

Info

Publication number: DE112009005330T5
Application number: DE112009005330T
Authority: DE
Inventors: Dimitar Petrov Filev; Jianbo Lu; Kwaku O. Prakah-Asante; Fling Tseng
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2009-10-30
Filing date: 2009-10-30
Publication date: 2012-11-22
Anticipated expiration: 2029-10-31
Also published as: US9707974B2; WO2011053304A1; RU2531115C2; RU2012122315A; CN102883912B; BR112012007164A2; CN102883912A; DE112009005330B4; US20120203399A1

Abstract

Ein Fahrzeug kann ein Identifikationssystem umfassen, das dazu konfiguriert ist, Informationen von einem Token in einer Umgebung des Fahrzeugs zu erfassen und einen Fahrer des Fahrzeugs auf der Basis der Informationen zu klassifizieren. Das Fahrzeug kann auch mindestens eine Steuereinheit in Kommunikation mit dem Identifikationssystem umfassen, die dazu konfiguriert ist, die Steuerung des Fahrzeugs durch einen Fahrer zu charakterisieren und einen Verlauf der Charakterisierung aufzuzeichnen, wenn die Fahrerklassifizierung von einem speziellen Typ ist.

Description

HINTERGRUND
Ein Fahrerfehler wird als Ursache für 45% bis 75% von Straßenkollisionen und als beitragender Faktor in einer Mehrheit aller Kollisionen zitiert.
Die Fahrspurabweichungswarnung (LDW) verwendet einen Sichtsensor, um die Position eines Fahrzeugs relativ zu einer Fahrspur zu detektieren und den Fahrer vor einer unbeabsichtigten Fahrspurabweichung zu warnen. Bestimmte Vorwärtskollisionswarnsysteme (FCW-Systeme) verwenden Umgebungssensoren, um potentielle Sicherheitsrisiken vor einem Fahrzeug zu detektieren und den Fahrer im Voraus zu warnen. Diese existierenden Fahrerwarnungen arbeiten jedoch während stationären oder quasi stationären Fahrbedingungen.
ZUSAMMENFASSUNG
Ein Fahrzeug kann ein Identifikationssystem umfassen, das dazu konfiguriert ist, Informationen von einem Token in einer Umgebung des Fahrzeugs zu erfassen und einen Fahrer des Fahrzeugs auf der Basis der Informationen zu klassifizieren. Das Fahrzeug kann auch mindestens eine Steuereinheit in Kommunikation mit dem Identifikationssystem umfassen, die dazu konfiguriert ist, die Steuerung des Fahrzeugs durch den Fahrer zu charakterisieren und einen Verlauf der Charakterisierung aufzuzeichnen, wenn die Fahrerklassifizierung von einem speziellen Typ ist.
Obwohl Beispielausführungsformen gemäß der Erfindung erläutert und offenbart werden, sollte eine solche Offenbarung nicht als Begrenzung der Erfindung aufgefasst werden. Es wird erwartet, dass verschiedene Modifikationen und alternative Konstruktionen durchgeführt werden können, ohne vom Schutzbereich der Erfindung abzuweichen.
KURZBESCHREIBUNG DER ZEICHNUNGEN
1 ist ein Blockdiagramm einer Ausführungsform eines Fahrzeugsteuersystems.
2 ist ein Diagramm von Beispielprofilen der Fahrzeuggeschwindigkeit, der Fahrzeugtraktion und des Fahrzeugbremsens.
3A bis 3C sind Diagramme von Beispiel-Fahrzeugbewegungszuständen der Gierrate und des Driftwinkels.
4A bis 4C sind Diagramme von Beispiel-Gier-, Längs- und Drifthandhabungsgrenzspannen.
5 ist ein Diagramm von Beispielprofilen der Fahrzeuggeschwindigkeit, der Fahrzeugtraktion und des Fahrzeugbremsens.
6A bis 6C sind Diagramme von Beispiel-Fahrzeugbewegungszuständen der Gierrate und des Driftwinkels.
7A bis 7C sind Diagramme von Beispiel-Gier-, Längs- und Drifthandhabungsgrenzspannen.
8 ist ein Diagramm von Beispiel-Zugehörigkeitsfunktionen, die vier Fahrerkategorien auf der Basis eines Handhabungsrisikofaktors charakterisieren.
9A, 10A und 11A sind Diagramme von Beispiel-Endhandhabungsgrenzspannen und des Risikos.
9B, 10B und 11B sind Diagramme von Beispielwahrscheinlichkeiten eines Fahrerstils.
12 ist ein Diagramm von Beispieldeterminanten von sanften und abrupten Fahrverhaltensweisen.
13A und 13B sind Diagramme von mittleren Beispiel-Lückenzeiten für aggressives bzw. vorsichtiges Fahren.
14A und 14B sind Diagramme von Beispiel-Standardabweichungen der Fahrpedalrate für aggressives bzw. vorsichtiges Fahren.
15A und 15B sind Diagramme von Beispiel-Standardabweichungen der Bremspedalrate für aggressives bzw. vorsichtiges Fahren.
16A und 16B sind Diagramme von Beispiel-Fahrerindizes für aggressives bzw. vorsichtiges Fahren.
17 ist ein Diagramm einer relativen Beispielentfernung, eines Beispielentfernungsfehlers und einer Beispiel-Längsbeschleunigung zwischen einem voranfahrenden und einem folgenden Fahrzeug für aggressives Fahren.
18 ist ein Diagramm von ausgewählten Beispielparametern, die das aggressive Fahren von 17 charakterisieren.
19 ist ein Diagramm einer relativen Beispielentfernung, eines Beispielentfernungsfehlers und einer Beispiel-Längsbeschleunigung zwischen einem voranfahrenden und einem folgenden Fahrzeug für vorsichtiges Fahren.
20 ist ein Diagramm von ausgewählten Beispielparametern, die das vorsichtige Fahren von 19 charakterisieren.
21 bis 23 sind Blockdiagramme von Ausführungsformen von Fahrerberatungssystemen.
AUSFÜHRLICHE BESCHREIBUNG
I. Einleitung
Ein Ziel von existierenden elektronischen Fahrzeugsteuersystemen besteht darin, die Fahraufgabe durch Identifizieren der Fahrerabsicht zu erleichtern, und den Fahrer durch Steuern des Fahrzeugs zu unterstützen, um die Fahrerabsicht sicher, stabil und sanft zu erreichen. Die Steuerwirksamkeit von elektronischen Steuersystemen kann signifikant erhöht werden, wenn der Fahrer und das elektronische Steuersystem auf dasselbe Unfallvermeidungsziel hin zusammenarbeiten und die Unfallvermeidungsfähigkeit des Fahrzeugs mit dem Fahrer in der Schleife als System maximieren. Eine Methode, um dies zu erreichen, besteht darin, rechtzeitig deutliche und transparente Beratungsinformationen für einen Fahrer vorzusehen, so dass ein verantwortungsbewusster Fahrer dementsprechend reagieren kann. Solche Beratungsinformationen können von Sensoren, die normalerweise in einem Fahrzeug zu finden sind, die einen bilateralen Regelkreis zwischen dem Fahrer und der elektronischen Steuerung implementieren, erfasst oder berechnet werden. Die elektronische Steuerung folgt der Fahrerabsicht und der Fahrer reagiert auf die Beratungsinformationen von der elektronischen Steuerung, um seine Fahreingaben (wie z. B. Verringern des Gasgebens, Lockern von Lenkeingaben usw.) zu modifizieren. In dieser Weise ist eine nahtlose Koordination zwischen dem Fahrer und dem elektronischen Steuersystem möglich und minimiert wahrscheinlich die Auswirkung von potentiellen Sicherheitsrisiken aufgrund von Fahrerfehlern.
Wir betrachten unter anderem Warnungen, die nahe der Handhabungsgrenze auftreten, eine Fahr- oder Manövrierbedingung, unter der Fahrzeugstabilitätskontrollen gewöhnlich eingreifen. Zusätzlich zu Problemen, die nahe der Handhabungsgrenze angetroffen werden, kann die hier erörterte Fahrerberatungssystemmethode auch verwendet werden, um die Kraftstoffsparsamkeit zu verbessern, d. h. ein System, das eine Beratung und/oder ein Training verwenden kann, um dem Fahrer zu helfen, Fahrgewohnheiten zu lernen, die Kraftstoff sparen. Wir erörtern auch die Verwendung von Daten von Fahrzeugstabilitätskontrollen, um Echtzeitwarnungen vorzusehen, wenn sich das Fahrzeug der Handhabungsgrenze nähert. Dies kann ein Teil einer Gruppierung von Warnfunktionen sein, die als intelligentes persönliches Beratersystem (IPB-System) definiert sein kann. Im Allgemeinen kann die für das IPB-System berechnete Intelligenz gesendet werden, um einen Fahrer durch verschiedene Vorrichtungen, einschließlich eines haptischen Pedals, einer Frontscheibenanzeige, einer Audiowarnvorrichtung, eines Sprachsystems usw., zu warnen oder zu beraten.
1 stellt die Zusammenwirkung einer Ausführungsform eines IPB-Systems 10 mit anderen Komponenten/Untersystemen 12 eines Fahrzeugs 14 dar. Die anderen Komponenten/Untersysteme 12 können Fahrzeugsensoren 16, 18 (z. B. einen Gierratensensor, einen Lenkwinkelsensor, einen Querbeschleunigungssensor, einen Längsbeschleunigungssensor, einen Raddrehzahlsensor, einen Bremsdrucksensor usw.), Aktuatoren 20 und eine oder mehrere Steuereinheiten 22 umfassen. Die eine oder die mehreren Steuereinheiten 22 können eine Stabilitätskontrolle 24, eine Entscheidungslogik 26 und andere Steuereinheiten/Systeme 28 (z. B. ein Antiblockierbremssystem, ein Traktionskontrollsystem usw.) umfassen.
Für irgendein Steuersystem kann das Anlagenmodell beim Entwerfen einer effektiven Steuerstrategie eine Rolle spielen. Ebenso ist ein Fahrermodell zum Erzeugen von wirksamen und geeigneten Fahrerberatungssignalen wichtig. Daher kann eine Fahrstilcharakterisierung erforderlich sein. Wir erörtern Verfahren zum Identifizieren der Eigenschaften eines Fahrers auf der Basis seiner Fahrzeughandhabungsfähigkeit. Obwohl die Fahrermodellierung und Fahrerverhaltenscharakterisierung untersucht wurden, schlagen wird eine Methode vor, bei der das Fahrverhalten/der Fahrstil und/oder das Fahrerfahrungsniveau beispielsweise auf der Basis der Häufigkeit und Dauer des Fahrens nahe der Handhabungsgrenze abgeleitet werden können (sowie andere Techniken). Solche Fahrercharakterisierungsinformationen können in einer Vielfalt von Anwendungen verwendet werden, von denen einige nachstehend erörtert werden.
II. Kurze Erörterung von Fahrzeugstabilitätskontrollen
Die Handhabung eines Fahrzeugs bestimmt die Fähigkeit des Fahrzeugs, Kurven zu fahren und zu manövrieren. Das Fahrzeug muss mit seinen vier Reifenaufstandsflächen auf der Straße haften, um seine Handhabungsfähigkeit zu maximieren. Ein Reifen, der seine Haftungsgrenze überschreitet, dreht entweder durch, rutscht oder gleitet. Eine Bedingung, unter der einer oder mehrere Reifen ihre Haftungsgrenzen überschreiten, kann Grenzhandhabungsbedingung genannt werden, und die Haftungsgrenze kann Handhabungsgrenze genannt werden. Sobald ein Reifen seine Handhabungsgrenze erreicht, hat der durchschnittliche. Fahrer gewöhnlich keine Kontrolle mehr. Im so genannten Untersteuerungsfall führt das Fahrzeug eine Lenkeingabe des Fahrers zu wenig durch, seine Vorderreifen überschreiten ihre Handhabungsgrenze und das Fahrzeug fährt ungeachtet der Lenkanforderung des Fahrers weiter geradeaus. Im so genannten Übersteuerungsfall führt das Fahrzeug die Lenkeingaben des Fahrers übermäßig aus, seine Hinterreifen überschreiten ihre Handhabungsgrenze und das Fahrzeug schleudert weiter. Für Sicherheitszwecke sind die meisten Fahrzeuge zum Untersteuern an ihren Handhabungsgrenzen gebaut.
