用于运行至少一个自动化车辆的方法与流程

本发明涉及一种用于运行至少一个自动化车辆的方法。本发明还涉及一种用于运行至少一个自动化车辆的设备。本发明还涉及一种计算机程序产品。

背景技术：

驾驶员辅助系统和自动化驾驶领域在汽车行业中已经变得非常重要。随着准则测试(例如euro-ncap2018测试指南)的引入，在可预见的将来，在所有车辆级别中，如前瞻性的行人保护和自主的紧急制动辅助等功能将属于系列装备。除此以外，将来具有用于组合的横向和纵向引导的驾驶员辅助功能的车辆装备配额也将不断增长。这些装备将尤其在高速路上和建设良好的公路上具有高度可用性，并且因此能够实现城市区域外的放松的驾驶。

在此，传感器如雷达、超声波、摄像机、激光雷达等感测车辆周围环境。借助该周围环境感测可以识别车辆周围环境中的交通参与者和基础设施。另外的技术，例如导航系统和基于gps的定位系统，已经是许多新型车辆中的准则装备。

另一类驾驶员辅助系统是所谓的泊车辅助功能，该泊车辅助功能目前在第一系列车辆中可提供。一些第一系列车辆如今已经允许经由智能手机上的专门应用程序来控制泊车过程。

但是，安装在车辆中的传感装置的探测能力在复杂场景中的周围环境感知方面是受限的，如在市内场景中经常存在的情况那样。这会导致高度自动化系统的可用性受到限制。例如车辆的周围环境中的遮挡和/或近处的对象可能导致借助所提及的传感装置的周围环境识别受到限制。布置在有限空间内的大量对象还会进一步限制周围环境识别。

用于车对车和车对基础设施通信的技术是获得关于环境的信息的一种可能性，这种技术目前正在开发中并且将在中长期属于所有车辆中的系列装备。在此，在不久的将来，通信技术甚至将能够实现数据的实时传输。

当前lte是用于移动通信的世界准则。lte已经在全球许多地区中可用并且允许高达300mbit/s的传输速率，或者在lte的最新版本4g/lte+中允许高达4,000mbit/s的传输速率。同时，后继产品5g已经在起步阶段该后继产品5g将能够以高达10,000mbit/s的传输速率和小于1ms的延迟实现实时移动通信。

自从第一部发布以来，在此期间按照准则装备有这些技术的智能手机已经在很短的时间内取代所期望的移动电话。无论年龄大小，如今几乎每个成年人都拥有智能手机。在此期间，较便宜的型号已经装备有gps、蓝牙以及lte技术。

驾驶员辅助系统和用于自动化驾驶的系统执行计算，以便估计交通状况的发展(预测)。基于该估计，系统决定车辆的适当行为，例如以行驶某个轨迹的形式。为了针对各个交通参与者执行状况预测，存储行为模型。这些行为模型包含关于不同对象类型的移动可能性的信息并且评估该不同对象类型与其他交通参与者以及共用基础设施的互动。例如，车辆可以运动得比行人快得多，而行人可以几乎立即停止。在此，随着预测时间的增加，对状况的每个预测变得更加不可靠。在此，不可靠性基本上是由于两个因素：

一方面，经由车辆自己的环境传感装置感测到的关于其他交通参与者的信息可能是受噪声污染的和/或不完整的。

另一方面，基于行为模型的预测只能以对未来的有限预见来进行。这在于交通参与者在很短时间内能够感知到的可能的行为选项的数量。

在传统的系统中，所有这些计算在没有更详细的信息的情况下进行，这些更详细的信息也不能经由安装的传感装置来感测。

ep2911926b1公开一种方法，在该方法中车辆收集周围环境信息，其中，设置了经越多个车辆进行周围环境信息的交换。

de10210546a1公开一种用于自动化车辆引导的方法，在该方法中将基础设施数据无线地传送给车辆并且借助基础设施数据计算用于车辆引导的指令。在此设置，将行驶路段的至少一个直接位于前面的区段的基础设施数据加载到车辆自己的存储器中，使得借助精准的定位系统连续地确定车辆的当前位置，并且基于位置数据和所存储的基础设施数据计算指令。

技术实现要素：

本发明的任务是，提供一种用于运行至少一个自动化车辆的替代方法。

根据第一方面，该任务借助一种用于运行至少一个自动化车辆的方法来解决，该方法具有以下步骤：

通过至少一个自动化车辆和/或借助基础设施中的传感装置以传感器技术感测交通参与者；

根据限定的准则借助计算设备来针对交通参与者求取预测交通路线；

将相应于预测交通路线的控制数据传送给自动化车辆；

相应于控制数据运行自动化车辆。

以这种方式有利地在自动化车辆中不需要花费大的传感装置，因为关于车辆的周围环境的重要信息或数据可以说是“处于网络中”。由此实现“中央智能”，该中央智能不在单个车辆上。以这种方式有利地提供具有用于运行自动化车辆的许多服务的功能，由此尤其在城市地区中可以实现至少部分时间借助中央智能来运行自动化车辆。

