Nothing Special   »   [go: up one dir, main page]

DE102018202970A1 - Verfahren zum Ermitteln einer topologischen Information einer Straßenkreuzung - Google Patents

Verfahren zum Ermitteln einer topologischen Information einer Straßenkreuzung Download PDF

Info

Publication number
DE102018202970A1
DE102018202970A1 DE102018202970.9A DE102018202970A DE102018202970A1 DE 102018202970 A1 DE102018202970 A1 DE 102018202970A1 DE 102018202970 A DE102018202970 A DE 102018202970A DE 102018202970 A1 DE102018202970 A1 DE 102018202970A1
Authority
DE
Germany
Prior art keywords
data
road
vehicle
lane
connectivity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102018202970.9A
Other languages
English (en)
Inventor
Philip Wette
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE102018202970.9A priority Critical patent/DE102018202970A1/de
Priority to US16/285,456 priority patent/US10949682B2/en
Priority to CN201910148551.5A priority patent/CN110211371B/zh
Publication of DE102018202970A1 publication Critical patent/DE102018202970A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/56Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/36Input/output arrangements for on-board computers
    • G01C21/3626Details of the output of route guidance instructions
    • G01C21/3658Lane guidance
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804Creation or updating of map data
    • G01C21/3807Creation or updating of map data characterised by the type of data
    • G01C21/3815Road data
    • G01C21/3819Road shape data, e.g. outline of a route
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • G08G1/0129Traffic data processing for creating historical data or processing based on historical data
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/167Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • H04W4/029Location-based management or tracking services
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30Services specially adapted for particular environments, situations or purposes
    • H04W4/40Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/048Activation functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)

Abstract

Verfahren zum Ermitteln einer topologischen Information einer Straßenkreuzung, aufweisend die Schritte:
- Spurgenaues Verorten eines Fahrzeugs beim Befahren der Straßenkreuzung;
- Ermitteln von Daten durch das Fahrzeug beim Befahren der Straßenkreuzung;
- Übermitteln der Daten an eine Verarbeitungseinrichtung (40); und
- Ermitteln einer Konnektivität von Spur-Fahrbahn-Kombinationen der Straßenkreuzung aus den Daten mittels der Verarbeitungseinrichtung (40).

Description

  • Die Erfindung betrifft ein Verfahren zum Ermitteln einer topologischen Information einer Straßenkreuzung. Die Erfindung betrifft ferner eine Vorrichtung zum Ermitteln einer topologischen Information einer Straßenkreuzung. Die Erfindung betrifft ferner ein Computerprogrammprodukt.
  • Stand der Technik
  • Im Stand der Technik sind Möglichkeiten bekannt, mit denen sich Fahrzeuge (beispielsweise mittels Kamera, GPS, Inertialsensorik, usw.) spurgenau verorten können.
  • Ferner ist bekannt, durch eine Aggregation von durch Messfahrzeugen erfassten Geometrien (z.B. Spurmarkierungen, Straßenschilder, usw.) hochgenaue Straßenkarten zu erzeugen.
  • EP 3 171 292 A1 offenbart ein Verfahren zur Verarbeitung von Kartendaten, insbesondere Fahrspurdaten. Dabei wird ein neuronales Netzwerk verwendet, um Übereinstimmungen zwischen Originalbildern und aktuellen Bildern zu bestimmen und eine Fahrspur zuordnen zu können, um auf diese Weise hochgenaue Karten zu erstellen.
  • CN 102 436 598 A beschreibt ein Verfahren zur Ermittlung einer optimalen Fahrroute auf Basis von Kamera- und Positionsinformationen, die mit Hilfe eines neuronalen Netzes verarbeitet werden. Offenbart ist eine Anwendung neuronaler Netze im Straßenverkehr, indem Fahrtrouten auf Basis dieser Netze ermittelt werden.
  • Offenbarung der Erfindung
  • Es ist eine Aufgabe der vorliegenden Erfindung, eine Konnektivitäts-Information für eine Straßenkreuzung bereitzustellen.