Um die Fahrzeugsteuerung zu kompensieren, falls ein Fahrer außerstande ist, das Fahrzeug an oder jenseits der Handhabungsgrenze zu steuern, sind elektronische Stabilitätskontrollsysteme (ESC-Systeme) dazu ausgelegt, die Reifenkräfte umzuverteilen, um ein Moment zu erzeugen, das das Fahrzeug effektiv konsistent mit der Lenkanforderung des Fahrers wenden kann. Nämlich um das Fahrzeug zu steuern und Untersteuerungs- und Übersteuerungsbedingungen zu vermeiden.
Seit seinem Beginn 1995 wurden ESC-Systeme in verschiedenen Plattformen implementiert. Mit der allmählichen Einführung während des Modelljahrs 2010 und dem Erreichen einer vollständigen Installation durch das Modelljahr 2012 erfordert der Federal Motor Vehicle Safety Standard 126 ESC-Systeme in einem beliebigen Fahrzeug mit einem Bruttonenngewicht unter 10000 lb. ESC-Systeme können als Erweiterung von Antiblockierbremssystemen (ABS) und Antriebsschlupfregelungen (TCS) für alle Geschwindigkeiten implementiert werden. Sie können die Gier- und Seitenstabilitätsunterstützung für die Fahrzeugdynamik schaffen, die um die Absicht des Fahrers zentriert ist. Es kann auch den Bremsdruck (über oder unter dem vom Fahrer aufgebrachten Druck) auf (ein) individuelle(s) Rad (Räder) proportionieren, um ein aktives Moment zu erzeugen, um den unerwarteten Gier- und Seitengleitbewegungen des Fahrzeugs entgegenzuwirken. Dies führt zu einer verbesserten Lenksteuerung an den Handhabungsgrenzen für irgendeine Traktionsoberfläche während des Bremsens, Beschleunigens oder Ausrollens. Insbesondere vergleichen gegenwärtige ESC-Systeme den beabsichtigten Weg des Fahrers mit der tatsächlichen Fahrzeugreaktion, die von Bordsensoren abgeleitet wird. Wenn die Reaktion des Fahrzeugs vom beabsichtigten Weg verschieden ist (entweder Untersteuerung oder Übersteuerung), bringt die ESC-Steuereinheit eine Bremsung auf (ein) ausgewählte(s) Rad (Räder) auf und verringert das Motordrehmoment, wenn es erforderlich ist, um das Fahrzeug auf dem beabsichtigten Weg zu halten und den Verlust der Kontrolle des Fahrzeugs zu minimieren.
Eine Grenzhandhabungsbedingung kann unter Verwendung von Daten detektiert werden, die bereits in ESC-Systemen existieren, so dass neue Sensoren nicht erforderlich sein können. Es soll beispielsweise ein Fahrzeug betrachtet werden, das mit einem ESC-System unter Verwendung eines Gierratensensors, eines Lenkradsensors, eines Querbeschleunigungsmessers, Raddrehzahlsensoren, eines Hauptzylinder-Bremsdrucksensors, eines Längsbeschleunigungsmessers usw. ausgestattet ist. Die Fahrzeugbewegungsvariablen werden in den Koordinatensystemen definiert, wie in ISO-8855 definiert, wobei von einem an der Fahrzeugkarosserie fixierten Rahmen die vertikale Achse nach oben weist, die Längsachse entlang der Längsrichtung der Fahrzeugkarosserie liegt und eine Querachse von der Beifahrerseite zur Fahrerseite zeigt.
Im Allgemeinen können Fahrzeugebenen-Rückkopplungssteuerungen aus individuellen Bewegungsvariablen wie z. B. Gierrate, Driftwinkel oder ihrer Kombination zusammen mit Entscheidungen zwischen anderen Steuerbefehlen wie z. B. Fahrerbremsen, Motordrehmomentanforderung, ABS und TCS berechnet werden. Fahrzeugebenen-Steuerbefehle werden im Folgenden erörtert.
Das gut bekannte Fahrradmodell erfasst die Fahrzeugdynamik, seine Gierrate ω_z entlang der vertikalen Achse der Fahrzeugkarosserie und seinen Driftwinkel β_r, der an seiner Hinterachse definiert ist, und gehorcht den folgenden Gleichungen I_zω ._z = –b_fc_f(β_r + bω_ztν –1 / x – δ) + b_rc_rβ_r + M_z M(ν ._xβ_r + ν_xβ ._r + b_rω ._z + ω_zν_x) = –c_f(β_r + bω_zν –1 / x – δ) – c_rβ_r (1) wobei v_x die Fahrgeschwindigkeit des Fahrzeugs ist, M und I_z die Gesamtmasse und das Trägheitsgiermoment des Fahrzeugs sind, c_f und C_r die Quersteifigkeit der Vorder- und Hinterreifen sind, b_f und b_r die Abstände vom Schwerpunkt des Fahrzeugs zur Vorder- und Hinterachse sind, b = b_f + b_r, M_z das aktive Moment ist, das auf das Fahrzeug aufgebracht wird, und δ der Vorderradlenkwinkel ist.
Eine Zielgierrate ω_zt und ein Zieldriftwinkel β_rt, die verwendet werden, um die Lenkabsicht des Fahrers widerzuspiegeln, können aus (1) unter Verwendung des gemessenen Lenkradwinkels δ und der abgeschätzten Fahrgeschwindigkeit v_X als Eingaben berechnet werden. Bei einer solchen Berechnung nehmen wir an, dass das Fahrzeug auf einer Straße mit normaler Oberflächenbedingung (z. B. hohes Reibungsniveau mit nominaler Quersteifigkeit c_f und c_r) gefahren wird. Die Signalaufbereitung, -filterung und nicht-lineare Korrekturen für die stationäre Grenzkurvenfahrt können auch durchgeführt werden, um die Zielgierrate und den Zieldriftwinkel feinabzustimmen. Diese berechneten Zielwerte charakterisieren den beabsichtigten Weg des Fahrers auf einer normalen Straßenoberfläche.
Die Gierraten-Rückkopplungssteuereinheit ist im Wesentlichen eine Rückkopplungssteuereinheit, die aus dem Gierfehler (die Differenz zwischen der gemessenen Gierrate und der Zielgierrate) berechnet wird. Wenn das Fahrzeug nach links wendet und ω_z ≥ ω_zt + ω_zdbos (wobei ω_zdbos ein zeitlich veränderliches Totband ist), oder das Fahrzeug nach rechts wendet und ω_z ≤ ω_zt – ω_zdbos, übersteuert das Fahrzeug und aktiviert die Übersteuerungssteuerfunktion im ESC. Die aktive Drehmomentanforderung (auf das Fahrzeug aufgebracht, um die Übersteuerungstendenz zu verringern) könnte beispielsweise wie im Folgenden berechnet werden während einer Linkskurve: M_z = min(0, – k_os(ω_z – ω_zt – ω_zdbos)) während einer Rechtkurve: M_z = max(0, – k_os(ω_z – ω_zt + ω_zdbos)) (2) wobei k_os eine von der Geschwindigkeit abhängige Verstärkung ist, die wie im Folgenden definiert sein könnte
wobei die Parameter k₀, k_dbl, k_dbu, v_xdbl, v_xdbu abstimmbar sind.
Wenn ω_z ≤ ω_z – ω_zdbus (wobei ω_zdbus ein zeitlich veränderliches Totband ist), wenn das Fahrzeug nach links wendet, oder ω_z ≥ ω_z + ω_zdbus, wenn das Fahrzeug nach rechts wendet, wird die Untersteuerungssteuerfunktion im ESC aktiviert. Die aktive Drehmomentanforderung kann wie im Folgenden berechnet werden während einer Linkskurve: M_z = max(0, – k_us(ω_z – ω_zt + ω_zdbus)) während einer Rechtskurve: M_z = min(0, – k_us(ω_z – ω_zt– ω_zdbus)) (4) wobei k_US ein abstimmbarer Parameter ist.
Die Driftwinkelsteuereinheit ist eine zusätzliche Rückkopplungssteuereinheit zur vorstehend erwähnten Übersteuerungs-Gierrückkopplungssteuereinheit. Sie vergleicht die Driftwinkelabschätzung β_r mit dem Zieldriftwinkel β_rt. Wenn die Differenz einen Schwellenwert β_rdb überschreitet, wird die Driftwinkelrückkopplungssteuerung aktiviert. Die aktive Drehmomentanforderung wird beispielsweise wie im Folgenden berechnet während einer Linkskurve β_r ≥ 0:M_z = min(0, k_ss(β_r – B_rt – B_rdb) – k_sscmpβ ._rcmp) während einer Rechtskurve β_r < 0:M_z = max(0, k_ss(β – B_rt + B_rdb) – k_sscmpβ ._rcmp) (5) wobei k_ss und k_sscmp abstimmbare Parameter sind und β_rcmp eine kompensierte Zeitableitung des Driftwinkels ist.
Andere Rückkopplungssteuerterme auf der Basis von Variablen wie z. B. Gierbeschleunigung und Driftgradient können ebenso erzeugt werden. Wenn die dominante Fahrzeugbewegungsvariable entweder die Gierrate oder der Driftwinkel ist, kann das vorstehend erwähnte aktive Drehmoment direkt verwendet werden, um das erforderliche Steuerrad (die erforderlichen Steuerräder) und die Menge an zu dem (den) entsprechenden Steuerrad (Steuerrädern) zu sendenden Bremsdrücken zu bestimmen. Wenn die Fahrzeugdynamik durch mehrere Bewegungsvariablen dominiert ist, werden eine Steuerentscheidung und -priorisierung durchgeführt. Das endgültige entschiedene aktive Drehmoment wird dann verwendet, um das endgültige Steuerrad (die endgültigen Steuerräder) und den entsprechenden Bremsdruck (die entsprechenden Bremsdrücke) zu bestimmen. Während eines Übersteuerungsereignisses wird beispielsweise das vordere Außenrad als Steuerrad ausgewählt, wohingegen während eines Untersteuerungsereignisses das hintere Innenrad als Steuerrad ausgewählt wird. Während eines Falls mit großer Drift wird das vordere Außenrad immer als Steuerrad ausgewählt. Wenn sowohl das Driften als auch eine Übersteuerungsgierung gleichzeitig passieren, kann die Menge an Bremsdruck durch Integrieren sowohl des Gierfehlers als auch der Driftwinkelsteuerbefehle berechnet werden.
Neben den obigen Fällen, in denen die Handhabungsgrenze aufgrund der Lenkmanöver des Fahrers überschritten wird, kann ein Fahrzeug seine Grenzhandhabungsbedingung in seiner Längsbewegungsrichtung erreichen. Das Bremsen auf einer verschneiten und eisigen Straße kann beispielsweise zu blockierten Rädern führen, was den Bremsweg des Fahrzeugs verlängert. Offenes Drosseln auf einer ähnlichen Straße kann verursachen, dass die Antriebsräder durchdrehen, ohne das Fahrzeug vorwärts zu bewegen. Aus diesem Grund kann die Handhabungsgrenze auch für diese Nicht-Lenk-Fahrbedingungen verwendet werden. Das heißt, die Bedingungen, unter denen das Reifenlängsbremsen oder Antriebskräfte ihre Spitzenwerte erreichen, können auch in einer Definition der Handhabungsgrenze enthalten sein.