根据第二方面，该任务借助一种用于运行至少一个自动化车辆的设备来解决，该设备具有：

传感器装置，该传感器装置用于通过至少一个自动化车辆和/或借助基础设施中的传感装置来感测交通参与者；

计算设备，该计算设备用于根据限定的准则借助计算设备来针对交通参与者计算预测交通路线；

传送装置，该传送装置用于将相应于预测交通路线的控制数据传送给自动化车辆。

该方法的有利扩展方案是从属权利要求的主题。

该方法的一种有利扩展方案设置，控制数据构造为轨迹数据。以这种方式可以由中央机构来引导自动化车辆，该中央机构具有优化的对状况的总览并且由此可以优化地控制交通事件。

该方法的另一有利扩展方案设置，由交通参与者以传感器技术感测周围环境，其中，将传感器数据传送给计算设备。以这种方式，中央计算设备有利地能够将交通参与者的大量数据用于优化地求取预测交通模型。

该方法的另一有利扩展方案的特点在于，将用于限定的部分路线的控制数据从计算设备传送给自动化车辆。以这种方式，该方法可以按区域特定地应用并且尤其可以应用于具有特别高的交通量的区域中。

该方法的另一有利扩展方案设置，在自动化车辆中借助人机界面来控制该方法。由此支持该方法的舒适的控制可能性，例如借助自动化车辆的触摸屏和/或移动电话的触摸屏。用户由此可以以图形显示的方式得知：具有上述控制可能性的网络可供使用。通过借助人机界面进行相应的输入，驾驶员随后可以接受：借助所提及的网络来自动化地控制车辆。

该方法的另一有利扩展方案设置，由计算设备使用数字地图来针对交通参与者求取预测交通路线。以这种方式可以为计算设备提供情况，从而更准确地求取预测交通模型。

该方法的另一有利扩展方案设置，借助计算设备来控制至少一个交通基础设施装置。以这种方式例如可以执行交通信号灯切换和/或栏杆设备的切换，以便更好地控制交通流。

下面基于两个附图通过进一步的特征和优点来详细描述本发明。附图主要旨在表明发明实质性原理。

公开的方法特征类似地由相应公开的设备特征得出，反之亦然。这尤其意味着，关于该方法的特征、技术优点和实施方案以类似的方式由设备的相应实施方案、特征和优点得出，反之亦然。

附图说明

在附图中示出：

图1：用于实施所提出的方法的场景的原理性图示；

图2：所提出的用于引导交通流的方法的实施方式的原理性流程图。

具体实施方式

下面，“自动化机动车”的概念与部分自动化机动车、自主机动车和部分自主机动车的含义同义地使用。

自动化或自主车辆是没有驾驶员也可以的车辆。该车辆自主行驶，其方式例如是，车辆独立地识别道路走向、其他交通参与者或障碍物并且在车辆中计算相应的控制指令以及将这些控制指令传送给车辆中的执行器来，由此正确地影响车辆的行驶走向。在全自主车辆中，驾驶员不再参与驾驶事件。

车对车通信(car2car或c2c)理解为机动车之间的信息和数据的交换。相关的车辆收集数据如abs干预、转向角、位置、方向、速度等，并且将这些数据经由无线电(例如经由wlan、umts等)发送给其他交通参与者。在此，应借助电子装置增大驾驶员的“视野”。车辆对基础设施通信(c2i)理解为车辆与周围基础设施(例如交通信号灯设备)之间的数据交换。

所提及的技术基于不同的交通伙伴的传感器的协作并且使用最新的通信技术方法来交换这些信息。为此设置，自主或部分自主车辆借助车对车通信系统彼此交换数据。

现今，用于自动化驾驶的计算仅在自动化车辆上进行。为此通常使用高性能计算核心，以便能够迅速处理在此积聚的大量数据。但是，这种计算系统相对昂贵，在车辆中占据大量位置，并且可能由于车辆中传感器系统数量的不断增长而在计算负载方面达到其极限。

为了将计算移置到云中，可能有利的是，在云中设置用于自动化驾驶的计算规则的映像(“人工智能”)。在此，云中的人工智能的映像可以准确地相当于自动化车辆上的人工智能，或者构造为相对于自动化车辆的人工智能具有限定的不同。将自动化车辆的人工智能在云中相同映像具有以下主要优点：在输入数据相同的情况下，云的计算结果与自动化车辆上的计算结果没有区别。有利地，人工智能在云中的映像针对整个车辆变型或车辆系列进行。

图1示出所提出的用于运行至少一个自动化车辆200的方法的高度示意性的示例性场景。在周围环境中可以看到优选固定安装的传感器装置10(例如呈摄像机、雷达等的形式)，借助该传感器装置来感测周围环境场景，该周围环境场景例如包括自动化车辆200、行人300、骑行者400、动物(未示出)等。为简单起见所提及的交通参与者中仅各示出一个，但是可以理解，该方法可应用于多个自动化车辆200、行人300、骑行者400等。