  • Gemäß einem ersten Aspekt wird die Aufgabe gelöst mit einem Verfahren zum Erzeugen von topologischen Informationen einer Straßenkarte, aufweisend die Schritte:
    • - Spurgenaues Verorten eines Fahrzeugs beim Befahren der Straßenkreuzung;
    • - Ermitteln von Daten durch das Fahrzeug beim Befahren der Straßenkreuzung;
    • - Übermitteln der Daten an eine Verarbeitungseinrichtung; und
    • - Ermitteln einer Konnektivität von Spur-Fahrbahn-Kombinationen der Straßenkreuzung aus den Daten mittels der Verarbeitungseinrichtung.
  • Vorteilhaft wird auf diese Weise ein Ermitteln einer Konnektivität, d.h. ein Ermitteln einer Verknüpfung einer Eingangsspur mit einer Ausgangsspur der Straßenkreuzung durchgeführt. Auf diese Weise wird vorteilhaft eine Information bereitgestellt, wie ein Fahrzeug innerhalb einer Kreuzung geführt werden kann. Aus vielen, potentiell auch fehlerbehafteten Daten wird dadurch im Ergebnis eine fehlerfreie topologische Information einer Straßenkreuzung bereitgestellt. Vorteilhaft können diese Daten auf vielfältige Weise weiterverwendet werden, zum Beispiel für Hersteller von digitalen Karten, Hersteller von Navigationssystemen, usw.
  • Gemäß einem zweiten Aspekt wird die Aufgabe gelöst mit einem System zum Ermitteln einer topologischen Information einer Straßenkreuzung, aufweisend:
    • - eine Verortungseinrichtung zum spurgenauen Verorten eines Fahrzeugs beim Befahren der Straßenkreuzung;
    • - eine Ermittlungseinrichtung zum Ermitteln von Daten durch das Fahrzeug beim Befahren der Straßenkreuzung;
    • - eine Übermittlungseinrichtung zum Übermitteln der Daten an eine Verarbeitungseinrichtung, wobei die Verarbeitungseinrichtung zum Ermitteln einer Konnektivität der Spuren der Straßenkreuzung aus den Daten ausgebildet ist.
  • Vorteilhafte Weiterbildungen des Verfahrens sind Gegenstand von abhängigen Ansprüchen.
  • Eine vorteilhafte Weiterbildung des Verfahrens sieht vor, dass das spurgenaue Verorten des Fahrzeugs unter Verwendung von WGS85-Koordinaten durchgeführt wird. Auf diese Weise wird ein bewährtes Verfahren zum genauen Lokalisieren in Form von GPS-Daten genutzt.
  • Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass das spurgenaue Verorten des Fahrzeugs unter Verwendung von Straßennamen durchgeführt wird. Dadurch wird eine alternative Möglichkeit des spurgenauen Verortens bereitgestellt.
  • Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass für das Ermitteln der Konnektivität Daten einer definiert hohen Anzahl von Fahrten der Fahrzeuge verwendet werden. Dadurch ist eine statistische hohe Datengüte unterstützt.
  • Eine weitere vorteilhafte Weiterbildung des Verfahrens zeichnet sich dadurch aus, dass aus den Daten Spurwechselmatrizen erstellt werden, die angeben, aus welcher Spur-Straße-Kombination das Fahrzeug in eine andere Spur-Straße-Kombination einfährt, wobei die Spurwechselmatrizen einem neuronalen Netz als Eingangsdaten bereitgestellt werden.
  • Eine weitere vorteilhafte Weiterbildung des Verfahrens zeichnet sich dadurch aus, dass beim Ermitteln der Konnektivität eine definierte Filterung von unwahrscheinlichen Konnektivitätsdaten durchgeführt wird. Auf diese Weise wird eine weitestgehende Vermeidung von nicht vorhandenen Konnektivitätsdaten erreicht.