Die ABS-Funktion überwacht die Drehbewegung der individuellen Räder in Bezug auf die Fahrgeschwindigkeit des Fahrzeugs, was durch die Längsschlupfverhältnisse λ_i charakterisiert sein kann, wobei i = 1, 2, 3, 4 für das linke Vorderrad, das rechte Vorderrad, das linke Hinterrad und das rechte Hinterrad, berechnet wie im Folgenden
wobei t_f und t_r die halben Spurweiten für die Vorder- und Hinterachse sind, ω_i, die Drehzahlsensorausgabe des i-ten Rades ist, k_i der Drehzahlskalierungsfaktor des i-ten Rades ist, v_y die Quergeschwindigkeit des Fahrzeugs an seinem Schwerpunktsort ist, und v_min ein vorgegebener Parameter ist, der die zulässige minimale Längsgeschwindigkeit widerspiegelt. Es ist zu beachten, dass (6) nur gültig ist, wenn sich das Fahrzeug nicht in einem Rückwärtsfahrmodus befindet. Wenn das vom Fahrer eingeleitete Bremsen an einem Rad zu viel Schlupf erzeugt (z. B. –λ_i ≥ λ_bp = 20%), löst das ABS-Modul den Bremsdruck an diesem Rad. Während einer großen Fahrpedalanwendung, die einen großen Schlupf am i-ten angetriebenen Rad verursacht, fordert ebenso das TCS-Modul eine Motordrehmomentverringerung und/oder einen Bremsdruck, der auf das entgegengesetzte Rad auf derselben Achse angewendet wird, an. Folglich können ABS- oder TCS-Aktivierungen durch Überwachen, wie nahe λ_is zu λ_bp und λ_tp sind, vorhergesagt werden.
III. HandhabungsgrenzBerater
Obwohl das vorstehend erwähnte ESC (einschließlich ABS und TCS) beim Erreichen seines Sicherheitsziels effektiv ist, ist immer noch eine weitere Verbesserung möglich. Die Steigerung von ESC-Systemen kann beispielsweise für die Schlingerstabilitätskontrolle erwünscht sein. Der geeigneten Korrektur, die das ESC durchzuführen versucht, kann jedoch durch den Fahrer oder Umgebungsbedingungen entgegengewirkt werden. Ein beschleunigendes Fahrzeug, dessen Reifenkräfte weit über die Traktionsfähigkeit der Straße und der Reifen hinaus gehen, könnte selbst mit ESC-Eingriff keinen Untersteuerungsunfall vermeiden können.
Wir führen eine Integration des Fahrers und des ESC-Systems ein, so dass sie gemeinsam in Richtung einer verbesserten Steuerleistung des Systems mit dem Fahrer in der Schleife arbeiten können. In bestimmten Ausführungsformen bestimmt der vorgeschlagene HandhabungsgrenzBerater (HLM), wie nahe die aktuelle Fahrbedingung an der Handhabungsgrenze liegt.
Im Allgemeinen würde eine genaue Bestimmung der Handhabungsgrenzbedingungen direkte Messungen der Straßen- und Reifeneigenschaften oder sehr intensive Informationen von vielen zugehörigen Variablen beinhalten, wenn direkte Messungen nicht erhältlich sind. Derzeit sind beide von diesen Verfahren nicht reif genug für eine Echtzeitimplementierung.
Aufgrund ihres Rückkopplungsmerkmals können ESC-Systeme dazu konfiguriert sein, die potentiellen Grenzhandhabungsbedingungen durch Überwachung der Bewegungsvariablen eines Fahrzeugs wie z. B. jener, die im letzten Abschnitt beschrieben sind, zu bestimmen. Wenn die Bewegungsvariablen von ihren Referenzwerten um ein bestimmtes Ausmaß (z. B. jenseits bestimmter Totbänder) abweichen, können die ESC-Systeme beginnen, (einen) differentielle(n) Bremssteuerbefehl(e) zu berechnen und das Steuerrad (die Steuerräder) zu bestimmen. Der entsprechende Bremsdruck (die entsprechenden Bremsdrücke) wird (werden) dann zum Steuerrad (zu den Steuerrädern) gesendet, um das Fahrzeug zu stabilisieren. Der Anfangspunkt der ESC-Aktivierung kann sich als Beginn der Handhabungsgrenze vorgestellt werden.
Insbesondere können wir eine relative Handhabungsgrenzspanne h_x wie im Folgenden definieren
wobei x die Abweichung einer Bewegungsvariable von ihrem Referenzwert ist und [x, x] das Totbandintervall definiert, in das x ohne Einleiten des ESC, ABS oder TCS fällt. x kann eine beliebige der im letzten Abschnitt definierten Steuervariablen (oder irgendeine andere geeignete Steuervariable) sein.
Der Nutzen des in (8) definierten h_x besteht darin, dass die Fahrbedingung quantitativ in verschiedene Kategorien charakterisiert werden kann. Wenn beispielsweise h_x ≤ 10%, kann die Fahrbedingung als Bedingung der roten Zone eingestuft werden, wobei der Fahrer eine spezielle Aufmerksamkeit haben muss oder gewisse spezielle Handlungen unternehmen muss (z. B. Verlangsamen des Fahrzeugs); wenn 10% < h_x < 40%, kann die Fahrbedingung als Bedingung der gelben Zone eingestuft werden, die ein gewisses Niveau an spezieller Aufmerksamkeit vom Fahrer erfordert; wenn 40% < h_x ≤ 100%, kann die Fahrbedingung als normale Bedingung charakterisiert werden. Unter der normalen Bedingung muss der Fahrer nur seine normale Fahraufmerksamkeit aufrechterhalten. Andere Bereiche können natürlich auch verwendet werden.
Verschiedene akustische und/oder visuelle Warnungen können aktiviert werden, um einen Fahrer vor der Handhabungsgrenzspanne zu warnen. Wenn beispielsweise h_x ≤ 10%, kann ein Warnlicht/eine haptische Vorrichtung aktivieren, um den Fahrer zu informieren, dass er verlangsamen muss. Alternativ kann ein sprachfähiges Anzeigesystem den Fahrer anweisen, eine spezielle Handlung zu unternehmen. Wenn 10% < h_x < 40%, kann ein hörbarer Ton oder eine Anzeige den Fahrer informieren, dass er sich instabilen Fahrbedingungen nähert, usw.
Insbesondere wollen wir die im letzten Abschnitt berechneten Steuervariablen verwenden, um die Berechnung von h_xs zu erörtern. Die Gierhandhabungsgrenzspanne des Fahrzeugs während Übersteuerungssituationen h_OS (wobei ω_z > ω_zt, wenn das Fahrzeug nach links wendet, und ω_z > ω_zt, wenn das Fahrzeug nach rechts wendet) kann aus (8) berechnet werden, indem x = ω_z – ω_zt und x = ω_zdbos = –x gesetzt wird, wobei ω_zdbos das Übersteuerungsgierraten-Totband ist, wie in (2) definiert.
Ebenso kann die Gierhandhabungsgrenze h_US des Fahrzeugs für Untersteuerungssituationen aus (8) berechnet werden, indem x = ω_z – ω_zt und x = ω_zdbus = –x gesetzt wird, wobei ω_zdbus das Untersteuerungsgierraten-Totband ist, wie in (4) definiert. Es ist zu beachten, dass die vorstehend erwähnten Totbänder Funktionen der Fahrzeuggeschwindigkeit, der Amplitude der Zielgierrate, der Amplitude der gemessenen Gierrate usw. sein könnten. Die Totbänder für die Untersteuerungssituation (x < 0) und die Übersteuerungssituation (x > 0) sind unterschiedlich und sie sind abstimmbare Parameter.
Die Drifthandhabungsgrenzspanne h_SSRA des Fahrzeugs kann aus (8) berechnet werden, indem x = β_r – β_rt und x = β_rdb = –x gesetzt wird.
Die Längshandhabungsgrenzen des Fahrzeugs beinhalten die Bedingungen, wenn entweder die Fahr- oder Bremskraft der Reifen sich der Handhabungsgrenze nähert. Die Traktionskontroll-Handhabungsgrenzspanne für das i-te angetriebene Rad
kann aus (8) berechnet werden, indem x = λ_i, x = 0 und x = λ_rb gesetzt wird. Die ABS-Handhabungsgrenzspanne für das i-te Rad
kann auch aus (8) berechnet werden, indem x = λ_i, x = λ_bp und x = 0 gesetzt wird. Die endgültigen Traktions- und Bremshandhabungsgrenzspannen können definiert werden als
Es ist zu beachten, dass weitere Selektionsbedingungen beim Berechnen der vorstehend erwähnten Handhabungsgrenzspannen verwendet werden können. Eine der folgenden oder die Kombination von einigen der folgenden Bedingungen könnte beispielsweise verwendet werden, um die Handhabungsgrenzspanne als 0 festzulegen: eine Amplitude der Zielgierrate liegt jenseits eines bestimmten Schwellenwerts; eine Amplitude der gemessenen Gierrate ist größer als ein bestimmter Schwellenwert; die Lenkeingabe eines Fahrers überschreitet einen bestimmten Schwellenwert; oder extreme Bedingungen wie z. B., dass die Kurvenfahrbeschleunigung des Fahrzeugs größer als 0,5 g ist, die Abbremsung des Fahrzeugs größer als 0,7 g ist, das Fahrzeug mit einer Geschwindigkeit jenseits eines Schwellenwerts (z. B. 100 mph) gefahren wird, usw.
Um die vorstehend erwähnten Handhabungsgrenzspannen-Berechnungen zu testen und ihre Wirksamkeit in Bezug auf bekannte Fahrbedingungen zu überprüfen, wurde ein Fahrzeug, das mit einem Forschungs-ESC-System ausgestattet war, das bei der Ford Motor Company entwickelt wurde, verwendet, um die Fahrzeugprüfung durchzuführen.
Für die durch die Fahrzeuggeschwindigkeit, Drosselung und Bremsung, die in 2 dargestellt sind, profilierte Fahrbedingung sind die gemessenen und berechneten Fahrzeugbewegungsvariablen in 3A bis 3C gezeigt. Die entsprechenden individuellen Handhabungsgrenzspannen h_US, h_OS, h_TCS, h_ABS und h_SSRA sind in 4A bis 4C gezeigt. Dieser Test wurde als Freiformslalom auf einem Schneepolster durchgeführt, wobei alle ESC-Berechnungen liefen. Die Bremsdruckanwendung wurde ausgeschaltet, damit sich das Fahrzeug der wahren Grenzhandhabungsbedingung näherte.
Für einen weiteren Test wurde das Fahrzeug auf einer Straßenoberfläche mit hohem Reibungsniveau gefahren. Die Fahrzeuggeschwindigkeits-, Fahrzeugtraktions- und Fahrzeugbremsprofile für diesen Test sind in 5 dargestellt. Die Fahrzeugbewegungszustände sind in 6A bis 6C gezeigt. Die entsprechenden individuellen Handhabungsgrenzspannen h_US, h_OS, h_TCS, h_ABS und h_SSRA sind in 7A und 7B gezeigt.