传感器装置10将数据传送给中央计算设备20，该中央计算设备从所求取的传感器数据中计算预测交通模型，该预测交通模型具有用于所述至少一个自动化车辆200的预测交通路线。为了创建预测交通模型可以考虑限定的准则，例如拥堵情况、事故情况、交通参与者的聚集、天气条件等。

然后，借助布置在计算设备20内部或外部的传送装置21将相应于预测交通模型的控制数据d例如以轨迹数据的形式无线地传送给自动化车辆200。为此目的，优选设置高速数据连接或实时数据连接，借助该高速数据连接或实时数据连接执行与自动化车辆20的实时通信。布置在车辆200内部的控制装置210(例如呈控制器、致动器等的形式)可以相应于所传送的轨迹数据来控制自动化车辆200。在一种变型方案中也可以考虑，除轨迹数据之外还将其他类型的控制数据(例如用于致动器的控制数据)传送给自动化车辆200。也可以考虑，借助控制数据d来切换基础设施装置(例如交通信号灯装置、栏杆设备等)。

有利地，以这种方式提供一种用于自主控制所连接的交通参与者(优选在主交通干线上)的设备100，以便使自动化车辆200的驾驶员能够在城市区域内以放松的方式驾驶。为此，自动化车辆200有利地仅须具有少量的传感装置装备。在此，设备100实时地向所连接的自动化车辆200提供调节指令，其中，设备100不提供关于周围环境的任何信息。由此，用于所有交通参与者的传感装置在一定程度上构型“中央式”。

在设备100的一种有利扩展方案中可以设置，将由交通参与者所感测的传感器数据无线地传送给计算装置20，其中，这些数据然后被计算装置20用来更好地求取预测交通模型。

优选可以基于本身已知的车对车和/或车辆对基础设施通信进行所提及的数据到计算设备20的传送。

有利地，以这种方式可以显著降低交通状况预测中的不可靠性。预测时间和关于预测的可靠性可以有利地明显提高，由此提高整个系统的自动化程度，由此，结果是，自动化车辆200的自动化运行明显时间更长且更频繁地可供使用。这在具有高交通密度且至少部分时间具有大量交通参与者的城市环境中是特别有用的。

在设备100的另一变型方案中可以设置，计算设备20使用数字地图来求取预测交通模型，在该数字地图中存储有周围环境的数据。由此可以由计算设备20更好且更快地执行预测交通模型的求取。

有利的是，使自动化车辆200的驾驶员可以经由人机界面建立与设备100的通信连接并且以这种方式使用所提供的服务。

在示例性的场景中，自动化车辆200的驾驶员驾驶进入具有较大交通量的城市。驾驶员借助人机界面(例如触摸屏)接收到消息：设备100的服务可供使用。随后，驾驶员在触摸屏上接受所提供的服务，由此车辆200将相关的数据(例如类型、延伸尺度、导航目的地等)传送给中央计算设备20。

计算装置20在所存储的数字地图内定位自动化车辆200，并且求取车辆200在考虑所预测的交通状况的情况下应行驶的轨迹，以便到达导航目的地。由于中央计算设备20还求取所有其他车辆的轨迹，因此有利地支持无事故。轨迹(例如以未来多个时间点的位置和速度的形式)被传送给自动化车辆200。车辆200装备有相应的控制装置，以便基于所传送的轨迹数据来驶过所述轨迹。

在一种有利变型方案中，可以使用安装在车辆200中或基础设施中的环境传感器，以便向中央计算设备20发出没有发生碰撞的反馈。也可以使用基础设施中的传感器，以便报告：不带有车辆对基础设施装置的交通参与者正处于所考察的区域中。

有利地，所提出的设备100还可以用于提供收费服务(例如借助软件应用程序、用于接收器/发送器的硬件、资费等)。

优选可以设置，设备100不覆盖整个市区，而是仅覆盖具有高交通量的主交通干线。在另一变型方案中还可以设置，布置在自动化车辆200内部或外部的智能手机执行与计算设备20的通信。例如还可能的是，具有智能手机的行人或骑行者被传感器装置10识别到，其中，然后由计算设备20以合适的方式切换基础设施装置(例如交通信号灯、栏杆等)。

有利地还可以设置，经由设备100预订附加服务，例如目的地的泊车位、服务等。

有利地可以设置，设备100至少简单地冗余构造，从而支持提高的运行安全级别。

图2示出根据本发明的方法的实施方式的原理性流程图。

在步骤500中，通过至少一个自动化车辆200和/或借助基础设施中的传感装置以传感器技术感测交通参与者200、300、400。

在步骤510中，根据限定的准则借助计算设备200来针对交通参与者200、300、400求取预测交通路线。

在步骤520中，将相应于预测交通路线的控制数据d传送给自动化车辆200。

在步骤530中，相应于控制数据d来运行自动化车辆200。

有利地，可以借助在计算设备20上运行的软件程序来实现所提出的方法，由此支持该方法的简单的适应性。

本领域技术人员能够以适当的方式修改本发明的特征和/或将本发明的特征彼此组合，而不背离本发明的核心。