  • Weitere vorteilhafte Weiterbildungen des Verfahrens zeichnen sich dadurch aus, dass das Übermitteln der Daten an die Verarbeitungseinrichtung in Echtzeit oder nicht in Echtzeit durchgeführt wird. Dadurch werden vorteilhaft unterschiedliche Möglichkeiten der Übermittlung der Daten bereitgestellt.
  • Eine weitere vorteilhafte Ausführungsform des Verfahrens zeichnet sich dadurch aus, dass das neuronale Netz die Daten betreffend Konnektivität in Form einer Zahl oder in Form einer Adjazenzmatrix bereitstellt. Dadurch werden vorteilhaft unterschiedliche Möglichkeiten zur Ausgabe der Konnektivitätsdaten bereitgestellt.
  • Die Erfindung wird im Folgenden mit weiteren Merkmalen und Vorteilen anhand von mehreren Figuren detailliert beschrieben. Dabei bilden alle beschriebenen oder dargestellten Merkmale für sich oder in beliebiger Kombination den Gegenstand der Erfindung, unabhängig von ihrer Zusammenfassung in den Patentansprüchen oder deren Rückbeziehung, sowie unabhängig von ihrer Formulierung bzw. Darstellung in der Beschreibung bzw. in den Figuren.
  • Offenbarte Verfahrensmerkmale ergeben sich analog aus entsprechenden offenbarten Vorrichtungsmerkmalen und umgekehrt. Dies bedeutet insbesondere, dass sich Merkmale, technische Vorteile und Ausführungen betreffend das Verfahren in analoger Weise aus entsprechenden Ausführungen, Merkmalen und Vorteilen des Systems ergeben und umgekehrt.
  • In den Figuren zeigt:
    • 1 eine prinzipielle Darstellung einer Straßenkreuzung mit mehreren Fahrbahnen und Fahrspuren;
    • 2 eine prinzipielle Darstellung einer Funktionsweise eines vorgeschlagenen Verfahrens zum Ermitteln von topologischen Informationen einer Straßenkreuzung;
    • 3 ein Blockschaltbild einer Ausführungsform eines Systems zum Ermitteln einer topologischen Information einer Straßenkreuzung; und
    • 4 einen prinzipiellen Ablauf einer Ausführungsform des vorgeschlagenen Verfahrens zum Ermitteln einer topologischen Information einer Straßenkreuzung.
  • Beschreibung von Ausführungsformen
  • Ein Kerngedanke der Erfindung ist es insbesondere, ein automatisiertes Verfahren bereitzustellen, mit dem aus einer Menge von einfachen Beobachtungen von einer Flotte von Fahrzeugen die Verbindungen von Spuren auf unterschiedlichen Straßen zueinander ermittelt werden kann. Zu einem Paar von Straßen A und B ermittelt das vorgeschlagene Verfahren somit, von welcher Spur auf Straße A ein Fahrzeug auf welche Menge von Spuren auf Straße B abbiegen kann.
  • Die einfachen Beobachtungen der Fahrzeugflotte umfassen dabei die folgenden Beobachtungen:
    • - Eine Abfolge von dem vom Fahrzeug bei seiner letzten Fahrt befahrenen Straßenabschnitten
    • - Für jeden Straßenabschnitt: Auf welcher Spur glaubte das Fahrzeug sich aufgehalten zu haben?
    • - An welchen Stellen glaubt ein Fahrzeug einen Spurwechsel getätigt zu haben und von welcher Spur wurde auf welche andere Spur gewechselt?
  • Die genannten Beobachtungen können von jedem Fahrzeug, das in der Lage ist, sich spurgenau auf einer Straßenkarte zu verorten, gemacht werden. Dabei ist es möglich, dass die Beobachtungen von einzelnen Fahrzeugen fehlerbehaftet sind. Das mit der Erfindung vorgeschlagene Verfahren ist tolerant gegenüber derartigen Beobachtungsfehlern.