Eine Hüllenkurvenvariable aller individuellen Handhabungsgrenzspannen ist definiert als h_env = min{h_OS, h_US, h_TCS, h_ABS‚ h_SSRA} (10)
In Anbetracht dessen, dass plötzliche Änderungen der Hüllenkurven-Handhabungsgrenzspanne an Signalrauschen liegen könnten, wird ein Tiefpassfilter F(z) verwendet, um h_env zu glätten, um die endgültige Handhabungsgrenzspanne zu erhalten h = F(z)h_env (11)
Für die in 2 und 3A bis 3C gezeigten Fahrzeugtestdaten ist die endgültige Handhabungsgrenzspanne in 9A dargestellt, während für die in 5 und 6A bis 6C gezeigten Fahrzeugtestdaten die endgültige Handhabungsgrenzspanne in 10A dargestellt ist.
IV. Handhabungsgrenzen-Fahrstilcharakterisierung
In diesem Abschnitt verwenden wir die in (11) berechnete endgültige Handhabungsgrenzspanne, um auf die Fahrzeughandhabung bezogene Fahrbedingungen und den Fahrstil zu charakterisieren. Wir führen das Konzept eines Handhabungsrisikofaktors (HRF) als Maß dessen, wie eine Fahrbedingung mit der Handhabungsgrenze in Beziehung steht, ein. Der Händhabungsrisikofaktor r ist als Komplement der endgültigen Handhabungsgrenzspanne h definiert, d. h. r = 1 – h (12)
Der Handhabungsrisikofaktor ist minimal (r = 0), wenn die endgültige Handhabungsgrenzspanne h maximal ist (h = 1), und umgekehrt. Der HRF kann ferner verwendet werden, um ein probabilistisches Modell zu entwickeln, das verschiedene Kategorien von Fahrstilen beschreibt, die durch die aktuellen Fahrbedingungen in Bezug auf die Handhabungsgrenze widergespiegelt werden.
Im Allgemeinen fährt ein vorsichtiger Fahrer gewöhnlich ohne häufige Aggressivität, d. h. schnelle Änderungen der Lenkung, Geschwindigkeit und Beschleunigung. Daher ist es vernünftig, einen vorsichtigen Fahrer als einen zu charakterisieren, der es ständig vermeidet, extreme Fahreingaben zu verwenden und nahe das maximale Handhabungsrisiko zu gelangen. Ein durchschnittlicher Fahrer weist wahrscheinlich ein höheres Niveau eines HRF auf als ein vorsichtiger Fahrer. Ein erfahrener Fahrer könnte beim Steuern des Fahrzeugs geschickter sein, d. h. er kann mit einem relativ hohen Niveau des HRF für eine lange Dauer fahren, ohne dass das Fahrzeug die maximale Handhabungsgrenze überschreitet. Ein rücksichtsloser Fahrer weist ein fahrlässiges Handhabungsverhalten auf, das unvorhersagbar ist und schnelle Änderungen induzieren könnte. Es wird erwartet, dass der rücksichtslose Fahrer mit einem Handhabungsrisikofaktor fährt, der sich gelegentlich dem Maximum (r = 1) sehr kurz nähern könnte, wobei folglich ein häufiges Auslösen der zugehörigen Sicherheitssysteme (z. B. ABS, TCS, ESC) verursacht wird.
Es ist zu beachten, dass der Unterschied zwischen dem erfahrenen Fahrer und dem rücksichtslosen Fahrer darin besteht, dass der erstere eine Fahrbedingung bei einem relativ hohen HRF-Niveau für eine lange Dauer halten kann, während der letztere nur für eine kurze Dauer auf dem ähnlichen Niveau halten kann, bevor verursacht wird, dass das Fahrzeug die maximale Handhabungsgrenze aufgrund der schlechten Steuerfähigkeit des Fahrers überschreitet. Da die Handhabungsrisikofaktorbereiche, die beispielsweise vorsichtiges, durchschnittliches, erfahrenes und rücksichtsloses Fahrverhalten definieren (in Bezug auf die Grenzhandhabungsbedingungen), nicht gut definiert sein können, verwenden wir unscharfe Teilmengen, um die vier Kategorien von Fahrern zu quantifizieren. Wir werten ferner jene Kategorien probabilistisch auf der Basis eines spezifischen Fahrerstils aus. Die unscharfen Teilmengen, die den Kategorien von vorsichtigen, durchschnittlichen, erfahrenen und rücksichtslosen Fahrern zugeordnet sind, können durch die folgenden Zugehörigkeitsfunktionen beschrieben werden
μ_c(r), μ_e(r), μ_a(r), μ_r(r)
die über die HRF-Gesamtheit [0, 1] definiert sind. 8 zeigt die Beziehung zwischen den Graden der Zugehörigkeit für jede von diesen Kategorien und dem HRF.
Die Zugehörigkeitsfunktionen in 8 können irgendeinem Ereignis zugewiesen werden, das durch einen spezifischen HRF mit einem Wert r_k unter Verwendung eines vierdimensionalen Vektors D_k = [μ_c(r_k)μ_e(r_k)μ_a(r_k)μ_r(r_k)]^T seines Grades der Zugehörigkeit zu jeder der vier Beispielkategorien dargestellt wird: vorsichtig, durchschnittlich, erfahren und rücksichtslos. Ein HRF-Wert r_k = 0,4 (entsprechend dem Handhabungsgrenzspannenwert h_k = 0,6) wird beispielsweise in die Grade der Zugehörigkeit zu den vorsichtigen, durchschnittlichen, erfahrenen und rücksichtslosen Kategorien umgesetzt
μ_c(0,4) = 0,46, μ_e(0,4) = 0,85
μ_a(0,4) = 0,09, μ_r(0,4) = 0,22
Die Zugehörigkeitsgrade codieren die Möglichkeiten, dass das durch einen HRF mit einem Wert r = 0,4 charakterisiertes Ereignis (oder die Handhabungsgrenzspanne h = 0,6) irgendeiner der vier Beispielunterteilungen zugeordnet sein könnte. Der Vektor von Zugehörigkeitswerten d_k führt die Zuordnung zwischen einem einzelnen Fahrereignis und der möglichen Fahrercharakterisierung in Bezug auf den HRF dieses Ereignisses durch. Um das Langzeitverhalten des Fahrers zu charakterisieren, benötigen wir eine probabilistische Interpretation der Möglichkeiten, die durch mehrere Ereignisse erzeugt werden. Durch Addieren der Zugehörigkeitswerte für jedes Ereignis kombinieren wir im Wesentlichen die Gesamtmöglichkeiten, dass ein spezifischer Fahrer als vorsichtig, durchschnittlich, erfahren und rücksichtslos eingestuft werden kann, d. h. der Vektor
wobei N die Anzahl von Abtastwerten ist. Die kombinierten Möglichkeiten können als Häufigkeiten (manchmal als unscharfe Häufigkeiten bezeichnet) betrachtet werden, da sie offenbaren, wie häufig und in welchem Grad die HRFs für die mehreren Ereignisse in die vier Beispielkategorien kaskadiert werden können. Die Alternative zum Kombinieren der Möglichkeiten, d. h. Addieren der Zugehörigkeitsfunktionen, besteht darin, 1 zu addieren, wenn die spezifische Zugehörigkeitsklasse μ_i(r_k), i ∊ {c, a, e, r} größer ist als ein vorgeschriebener Schwellenwert, z. B. 0,8 oder ansonsten 0, was zur Berechnung der herkömmlichen Häufigkeit der vier Beispielkategorien führt. Aus den kombinierten Möglichkeiten können wir die Wahrscheinlichkeiten des vorsichtigen, durchschnittlichen, erfahrenen und rücksichtslosen Fahrerstils berechnen
wobei i ∊ {c, a, e, r}. Die Wahrscheinlichkeiten werden aus den kombinierten Möglichkeiten (unscharfe Häufigkeiten) berechnet und können als unscharfe Wahrscheinlichkeiten betrachtet werden. Der Grund für die Unschärfe ist hier der Mangel an Sicherheit beim Charakterisieren der Beziehung zwischen den vier Beispielkategorien und dem HRF. Für den Spezialfall von grob definierten Kategorien (vielmehr durch Intervalle als unscharfe Teilmengen dargestellt) transformieren die Wahrscheinlichkeiten in Boolesche Werte, ihre kombinierten Werte werden zu Häufigkeiten und folglich werden die unscharfen Wahrscheinlichkeiten in herkömmliche Wahrscheinlichkeiten umgesetzt.
Die wahrscheinlichste Fahrerkategorie i* ist diejenige, die mit der höchsten Wahrscheinlichkeit charakterisiert ist, d. h.
Die auf Häufigkeiten basierende Berechnung der Wahrscheinlichkeiten kann hinsichtlich der mittleren Häufigkeiten ausgedrückt werden
Alternativ kann sie durch die exponentiell gewichteten mittleren Häufigkeiten ausgedrückt werden, wobei die höheren Gewichte den Wahrscheinlichkeiten zugewiesen werden, die den jüngsten Ereignissen zugeordnet sind. Numerisch kann der Prozess des Erzeugens eines gewichteten Mittelwerts, wobei höhere Gewichte der jüngeren Beobachtung entsprechen, durch Anwenden eines Tiefpassfilters durchgeführt werden, das den exponentiellen Glättungsalgorithmus im Zeitbereich implementiert d * / new = (1 – α)d * / old + αd_k = d * / old + α(d_k – d * / old) (17) wobei der konstante Vergessensfaktor 0 < α ≤ 1 die Rate der Aktualisierung des Mittelwerts d* durch Zuweisen eines Satzes der exponentiell abnehmenden Gewichte zu den älteren Beobachtungen steuert. Für einen konstanten Vergessensfaktor α erzeugt der Ausdruck (17) rekursiv einen Vektor mit positiven Gewichten W = ⌊(1 – α)^kα(1 – α)^k-1α(1 – α)^k-2...α⌋ (18) mit einer Einheitssumme. Der Vektor W entwirft einen Kombinationsoperator vom Typ des gewichteten Mittelwerts mit exponentiell abnehmenden Gewichten, die durch den Vergessensfaktor α parametrisiert sind. Der Parameter α definiert die Speichertiefe (die Länge des beweglichen Fensters) des Kombinationsoperators mit gewichteter Mittelwertbildung. Daher stellt der gefilterte Wert d* des Zugehörigkeitsklassenvektors in (17) die gewichteten Mittelwerte der einzelnen Möglichkeiten über die Gewichte W dar. Da alle kombinierten Möglichkeiten über dasselbe bewegliche Fenster mit der Länge K_α = 1/α berechnet werden, können wir sie als Darstellungen der Häufigkeiten der Zuordnungen zu jedem der vier Konzepte betrachten. Der gewichtete Mittelwert (17) wird über Ereignisse mit Indizes berechnet, die zu einem weichen Intervall s ∊ {k – K_α + 1, k] (19) gehören, wobei das Symbol { eine weiche untere Grenze angibt, die Werte mit niedrigeren Indizes als (k – K_α) mit relativ geringem Beitrag einschließt. Folglich können die kombinierten Möglichkeiten, die den Vektor d* bilden, in Wahrscheinlichkeiten gemäß dem Ausdruck (14) umgewandelt werden.
In bestimmten Ausführungsformen kann α so auswählbar sein, dass eine Charakterisierung für eine gewünschte Zeitdauer erreicht wird. Ein Benutzer kann beispielsweise eine Eingabe in Bezug auf α derart liefern, dass jede halbe Stunde eine Charakterisierung durchgeführt wird. Andere Szenarios sind auch möglich.
Für die durch 2, 3A bis 3C und 4A bis 4C dargestellte Fahrzeugprüfung sind die individuellen p/s in 9B gezeigt, die angibt, dass für das meiste Fahren der Fahrer ein rücksichtsloses Fahrverhalten zeigte, das mit dem großen Wert des Driftwinkels in 3C konsistent ist (die Spitzenamplitude des Driftwinkels übersteigt 10 Grad). Für die durch 5 bis 7C dargestellte Fahrzeugprüfung sind die individuellen p/s in 10B gezeigt, die angibt, dass der Fahrer anfänglich ein durchschnittliches Fahrerverhalten zeigte und dann in ein rücksichtloses Fahrerverhalten überging.
Die berechneten Wahrscheinlichkeiten definieren die wahrscheinlichste auf HRF basierende Charakterisierung eines Fahrers für das Zeitfenster, das durch den Vergessensfaktor α festgelegt ist. Durch Modifizieren des beweglichen Fensters können wir die Lang- und Kurzzeitcharakterisierung für einen spezifischen Fahrer auf der Basis des HRF lernen und zusammenfassen.
Um die Auswirkung der Änderungen des HRF auf die Charakterisierung des Fahrers vorherzusagen, führen wir die Schreibweise der Übergangswahrscheinlichkeiten ein. Das Markov-Modell P beschreibt probabilistisch den Satz von Übergängen zwischen dem aktuellen und dem vorhergesagten Wert der Fahrerkategorie:
wobei p_ij die Wahrscheinlichkeit für das Wechseln von der Kategorie i zum Zeitpunkt k zur Kategorie j zum Zeitpunkt k + 1 ist, und p_ii = max(p_i) die Wahrscheinlichkeit ist, die der dominierenden Kategorie i zum Zeitpunkt k zugeordnet ist, i, j ∊ {c, a, e, r}. Die Übergangswahrscheinlichkeiten p_ij werden von den kombinierten Übergangswahrscheinlichkeiten abgeleitet, die nur aktualisiert werden, wenn i = arg max(p_l) zum Zeitpunkt k und j = arg max(p_l), l ∊ {c, a, e, r}.
Die Übergangswahrscheinlichkeiten werden dann durch Umsetzen der kombinierten Übergangswahrscheinlichkeiten in die Wahrscheinlichkeiten berechnet. Die maximale Übergangswahrscheinlichkeit p_ij bestimmt den Übergang von der Kategorie i zur Kategorie j als wahrscheinlichsten Übergang.
11A und 11B verwenden einen Fahrfahrzeugtest, um die Langzeitfahrverhaltenscharakterisierung zu überprüfen. Der Fahrer zeigt im Allgemeinen einen vorsichtigen Fahrstil (der ein Anfänger-, durchschnittlicher oder erfahrener Fahrer sein könnte). Bei ungefähr 190 Sekunden wurde das Fahrzeug mit einem gewissen Grad an Aggressivität gewendet, was aus der Spitze im HRF-Diagramm zu sehen ist, und der Fahrstil ging auf die durchschnittliche Kategorie über. Da keine wesentlichen HRF-Ereignisse ferner identifiziert wurden, wurde diese Kategorie für den Rest des Fahrzyklus in Verbindung mit dem Konzept der Langzeitcharakterisierung ausgeführt.
Wie vorstehend erwähnt, können verschiedene akustische und/oder visuelle Warnungen aktiviert werden, um einen Fahrer vor der Handhabungsgrenzspanne zu warnen. Die Spannenschwellenwerte, die definieren, ob eine (und/oder welcher Typ von) Warnung ausgegeben werden soll, können auf der Basis der Fahrercharakterisierung verändert (oder aufgehoben) werden. Wenn beispielsweise festgestellt wird, dass der Fahrer ein erfahrener Fahrer ist, kann der Warnschwellenwert von h_x ≤ 10% auf h_x ≤ 2% verringert werden oder die Warnungen hinsichtlich der Handhabungsgrenzspanne können aufgehoben werden (ein erfahrener Fahrer kann die Warnungen nicht benötigen).
IV. Unüberwachte Fahrstilcharakterisierung
Während eines normalen Fahrmanövers kann die Langzeit-Längsfahrzeugsteuerung eines Fahrers verwendet werden, um das Fahrverhalten ungeachtet der dynamischen Reaktion des Fahrzeugs zu bestimmen. Ein Fahrer kann beispielsweise ein spezifisches Längssteuermuster während des Fahrens auf einer Autobahn für eine lange Zeitdauer aufweisen. Sein Muster der Fahrpedalaktivierung kann sanft oder selbst bei Abwesenheit von Notfallbedingungen abrupt sein. Die Variabilität des Pedals und seiner Ratenänderung kann verwendet werden, um zwischen sanfter und abrupter Anwendung zu unterscheiden. Eine solche sanfte oder abrupte Anwendung weist eine starke Korrelation mit der Kraftstoffsparsamkeit und Beschleunigungsleistung auf, wenn die Fahrbedingungen uneingeschränkt sind. Das Identifizieren von solchen Fahrverhaltensweisen kann beispielsweise verwendet werden, um einen Kraftstoffsparsamkeitsberater zu implementieren.
Eine Anomaliedetektion kann verwendet werden, um wesentliche Änderungen der gesamten Variabilität der Steuerhandlungen abzuschätzen, die auf Änderungen von entsprechenden, Verhaltensweisen hinweisen. Die Anomaliedetektion ist eine Technik, die eine Hauptbetonung auf die kontinuierliche Überwachung, das Maschinenlernen und die unüberwachte Klassifikation legt, um einen Trend einer Abweichung von einem normalen Verhalten zu identifizieren und eine potentielle signifikante Änderung vorherzusagen. Die Determinante der Kovarianzmatrix der Population der Handlungen eines Fahrers kann als Maß der verallgemeinerten Varianz (Streuung) der Population und daher als Indikator für eine Änderung des Verhaltens des Fahrers verwendet werden.
Der Merkmalsraum der Fahrdrehmomentanforderung τ_d und ihrer Ableitung wird durch den Vektor y = [τ_dτ ._d] überspannt. Die Determinante D der Kovarianzmatrix der Population kann rekursiv berechnet werden als D_k+1 = (1 – α)^k-1D_k(1 – α + (y_k – ν_k)Q_k(y_k – ν_k)^T) (21) mit ν_k+1 = (1 – α)ν_k + αy_k Q_k+1 = (I – G_k(y_k – ν_k))Q_k(1 – α)^–1 G_k+1 = Q_k(y_k – ν_k)^Tα(1 – α + α(y_k – ν_k)Q_k(y_k – ν_k)^T)^–1 (22) wobei v_k eine gefilterte Version von y_k ist, Q_k die abgeschätzte inverse Kovarianzmatrix ist und α eine Konstante ist, die den Vergessensfaktor in Bezug auf die Filterspeichertiefe widerspiegelt.
Das so in (21) berechnete D_k weist anfängliche Mittelwerte und Standardabweichungen für Verhaltensweisen vom abrupten und sanften Typ auf. Das momentane Verhalten wird als abrupt klassifiziert, wenn sein Wert höher ist als eine Steuergrenze l_abrupt, und wird als sanft klassifiziert, wenn sein Wert niedriger ist als eine Steuergrenze u_smooth. l_abrupt und u_smooth sind als l_abrupt = μ_abrupt – 3σ_abrupt, u_smooth = μ_smooth + 3σ_smooth definiert, wobei μ_abrupt und σ_abrupt der Mittelwert und die Standardabweichung der Klasse des abrupten Verhaltens sind. μ_smooth und σ_smooth sind ebenso für die Klasse des sanften Verhaltens definiert. Wenn das aktuelle Verhalten als entweder abrupt oder sanft klassifiziert wird, werden der entsprechende Mittelwert und die entsprechende Standardabweichung des entsprechenden Verhaltens rekursiv aktualisiert w_k+1 = (1 – β)w_k + βD_k+1 H_k+1 = (1 – β)H_k + (β – β²)(D_k+1 – w_k)^T(D_k+1 – w_k) σ_k+1 = (H_k+1)^1/2 (23) wobei w und H der abgeschätzte Mittelwert und die abgeschätzte Varianz sind und ☐ ein weiterer Vergessensfaktor ist.
12 zeigt die Determinante der Kovarianzmatrix vom Vektor der Fahrpedalposition und ihre Ratenänderung für 8 Durchläufe von Fahrzeugtests. Die 4 Durchläufe mit durchgezogenen Linien der Determinante waren für abrupte Fahrpedalanwendungen. Diese Determinanten zeigen einen großen Wert, der beispielsweise größer als 7 ist. Die 4 Durchläufe mit gestrichelten Linien der Determinante waren für sanfte Fahrpedalanwendungen. Diese Determinanten zeigen einen kleinen Wert, der beispielsweise geringer als 4 ist. Daher offenbart die Größe der Determinante die eindeutigen Informationsmuster, die verwendet werden können, um sanftes Fahrverhalten von abruptem Fahrverhalten zu unterscheiden.
Da die Wechselwirkungen zwischen dem Fahrer und der Fahrumgebung häufige Fahrzeugstopps mit veränderten Dauern umfassen, kann eine Unterbrechung der kontinuierlichen Aktualisierung erforderlich sein, um Zahlenprobleme während der rekursiven Berechnung zu verhindern. Die folgenden Unterbrechungsbedingungen können verwendet werden: (i) wenn die Fahrzeuggeschwindigkeit geringer ist als 1 mph, werden die mit der Fahrzeuggeschwindigkeit und -beschleunigung in Beziehung stehenden rekursiven Berechnungen unterbrochen. (ii) Wenn die Fahrpedalposition geringer ist als 1%, werden die auf das Pedal bezogenen rekursiven Berechnungen unterbrochen.
Obwohl sich die obige Abweichung auf das Fahrpedal konzentriert, kann sie leicht auf den Bremsfall angewendet werden. Da plötzliches aggressives Bremsen während Notfallsituationen geschehen kann (die nicht notwendigerweise auf das allgemeine Verhalten des Fahrers hinweisen), kann quasi stationäres Fahren, bei dem das Bremsen nicht im Extremen liegt, für die Rechenselektion verwendet werden.
Während einer vorübergehenden Beschleunigung und Abbremsung können bestimmte Räder des Fahrzeugs einen großen Längsschlupf erfahren, und die Reifenlängskräfte dieser Räder können ihre Spitzenwerte erreichen. Solche Bedingungen können durch Überwachen der Drehbewegung der einzelnen Räder in Bezug auf die Fahrgeschwindigkeit des Fahrzeugs identifiziert werden und folglich kann das Fahrerverhalten während Übergangsmanövern bestimmt werden, wie vorstehend erörtert.
V. Halbüberwachte Fahrstilcharakterisierung
Alle Fahrereingaben können nicht durch elektronische Steuersysteme zugänglich sein. Bestimmte Variablen können jedoch ein Eingangs/Ausgangs-Paar konstruieren, das verwendet werden kann, um die Fahrersteuerstruktur abzuleiten. Während eines Fahrzeugfolgemanövers sind beispielsweise der relative Abstand zwischen dem voranfahrenden und dem folgenden Fahrzeug und die Brems- und Drosselanforderungen des Fahrers gewöhnlich gut koordiniert. Hier betrachten wir die Verwendung eines Tagaki-Sugeno-Modells (TS-Modells), um die Varianz der Brems- und Drosselbefehle des Fahrers mit der relativen Entfernung und Geschwindigkeit zwischen dem voranfahrenden und dem folgenden Fahrzeug in Beziehung zu setzen.
Ein unscharfes System kann den signalaufbereiteten mittleren Fahrabstand (Lückenzeit) relativ zum anderen Fahrzeug sowie die Standardabweichung der Ratenänderungen des Fahrpedals und Bremspedals verwenden, um festzustellen, ob der Fahrer aggressiv oder vorsichtig ist. Der Fahrerindexwert von der unscharfen Berechnung und Regelauswertung kann die Aggressivität des Fahrers auf der Basis des Fahrzeugfolgens, der Fahrzeuggeschwindigkeit und der Steuerhandlungen des Fahrers auf die Beschleunigung und Abbremsung bestimmen.