  • Vorgeschlagen wird mit der vorliegenden Erfindung, dass Fahrzeuge Straßenkreuzungen in einem Beobachtungsgebiet durchfahren und Ergebnisse ihrer spurgenauen Selbstortung vorzugsweise drahtlos an eine zentrale Instanz übermitteln. Die drahtlose Übermittlung kann dabei mittels Mobilfunk, WLAN oder mittels einer anderen drahtlosen Übermittlungstechnologie durchgeführt werden.
  • Aus einer definierten Menge dieser Beobachtungen schließt diese zentrale Instanz nunmehr, wie die Fahrspuren von unterschiedlichen Straßen miteinander verbunden sind („Konnektivität“). Diese können für eine Kreuzung von vier Straßen zum Beispiel wie in 1 dargestellt aussehen:
  • Man erkennt eine Kreuzung mit insgesamt vier Fahrbahnen A, B, C und D, wobei die Fahrbahnen A und C jeweils drei Fahrspuren 0...2 aufweisen und wobei die Fahrbahnen B und D jeweils vier Fahrspuren 0...3 aufweisen. Mit dem vorgeschlagenen Verfahren wird ermittelt, aus welcher Spur einer der Fahrbahnen A-D in welche Spur einer anderen Fahrbahn abgebogen werden kann.
  • Bekannte und in der Praxis eingesetzte Verfahren zur Generierung von spurgenauen Straßenkarten sind mit aufwendiger manueller Arbeit verbunden. Darüber hinaus verwenden die dabei verwendeten Fahrzeuge spezielle und zum Teil sehr kostenintensive Hardware zum Aufzeichnen von infrastrukturellen Gegebenheiten.
  • Das mit der Erfindung vorgeschlagene Verfahren benötigt demgegenüber nur eine Möglichkeit einer spurgenauen Selbstverortung. Dadurch, dass durch diese Fahrzeuge permanent Beobachtungsdaten gemeldet werden können, kann die spurgenaue Straßenkarte mit einer wesentlich höheren Rate aktualisiert werden.
  • Jedes Fahrzeug einer Flotte protokolliert die von diesem Fahrzeug gefahrene Strecke. Dazu wird zu der durchfahrenen Abfolge von Straßen (deren Existenz vorzugsweise aus einer Onboard-Karte bekannt ist) jeweils protokolliert, auf welcher Spur sich das Fahrzeug befunden hat (Eigenspurschätzung) und wo (geographisch, zum Beispiel mittels GPS-Position anhand von WGS85-Koordinaten, Straßennamen, usw.) das Fahrzeug einen Spurwechsel durchgeführt hat. Da die Eigenspurschätzung möglicherweise fehlerbehaftet sein kann, wird die von einem Fahrzeug protokollierte Strecke im Folgenden als „fehlerbehaftete spurgenaue Route R“ bezeichnet.
  • Sei: R ( P × S × G )
    Figure DE102018202970A1_0001
    mit:
  • P....
    Menge aller befahrbaren Straßenabschnitte
    S...
    Menge aller möglichen Spuren einer Straße
    G...
    Menge aller geographischen Positionen auf der Erde
  • Dann beschreibt: r = ( ( p 0 , s 0 , g 0 ) ,   ( p 0 , s 1 , g 1 ) ,   ( p 1 , s 2 , g 2 ) ,   ( p 1 , s 3 , g 3 ) )  mit p 0 ,  p 1    P s 0 , s 1 , s 2 , s 3    S g 0 , g 1 , g 2    G
    Figure DE102018202970A1_0002
    eine mögliche fehlerbehaftete, spurgenaue Route, die aussagt, dass ein Fahrzeug bei g0 auf Straße p0 die Spur s0 benutzt hat und bei g1 auf p0 von Spur s0 nach Spur s1 gewechselt hat. Anschließend wurde bei g2 von Straße p0 Spur s1 auf Straße p1 Spur s2 gewechselt und bei g3 auf p1 von Spur s2 auf Spur s3 gefahren, wobei gilt:
  • pi ....
    eine konkrete Ausprägung einer Straße
    si ...
    eine konkrete Ausprägung einer Fahrspur
    gi ...
    eine konkrete Ausprägung einer geographischen Position
  • Fehlerbehaftete spurgenaue Routen von einer Menge von Fahrzeugen werden nun in einer Verarbeitungseinrichtung 40 in Form einer zentralen Instanz bzw. eines Backend-Systems gesammelt. Dieses Backend-System ist im Besitz einer elektronischen Straßenkarte K, die jedoch nicht zwingend Informationen über die Konnektivität von Spuren der Fahrbahnen zueinander besitzt.