Für eine Echtzeit-Fahrzeugimplementierung wird die rekursive Abschätzung des Mittelwerts und der Varianz einer interessierenden Variable angewendet. Die signalaufbereitete durchschnittliche mittlere Lückenzeit zur Abtastzeit k kann berechnet werden als
wobei Δs_k der relative Abstand zwischen dem voranfahrenden und dem folgenden Fahrzeug ist und v_fk die Geschwindigkeit des folgenden Fahrzeugs ist. α ist ein Filterkoeffizient ähnlich zu dem in (22) verwendeten. 13A und 13B zeigen die aus zwei Durchläufen einer Fahrzeugprüfung berechneten mittleren Lückenzeiten: eine für aggressives Fahren und die andere für vorsichtiges Fahren.
Der Fahrpedalratenmittelwert kann berechnet werden als ρ _k = ρ _k-1 + α((ρ_k – ρ_k-1)/ΔT – ρ _k-1) (25) wobei ρ der Fahrpedalmittelwert ist und ΔT die Abtastzeit ist. Die entsprechende Varianz kann berechnet werden als ν_kαν_k-1 + (1 – α)(ρ_k – ρ _k)² (26) und die Standardabweichung wird aus der Quadratwurzel der Varianz erhalten. 14A und 14B zeigen die Standardabweichungen von zwei Durchläufen von Testdaten für aggressives und vorsichtiges Fahren.
Ähnlich zu (25) und (26) können der Mittelwert und die Varianz der Bremspedalratenänderung berechnet werden. 15A und 15B zeigen die Standardabweichungen von zwei Durchläufen von Testdaten für aggressives und vorsichtiges Fahren. Die Variablen werden zuerst normiert, bevor sie an das unscharfe Ableitungssystem übergeben werden. Die unscharfen Sätze und Zugehörigkeitsfunktionen wurden für die Merkmale bestimmt, um die groben Eingaben in unscharfe Terme zu transformieren. Der unscharfe Satz G_s der mittleren Lückenzeit ist definiert durch G_s = {(g, μ(g))|g ∊ G} (27) wobei G durch die begrenzte Sammlung von Lückenzeiten g im Fahrzeugweg gegeben ist. Die Lückenzeit-Zugehörigkeitsfunktion μ ist als Gauß-Funktion gewählt.

Ein TS-Modell nullter Ordnung wurde verwendet, um das Fahrerindexniveau zu berechnen. Eine normierte Ausgabeskala von 0–1,0 stellte die Niveaus von vorsichtigem bis wenig aggressivem, bis aggressivem Fahrverhalten dar. Der Fahrerindex wird aus der unscharfen Berechnung und Regelauswertung erhalten. Tabelle 1 zeigt die verwendeten Regeln. Es ist zu beachten, dass eine höhere Lückenzeit relativ sicherheitsbewusster im Vergleich zu einer geringeren Lückenzeit ist. Tabelle 1 Regeln für die Fahrverhaltenscharakterisierung

Wenn die Lückenzeit ist	Wenn die Fahrpedalraten-STD ist	Wenn die Bremspedalraten-STD ist	Dann ist der Fahrerindex
Niedrig	Niedrig	Niedrig	Wenig aggressiv
Hoch	Niedrig	Niedrig	Vorsichtig
Niedrig	Hoch	Niedrig	Aggressiv
Niedrig	Niedrig	Hoch	Aggressiv
Niedrig	Hoch	Hoch	Aggressiv
Hoch	Hoch	Hoch	Wenig aggressiv
Hoch	Niedrig	Hoch	Vorsichtig
Hoch	Hoch	Niedrig	Wenig Aggressiv

16A und 16B zeigen den aus zwei Durchläufen von Fahrzeugtestdaten berechneten Fahrerindex: einen für aggressives Fahren mit einem Fahrerindex von größer als 0,8 und den anderen für vorsichtiges Fahren mit einem Fahrerindex von weniger als 0,2.
VI. Überwachte Fahrstilcharakterisierung
Die Fahrzeugfolgeaufgabe erfordert, dass der Fahrer mit dem voranfahrenden Fahrzeug eines der folgenden aufrechterhält (i) eine Geschwindigkeitsdifferenz von null; (ii) einen konstanten relativen Abstand; und (iii) eine konstante relative Lückenzeit, die durch die Division des relativen Abstandes durch die relative Geschwindigkeit definiert ist.
Ein menschlicher Fahrer kann als PD-Rückkopplungssteuereinheit modelliert werden. Das geschlossene Regelsystem während eines Fahrzeugverfolgungsmanövers kann ausgedrückt werden als
wobei x_l und x_f der Fahrabstand des voranfahrenden und des folgenden Fahrzeugs sind und x _g die Lückenversatzreferenz ist. Aufgrund der Implementierung von Radar, das in Fahrzeugen verwendet wird, die mit einer adaptiven Tempomatfunktion ausgestattet sind, werden der relative Abstand und die relative Geschwindigkeit gemessen und definiert als Δs = x_l – X_f, Δv = x ._l – x ._f (29)
Ein Fahrzeug, das mit Stabilitätskontrollen ausgestattet ist, weist einen Längsbeschleunigungsmesser mit der Ausgabe α_x auf, der ẍ_f misst. (28) kann ferner ausgedrückt werden als
Die unbekannten Parameter c_v und c_s in (30) können verwendet werden, um die Steuerstruktur eines Fahrers während einer Fahrzeugverfolgung zu charakterisieren. Unter Verwendung des tiefpassgefilterten Δs und Δv zum Ersetzen der Lückenversatzreferenz x _g und ihrer Ableitung
und mit Betrachtung der Zeitverzögerungen haben wir die folgenden Gleichungen
wobei der tiefgestellte Index i in
die Zeitverzögerung zwischen der Brems-/Drosselbetätigung des Fahrers und dem relativen Abstand und der gemessenen relativen Geschwindigkeit und Beschleunigung widerspiegelt, α ein Tiefpassfilter-Koeffizient ähnlich zu dem in (22) verwendeten ist, und w ein unsicheres Hochfrequenzsignal ist, das als weißes Rauschen behandelt werden kann. Unter Verwendung eines bedingten Identifikationsalgorithmus kleinster Quadrate können c_v und c_s in Echtzeit aus (31) identifiziert werden. Die Reaktionszeit t_p und das Dämpfungsverhältnis ζ des Systems mit dem Fahrer in der Schleife kann mit c_v und c_s in Beziehung gesetzt werden als
das verwendet werden an, um das Fahrverhalten des Fahrers abzuleiten: (i) für einen normalen Fahrer ist es erwünscht, dass die vorübergehende Reaktion des Systems mit dem Fahrer in der Schleife schnell (ausreichend kleines t_p, z. B. geringer als 0,5 s) und gedämpft (ausreichend großes ζ) ist; (ii) für einen alten Fahrer oder einen Fahrer mit körperlicher Einschränkung kann t_p groß sein; (iii) für einen aggressiven Fahrer zeigt ζ wahrscheinlich einen kleinen Wert wie z. B. weniger als 0,5, und die Systemreaktion weist wahrscheinlich ein übermäßiges Überschwingen auf; (iv) für einen vorsichtigen Fahrer zeigt ζ wahrscheinlich einen angemessen großen Wert wie z. B. größer als 0,7.
Eine Parameteridentifikation kleinster Quadrate wurde zum Berechnen von c_v und c_s implementiert. Zwei Durchläufe einer Fahrzeugprüfung wurden durchgeführt. Im 1. Durchlauf versuchte der Fahrer im nachfolgenden Fahrzeug, aggressives Drosseln und Bremsen zu verwenden, um eine konstante relative Lückenzeit zwischen seinem Fahrzeug und einem voranfahrenden Fahrzeug zu erreichen, was zu einem größeren Entfernungsfehler Δs_k – μ_k(Δs) führte. Siehe 17. Das identifizierte c_v ist ungefähr 0,2 und das identifizierte c_s ist ungefähr 0,05. Siehe 18. Das so aus (32) berechnete Dämpfungsverhältnis zeigte einen Wert von weniger als 0,5, der eine Angabe eines leicht dämpfenden Systems mit dem Fahrer in der Schleife ist, daher dem aggressiven Fahrverhalten entspricht.
Im 2. Durchlauf verwendete der Fahrer vorsichtge Drossel- und Bremsanwendung, um die Fahrzeugverfolgung zu erreichen, der relative Entfernungsfehler Δs_k – μ_k(Δs) in 19 hatte eine geringere Amplitude im Vergleich zu der in 17 gezeigten. Das identifizierte c_v und c_s sind in 20 dargestellt. Das Dämpfungsverhältnis zeigte einen Wert von größer als 0,8 außer während der ersten 150 Sekunden. Siehe 20. Dies ist eine Angabe eines stark dämpfenden Systems mit dem Fahrer in der Schleife, das daher einem vorsichtigen Fahrverhalten entspricht.
VII Anwendungen
Die Handhabungsgrenze und/oder Fahrstilcharakterisierung mit zweckmäßiger Überwachung und Verstärkung können für die Fahrerberatung, das Fahrertraining, die Fahrerüberwachung und Sicherheitsverstärkung verwendet werden. Eine weitere mögliche Anwendung bezieht sich auf die Gelegenheit für die Fahrzeugpersonalisierung durch Abstimmen von Steuerparametern so, dass sie zum Stil des spezifischen Fahrers passen. Das ESC oder Bremssteuersystem kann beispielsweise eine solche Fahrerstilcharakterisierung ausnutzen, um die Betätigungsschwelle anzupassen, so dass sie zum persönlichen Fahrverhalten passt. Als Beispiel könnte ein erfahrener Fahrer weniger häufige ESC-Aktivierungen im Vergleich zu einem weniger erfahrenen Fahrer, der denselben Fahrbedingungen gegenübersteht, erfordern. (Es kann jedoch eine minimale Anforderung zum Einstellen der Schwellenwerte derart, dass ein Fehler durch einen erfahrenen Fahrer immer noch durch die ESC-Funktion unterstützt werden kann, bestehen).
Als weiteres Beispiel können die Lenkempfindlichkeit (der Grad der Fahrzeuglenkreaktion auf eine gegebene Lenkeingabe) und Fahrpedalempfindlichkeit (der Grad der Fahrzeugbeschleunigungsreaktion auf eine gegebene Fahrpedaleingabe) auf der Basis der Fahrercharakterisierung abgestimmt werden. Das Lenkrad und/oder das Fahrpedal können empfindlicher gemacht werden, wenn der Fahrer als erfahren charakterisiert wird (was ein größeres Fahrzeugansprechvermögen schafft). Das Lenkrad und/oder das Fahrpedal können weniger empfindlich gemacht werden, wenn der Fahrer als vorsichtig charakterisiert ist (was potentiell zu verbesserter Kraftstoffsparsamkeit führt). Andere Anwendungen sind auch möglich.
21 ist ein Blockdiagramm einer Ausführungsform eines Beratungssystems 30 für ein Fahrzeug 32. Das Beratungssystem 30 kann mehrere Fahrzeugzustandssensoren 34 (z. B. Gierratensensor, Lenkwinkelsensor, Querbeschleunigungssensor, Längsbeschleunigungssensor, Raddrehzahlsensor, Bremsdrucksensor usw.), eine oder mehrere Steuereinheiten 36, die dazu konfiguriert sind, beispielsweise eine elektronische Stabilitätskontrolle, eine Antiblockierbrems- und Traktionskontrolle sowie die vorstehend beschriebene Handhabungsgrenz- und Fahrercharakterisierung durchzuführen, ein Audio- und/oder visuelles Indikatorsystem 38 (z. B. ein Anzeigefeld, ein Lautsprechersystem, eine LED-Anordnung, einen USB-Anschluss usw.) und ein Fahrzeugeingabe- und/oder Fahrzeugsteuersystem 40 (z. B. ein Fahrpedal, eine Antriebsstrangsteuereinheit, ein Lenkrad usw.) umfassen.
Die Fahrzeugzustandssensoren 34 können die vorstehend beschriebenen verschiedenen Parameter wie z. B. die Fahrzeuggeschwindigkeit, den Radschlupf usw., die die Bewegung des Fahrzeugs 32 charakterisieren (z. B. aktuelle Handhabungsbedingung und Grenzhandhabungsbedingung) sowie die vorstehend beschriebenen Fahrereingaben (z. B. Fahr- und Bremspedalposition usw.) erfassen. Die eine oder die mehreren Steuereinheiten 36 können diese Informationen als Eingaben in die vorstehend beschriebenen Handhabungsgrenz- und/oder Fahrercharakterisierungsalgorithmen verwenden. Auf der Basis der Ausgabe dieser Algorithmen können die eine oder die mehreren Steuereinheiten 36, wie vorstehend beschrieben, (i) das Audio- und/oder visuelle Indikatorsystem 38 aktivieren, um beispielsweise den Fahrer zu warnen oder zu trainieren, oder (ii) Aspekte des Fahrzeugeingabe- und/oder Fahrzeugsteuersystems 40 modifizieren, um die Reaktion des Fahrzeugs an den Typ von Fahrer spezifisch anzupassen.
Als Beispiel können auf der Basis von durch die Sensoren 34 erfassten Informationen die eine oder die mehreren Steuereinheiten 36, die die vorstehend beschriebenen Algorithmen ausführen, feststellen, dass ein Fahrer des Fahrzeugs 32 rücksichtslos fährt. Da der Fahrer als rücksichtslos klassifiziert wurde, können die eine oder die mehreren Steuereinheiten 36 beispielsweise beginnen, Fahranweisungen über das Audio- und/oder visuelle Indikatorsystem 38 auszugeben, um den Fahrer anzuregen, sein Verhalten zu ändern. Die eine oder die mehreren Steuereinheiten 36 können auch/stattdessen haptische Elemente des Fahrzeugeingabe- und/oder Fahrzeugsteuersystems 40 aktivieren, wie z. B. ein haptisches Fahrpedal, um den Fahrer vor seinem rücksichtslosen Verhalten zu warnen.
Ein Speicher, der durch die eine oder die mehreren Steuereinheiten 36 zugänglich ist, kann eine Datenbank von Anweisungen (Audio und/oder visuell) umfassen, die mit bestimmten vordefinierten Regeln abgebildet werden. Eine Beispielregel kann sein, dass, wenn ein Fahrer rücksichtslos ist und die Rate der Lenkradwinkeländerung für eine festgelegte Zeitdauer in einen gewissen definierten Bereich fällt (das heißt, der Fahrer weiterhin das Lenkrad schnell im Uhrzeigersinn und gegen den Uhrzeigersinn dreht), dann der Fahrer angewiesen wird, seine Lenkeingaben zu verringern.
22 ist ein Blockdiagramm einer weiteren Ausführungsform eines Beratungssystems 130 für ein Fahrzeug 132, wobei gleiche Zeichen Beschreibungen ähnlich zu jenen von 21 aufweisen. In dieser Ausführungsform umfasst jedoch das Fahrzeug 132 ein Tokenerkennungssystem 142, das in einer bekannten Weise konfiguriert ist, um ein Token 144 zu erkennen. Als Beispiel kann das Token 144 ein Schlüssel mit einem Identifikationschip sein, der einen speziellen Fahrer oder eine spezielle Klasse von Fahrern (z. B. jugendliche Fahrer) identifiziert. In diesem Beispiel kann das Tokenerkennungssystem 142 einen Chipleser umfassen, der in einer bekannten Weise innerhalb eines Zündsystems des Fahrzeugs 132 angeordnet ist, um den Identifikationschip zu lesen und diese Informationen zu der einen oder den mehreren Steuereinheiten 136 zu übertragen. Als weiteres Beispiel kann das Token 144 ein Schlüsselanhänger oder eine Plastikkarte mit einem darin eingebetteten RFID-Chip sein. In diesem Beispiel kann das Tokenerkennungssystem 142 einen RFID-Chipleser umfassen, der in einer bekannten Weise innerhalb des Fahrzeugs 132 angeordnet ist, um den RFID-Chip zu detektieren und zu lesen und diese Informationen zu der einen oder den mehreren Steuereinheiten 136 zu übertragen. Als noch weiteres Beispiel kann das Token 144 ein Mobiltelefon sein. In diesem Beispiel kann das Tokenerkennungssystem 142 bekannte Module (wie z. B. die SYNC-Technologie von Ford) umfassen, die dazu konfiguriert sind, das Mobiltelefon zu erkennen und diese Informationen zu der einen oder den mehreren Steuereinheiten 136 zu übertragen. Andere Anordnungen und Szenarios sind auch möglich.
Eine Vielfalt von Funktionen kann auf der Basis der Fahreridentifikation und der vorstehend beschriebenen Handhabungsgrenz- und/oder Fahrstilcharakterisierung implementiert werden. Wenn das Tokenerkennungssystem 142 Informationen zur einen oder zu den mehreren Steuereinheiten 136 zuführt, die den Fahrer als jugendlichen Fahrer identifizieren, können als Beispiel die eine oder die mehreren Steuereinheiten 136 Anweisungen an den Fahrer über das Audio- und/oder visuelle Indikatorsystem 138 ausgeben, um die Drossel zu senken oder zu bremsen, wenn sich der Handhabungsgrenze genähert wird. Die eine oder die mehreren Steuereinheiten 136 können Befehle auf Regelbasis ähnlich zu den vorstehend beschriebenen implementieren, um eine solche Fahranweisung zu bewirken. (Eine Beispielregel kann sein, dass, wenn der Fahrer ein jugendlicher Fahrer ist und wenn die Handhabungsgrenzspanne geringer ist als 15%, dann der Fahrer angewiesen wird, zu verlangsamen.)
Wenn das Tokenerkennungssystem 142 Informationen zur einen oder zu den mehreren Steuereinheiten 136 liefert, die den Fahrer als jugendlichen Fahrer identifizieren, können als weiteres Beispiel die eine oder die mehreren Steuereinheiten 136 einen Verlauf der Berechnungen der Handhabungsgrenzspanne und/oder der Fahrerstilcharakterisierung aufzeichnen, um Berichte zu erzeugen, die das Fahrverhalten beschreiben. Diese Berichte können beispielsweise für eine gegebene Fahrt die Anzahl von Malen detailliert angeben, die der jugendliche Fahrer bestimmte Niveaus der Handhabungsgrenzspanne überschritten hat. Diese Berichte können beispielsweise auch den jugendlichen Fahrer als vorsichtig, aggressiv, rücksichtslos usw. während irgendeiner gegebenen Fahrt beschreiben. In irgendeiner geeigneten/bekannten Weise kann auf solche Berichte zugegriffen, diese gemeldet oder angezeigt werden. wie z. B. durch das Audio- und/oder visuelle Indikatorsystem 138.
Als noch weiteres Beispiel können das Fahrertraining und/oder die Fahreranweisung auf der Basis der vorstehend beschriebenen Fahreridentifikation implementiert werden. Die eine oder die mehreren Steuereinheiten 136 können beispielsweise Anweisungen ausgeben, um einen Fahrer anzuregen, Fahreingaben zum Fahrzeug 132 zu liefern, die dazu führen, dass der Fahrer als vorsichtig klassifiziert wird. Wenn beispielsweise ein Fahrer beginnt, häufig zu beschleunigen und abzubremsen, können die eine oder die mehreren Steuereinheiten 136 den Fahrer über das Audio- und/oder visuelle Indikatorsystem 138 anweisen, den Abstand zwischen dem Fahrzeug 132 und dem Fahrzeug vor ihm zu erhöhen, um die Häufigkeit der Beschleunigung und des Bremsens zu verringern. Regeln ähnlich zu den vorstehend beschriebenen oder eine beliebige andere Technologie mit geeigneter Intelligenz wie z. B. neurale Netze usw. können verwendet werden, um die Anweisungen zu erleichtern. In Ausführungsformen, in denen das Fahrverhalten für einen späteren Bericht aufgezeichnet wird, kann die Tatsache, ob der Fahrer die Anweisungen befolgt oder ignoriert, auch als Angabe des Verhaltens des Fahrers aufgezeichnet werden.
23 ist ein Blockdiagramm noch einer weiteren Ausführungsform eines Beratungssystems 230 für ein Fahrzeug 232, wobei gleiche Zeichen Beschreibungen ähnlich jenen von 21 aufweisen. Diese Ausführungsform umfasst ein Radar- und/oder Kamerasystem 246 (irgendein geeignetes Vorwärtserfassungssystem kann jedoch verwendet werden), das periodisch/kontinuierlich in einer bekannten Weise den Abstand zwischen dem Fahrzeug 232 und einem anderen Fahrzeug vor dem Fahrzeug 232 detektieren kann. (Obwohl nicht gezeigt, kann das Beratungssystem 230 auch ein Tokenerkennungssystem und zugehörige Fähigkeiten ähnlich den mit Bezug auf 22 erörterten umfassen. Andere Konfigurationen sind auch möglich.)
Unter bestimmten Umständen können die durch das System 246 gesammelten Abstandsinformationen durch die eine oder die mehreren Steuereinheiten 236 überwacht werden. Wenn der Abstand geringer als ein gewisser vordefinierter Schwellenwert (z. B. 20 Fuß) ist, können die eine oder die mehreren Steuereinheiten 236 den Fahrer über das Audio- und/oder Videoindikatorsystem 238 und/oder aktive Elemente der Fahrzeugeingabe- und/oder Fahrzeugsteuersysteme 240 warnen, wenn sie vom haptischen Typ sind (z. B. haptisches Fahrpedal, haptisches Lenkrad, haptischer Sitz usw.).
Unter anderen Umständen können die Abstandsinformationen X, die vom System 246 gesammelt werden, zusammen mit der Änderung des Abstandes über die Zeit, V_x, und der Längsbeschleunigung des Fahrzeugs 232, A_x, von der einen oder den mehreren Steuereinheiten 236 verwendet werden, um eine Zeit bis zur Kollision, t_c, mit dem Fahrzeug vor dem Fahrzeug 232 durch die folgende Gleichung zu bestimmen
Wenn die Zeit bis zur Kollision geringer ist als ein vordefinierter Schwellenwert, können die eine oder die mehreren Steuereinheiten 236 den Fahrer warnen, wie vorstehend beschrieben.
Unter noch weiteren Umständen können die eine oder die mehreren Steuereinheiten 236 den Warnschwellenwert auf die Lückenzeit (vorstehend erörtert) zwischen dem Fahrzeug 232 und dem Fahrzeug vor ihm basieren. Wenn die Lückenzeit geringer ist als ein Schwellenwert, können die eine oder die mehreren Steuereinheiten 236 beispielsweise haptische Elemente der Fahrzeugeingabe- und/oder Fahrzeugsteuersysteme 240 aktivieren (in Vibration versetzen), usw.
Alternativ können die eine oder die mehreren Steuereinheiten 236 auf Tabellen des Abstandes und der Geschwindigkeit/relativen Geschwindigkeit zugreifen, um zu bestimmen, wann der Fahrer zu warnen ist. Wenn der Abstand in einen bestimmten Bereich fällt und die Geschwindigkeit in einen bestimmten Bereich fällt, können die eine oder die mehreren Steuereinheiten 236 als Beispiel ein haptisches Fahrpedal aktivieren. Andere Szenarios sind auch möglich.