  • Mit dem vorgeschlagenen Verfahren ist es möglich, diese Informationen betreffend die Konnektivität zu generieren.
  • Eine schematische Darstellung des Verfahrens ist in 2 dargestellt. Zu jedem geographischen Punkt g ∈ G, an dem in der digitalen Karte K zwei oder mehr Straßen p0, p1,..., pn ∈ P aufeinandertreffen („Kreuzung“ bzw. „Straßenkreuzung“), wird geprüft, ob ausreichend (z.B. 1000 oder mehr) potentiell fehlerbehaftete Routen auf der Verarbeitungseinrichtung verfügbar sind, bei denen Fahrzeuge von p0 auf eine der Straßen p1... pn gefahren sind.
  • Ist dies der Fall, so wird für jedes der Kreuzung zugehörige Straßenpaar (si,sj), 0 ≤ i, j ≤ n sowie i ≠j eine Matrix („Spurwechselmatrix“) M ( i ,j )  N m × m
    Figure DE102018202970A1_0003
    erstellt, bei der der Eintrag M k , l ( i , j )
    Figure DE102018202970A1_0004
    angibt, wie viele Fahrzeuge in den Beobachtungen von Spur k auf Straße si auf Spur I auf Straße sj gewechselt sind.
  • Nmxm ... Menge aller Matrizen mit m Zeilen und m Spalten, die ausschließlich natürliche Zahlen enthalten
  • Diese Matrix wird nun als Eingang für ein zuvor trainiertes neuronales Netz verwendet, das aus dieser Matrix die Konnektivität der Straßen si und sj zueinander ermittelt und anschließend ausgibt. Wird dies für alle Straßenpaare der Kreuzung durchgeführt, kann somit die spurgenaue Konnektivität der gesamten Kreuzung bestimmt werden, indem diese Information für alle Fahrbahnen der Kreuzung aggregiert wird.
  • Bei dem verwendeten neuronalen Netz handelt es sich vorzugsweise um ein Feedforward neural network mit vorzugsweise mehreren verborgenen Layern, wobei der Eingang des neuronalen Netzes die Matrix M(i,j) ∈ Nmxm ist. Diese wird dem neuronalen Netz als Vektor V ∈ Rm.m zugeführt, wobei gilt: V mk + l = M k , l ( i , j )
    Figure DE102018202970A1_0005

    wobei gilt:
  • Rm.m ..
    Menge aller Vektoren der Länge m · m (= m2), die ausschließlich aus reellen Zahlen bestehen
    Figure DE102018202970A1_0006
    ...
    Eintrag, der in Zeile k und Spalte I der Matrix M(i,j)
    M(i,j) ..
    Spurwechselmatrix, welche die Anzahl der getätigten Spurwechsel zwischen dem Straßenpaar pi und pj beschreibt

    0≤ k ≤ m
    0 ≤ 1 ≤ m
    m ∈ N
    N ...
    Menge aller natürlichen Zahlen (inclusive 0)
  • V kann auch in den Wertebereich [0,1] normalisiert werden. Das neuronale Netz besitzt somit m2 Eingangs-Knoten und o Ausgangs-Knoten, wobei o die Anzahl der sinnvollen Möglichkeiten darstellt, mit denen Spuren von zwei Fahrbahnen der Straßenkreuzung miteinander verbunden werden können. Das neuronale Netz bildet die Eingangs-Matrix M(i,j) somit auf eine der Möglichkeiten ab, auf welche Weise zwei Fahrbahnen pi, pj miteinander verbunden werden können. Diese Möglichkeiten werden noch vor der Trainingsphase des neuronalen Netzes vollständig und eindeutig enumeriert und jeweils genau einem Ausgangs-Knoten zugewiesen.