Die Intensität (Häufigkeit und/oder Amplitude), mit der haptische Elemente der Fahrzeugeingabe- und/oder Fahrzeugsteuersysteme 240 aktiviert werden, kann vom Abstand, von der Zeit bis zur Kollision, von der Lückenzeit usw. zwischen dem Fahrzeug 232 und dem Fahrzeug vor ihm abhängen. Als Beispiel kann die Intensität zunehmen, wenn diese Parameter abnehmen. Diese zunehmende Intensität kann eine zunehmende Dringlichkeit signalisieren.
Die vordefinierten Schwellenwerte können vom Typ des Fahrers abhängen. Das heißt, die eine oder die mehreren Steuereinheiten 236 können die vorstehend erörterten Fahrercharakterisierungsalgorithmen implementieren und auf der Basis der Charakterisierung den Warnschwellenwert erhöhen oder verringern. Ein Schwellenwert kann beispielsweise für einen erfahrenen Fahrer verringert werden, da er weniger wahrscheinlich einen Unfall als Folge von dichtem Auffahren erfährt. Ein Schwellenwert kann für einen rücksichtslosen oder aggressiven Fahrer erhöht werden, da er wahrscheinlicher einen Unfall infolge von dichtem Auffahren erfährt, usw.
Die vordefinierten Schwellenwerte können auf der Basis dessen verändert werden, ob der Fahrer die Warnung, die sie angeben, befolgt. Wenn ein Fahrer nach der Aktivierung eines haptischen Fahrpedals seinen Folgeabstand zum Fahrzeug vor ihm nicht vergrößert, kann der vordefinierte Folgeabstand, der verwendet wird, um die Aktivierung des haptischen Pedals auszulösen, als Beispiel verringert werden, um es zu vermeiden, dass es für den Fahrer zu einer Störung wird. Die vordefinierten Schwellenwerte, die der Zeit bis zur Kollision und der Lückenzeit zugeordnet sind, können ebenso verringert werden. Ein Minimum kann jedoch festgelegt werden, jenseits dessen der Schwellenwert nicht verringert wird.
Wie für den Fachmann ersichtlich, können die hier offenbarten Algorithmen zu einer Verarbeitungsvorrichtung, die irgendeine existierende elektronische Steuereinheit oder zweckgebundene elektronische Steuereinheit umfassen kann, in vielen Formen zuführbar sein, einschließlich Informationen, die dauerhaft auf nicht beschreibbaren Speichermedien wie z. B. ROM-Vorrichtungen gespeichert sind, und Informationen, die auf beschreibbaren Speichermedien wie z. B. Disketten, Magnetbändern, CDs, RAM-Vorrichtungen oder anderen magnetischen und optischen Medien veränderbar gespeichert sind, ohne jedoch darauf begrenzt zu sein. Die Algorithmen können auch in einem ausführbaren Softwareobjekt implementiert werden. Alternativ können die Algorithmen ganz oder teilweise unter Verwendung von geeigneten Hardwarekomponenten verkörpert sein, wie z. B. anwendungsspezifischen integrierten Schaltungen (ASICs), Zustandsmaschinen, Steuereinheiten oder anderen Hardwarekomponente oder -vorrichtungen oder einer Kombination von Hardware-, Software- und Firmwarekomponenten.
Obwohl Ausführungsformen der Erfindung dargestellt und beschrieben wurden, ist nicht beabsichtigt, dass diese Ausführungsformen alle möglichen Formen der Erfindung erläutern und beschreiben. Die in der Patentbeschreibung verwendeten Worte sind vielmehr Worte zur Beschreibung als zur Begrenzung und selbstverständlich können verschiedene Änderungen vorgenommen werden, ohne vom Gedanken und Schutzbereich der Erfindung abzuweichen.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Nicht-Patentliteratur

ISO-8855 [0032]

Claims

Fahrzeug, das Folgendes umfasst: ein Identifikationssystem, das innerhalb des Fahrzeugs angeordnet ist und dazu konfiguriert ist, Informationen von einem Token in einer Umgebung des Fahrzeugs zu erfassen und einen Fahrer des Fahrzeugs auf der Basis der Informationen zu klassifizieren; eine Sensoranordnung, die innerhalb des Fahrzeugs angeordnet ist, und dazu konfiguriert ist, mehrere Parameter zu messen, die die aktuelle Handhabungsbedingung des Fahrzeugs und die Grenzhandhabungsbedingung des Fahrzeugs darstellen; und mindestens eine Steuereinheit in Kommunikation mit dem Identifikationssystem und der Sensoranordnung, die dazu konfiguriert ist, eine Spanne zwischen der aktuellen Handhabungsbedingung des Fahrzeugs und der Grenzhandhabungsbedingung zu bestimmen, und einen Verlauf der Spanne aufzuzeichnen, wenn die Fahrerklassifizierung von einem speziellen Typ ist.
Fahrzeug nach Anspruch 1, wobei die mindestens eine Steuereinheit ferner dazu konfiguriert ist, die dynamische Steuerung des Fahrzeugs durch den Fahrer auf der Basis der Spanne zu charakterisieren und einen Verlauf der Charakterisierung aufzuzeichnen.
Fahrzeug nach Anspruch 2, wobei das Charakterisieren der dynamischen Steuerung des Fahrzeugs durch den Fahrer auf der Basis der Spanne das Bestimmen einer Zeitdauer, während der die Spanne in einen vorbestimmten Bereich fällt, und das Aufzeichnen eines Verlaufs der Zeitdauer, während der die Spanne in den vorbestimmten Bereich fällt, umfasst.
Fahrzeug nach Anspruch 1, das ferner eine Schnittstelle umfasst, die dazu konfiguriert ist, einen Zugriff auf den aufgezeichneten Verlauf der Spanne zu schaffen.
Fahrzeug nach Anspruch 1, wobei das Identifikationssystem dazu konfiguriert ist, Informationen von einem Hochfrequenz-Identifikationschip und/oder einem Mobiltelefon zu erfassen.
Fahrzeug, das Folgendes umfasst: ein Identifikationssystem, das innerhalb des Fahrzeugs angeordnet ist und dazu konfiguriert ist, Informationen von einem Token in einer Umgebung des Fahrzeugs zu erfassen und einen Fahrer des Fahrzeugs auf der Basis der Informationen zu klassifizieren; und mindestens eine Steuereinheit in Kommunikation mit dem Identifikationssystem, die dazu konfiguriert ist, Kategorien des Fahrerverhaltens auf der Basis eines Verlaufs von Fahrerdrehmomentanforderungen und zugehörigen Änderungsraten davon festzulegen, das aktuelle Fahrerverhalten in eine der festgelegten Kategorien auf der Basis der aktuellen Fahrerdrehmomentanforderungen und zugehörigen Änderungsraten davon einzustufen und einen Verlauf der Einstufung aufzuzeichnen, wenn die Fahrerklassifizierung von einem speziellen Typ ist.
Fahrzeug nach Anspruch 6, das ferner eine Schnittstelle umfasst, die dazu konfiguriert ist, einen Zugriff auf den aufgezeichneten Verlauf der Einstufung zu schaffen.
Fahrzeug nach Anspruch 6, wobei das Identifikationssystem dazu konfiguriert ist, Informationen von einem Hochfrequenz-Identifikationschip und/oder einem Mobiltelefon zu erfassen.
Fahrzeug nach Anspruch 6, wobei das Festlegen von Kategorien des Fahrerverhaltens auf der Basis eines Verlaufs von Fahrerdrehmomentanforderungen und zugehörigen Änderungsraten davon das Definieren von Kategorieschwellenwerten auf der Basis eines Mittelwerts und einer Standardabweichung des Verlaufs von Fahrerdrehmomentanforderungen und zugehörigen Änderungsraten davon umfasst.
Fahrzeug, das Folgendes umfasst: ein Fahrpedal mit einer Position; ein Bremspedal mit einer Position; ein Identifikationssystem, das innerhalb des Fahrzeugs angeordnet ist und dazu konfiguriert ist, Informationen von einem Token in einer Umgebung des Fahrzeugs zu erfassen und einen Fahrer des Fahrzeugs auf der Basis der Informationen zu klassifizieren; und mindestens eine Steuereinheit, die dazu konfiguriert ist, eine Lückenzeit zwischen dem Fahrzeug und einem anderen Fahrzeug zu bestimmen, eine Variabilität einer Änderungsrate der Fahr- und/oder Bremspedalposition zu bestimmen, die Längssteuerung des Fahrzeugs durch einen Fahrer auf der Basis der Lückenzeit und der Variabilität der Änderungsrate zu charakterisieren und einen Verlauf der Charakterisierung aufzuzeichnen, wenn die Fahrerklassifizierung von einem speziellen Typ ist.
Fahrzeug nach Anspruch 10, das ferner ein Vorwärtserfassungssystem umfasst, das dazu konfiguriert ist, einen Abstand zwischen den Fahrzeugen zu detektieren.
Fahrzeug nach Anspruch 11, wobei das Bestimmen einer Lückenzeit zwischen dem Fahrzeug und einem anderen Fahrzeug auf dem Abstand zwischen den Fahrzeugen und einer Geschwindigkeit des Fahrzeugs basiert.
Fahrzeug nach Anspruch 10, wobei das Charakterisieren der Längssteuerung des Fahrzeugs durch einen Fahrer auf der Basis der Lückenzeit und der Variabilität der Änderungsrate das Erzeugen eines Fahrerindex über eine Auswertung der Klassifizierungen der Lückenzeit und der Variabilität der Änderungsrate auf Regelbasis umfasst.
Fahrzeug nach Anspruch 13, wobei ein Wert des Fahrerindex einen Typ von Längssteuerung des Fahrzeugs darstellt.
Fahrzeug nach Anspruch 10, das ferner eine Schnittstelle umfasst, die dazu konfiguriert ist, einen Zugriff auf den aufgezeichneten Verlauf der Charakterisierung zu schaffen.
Fahrzeug nach Anspruch 10, wobei das Identifikationssystem dazu konfiguriert ist, Informationen von einem Hochfrequenz-Identifikationschip und/oder einem Mobiltelefon zu erfassen.
Fahrzeug, das Folgendes umfasst: ein Identifikationssystem, das innerhalb des Fahrzeugs angeordnet ist und dazu konfiguriert ist, Informationen von einem Token in einer Umgebung des Fahrzeugs zu erfassen und einen Fahrer des Fahrzeugs auf der Basis der Informationen zu klassifizieren; und mindestens eine Steuereinheit in Kommunikation mit dem Identifikationssystem, die dazu konfiguriert ist, die Längssteuerung des Fahrzeugs durch einen Fahrer auf der Basis eines Abstandes und einer relativen Geschwindigkeit zwischen dem Fahrzeug und einem anderen Fahrzeug und einer Längsbeschleunigung des Fahrzeugs zu charakterisieren, und einen Verlauf der Charakterisierung aufzuzeichnen, wenn die Fahrerklassifizierung von einem speziellen Typ ist.
Fahrzeug nach Anspruch 17, das ferner eine Schnittstelle umfasst, die dazu konfiguriert ist, einen Zugriff auf den aufgezeichneten Verlauf der Charakterisierung zu schaffen.
Fahrzeug nach Anspruch 17, wobei das Identifikationssystem dazu konfiguriert ist, Informationen von einem Hochfrequenz-Identifikationschip und/oder einem Mobiltelefon zu erfassen.
Fahrzeug nach Anspruch 17, wobei das Charakterisieren der Längssteuerung des Fahrzeugs durch einen Fahrer auf der Basis des Abstandes und der relativen Geschwindigkeit zwischen den Fahrzeugen und der Längsbeschleunigung des Fahrzeugs das Bestimmen der Reaktionszeit eines Fahrers auf Änderungen im Abstand zwischen den Fahrzeugen umfasst.