  • Zum Beispiel gilt für Fahrbahnen mit bis zu m Spuren:
    • Möglichkeit 1: pi Spur 0 auf pj Spur 0 Möglichkeit 2: pi Spur 0 auf pj Spur 1 ... Möglichkeit m: pi Spur 0 auf pj Spur m Möglichkeit m+1: pi Spur 1 auf pj Spur 0 ... Möglichkeit m2: pi Spur m auf pj Spur m Möglichkeit m2 + 1: pi Spur 0 auf pj Spur 0, sowie pi Spur 1 auf pj Spur 1 ... Möglichkeit m2 + (m - 1)2: pi Spur m-1 auf pj Spur m-1, sowie pi Spur m auf pj Spur m ... Möglichkeit i = 0 m 1 ( m 1 ) 2 : p i
      Figure DE102018202970A1_0007
      pi Spur k auf pj Spur k .... für 0 ≤ k ≤ m
  • Für m = 10 wären dies o = 385 Möglichkeiten. Somit wird auf diese Art und Weise eine Ausgangsinformation des neuronalen Netzes durch eine Zahl repräsentiert, die eine Konnektivität zwischen einer Spur-Straße-Kombination und einer anderen Spur-Straße-Kombination der Straßenkreuzung angibt.
  • Alternativ dazu, dass das neuronale Netzwerk die Eingangs-Matrix M(i, j) auf eine Möglichkeit abbildet, wie die zwei Fahrbahnen pi, pj miteinander verbunden werden können, kann die Ausgabe des neuronalen Netzes auch aus o = m2 Knoten bestehen, die als Adjazenzmatrix der Spuren interpretiert werden kann. Dazu gibt der (mk + I)-te Ausgangs-Knoten des neuronalen Netzes an, dass eine Verbindung zwischen Spur k von Straße i und Spur I von Straße j besteht, wobei gilt:
    • 0 ≤ k,l ≤ m.
  • Es ist für den Fachmann erkennbar, dass zur Durchführung des vorgeschlagenen Verfahrens eine Vielzahl von neuronalen Netzwerken verwendet werden kann, die auf unterschiedliche Weise trainiert werden können.
  • Das Training des neuronalen Netzes kann auf unterschiedliche Weisen erfolgen. Zum Beispiel haben die folgenden beispielhaft genannten Parameter gute Ergebnisse ergeben, wobei es sich jedoch von selbst versteht, dass gute Ergebnisse auch mit anderen, hier nicht genannten Parametern erreicht werden können:
    • - Optimierungsalgorithmus: stochastischer Gradient Decent mit einer Iteration
    • - Zielfunktion: Mean Squared Logarithmic Error
    • - Update: Nesterovs mit Momentum 0.98
    • - Initiale Gewichte mittels Xavier
    • - Lernrate von 0.1
    • - Einteilen der Eingänge in o verschiedene Klassen (maximal m Spuren je Straße, jede Klasse repräsentiert eine mögliche „Abbiege-Topologie“ zwischen zwei Straßen
    • - 100 Datensätze pro Klasse, wobei ein Datensatz aus ca. 300 Durchfahrten besteht
    • - Minibatches von 250 Datensätzen, die zufällig aus den o . 100 Trainingsdatensätzen gezogen sind
    wobei als Aktivierungsfunktion die Softsign-Funktion f ( x ) = x 1 + | x |
    Figure DE102018202970A1_0008
    verwendet wurde, wobei aber auch andere Funktionen denkbar sind.
  • 2 zeigt eine prinzipielle Funktionsweise des vorgeschlagenen Verfahrens. Man erkennt einen dreizeiligen Aufbau, der andeutet, dass von einer Einfahrtstraße bzw. -fahrbahn drei Ausfahrtstraßen bzw. -fahrbahnen denkbar sind, wie es durch eine Straßenkreuzung mit vier Fahrbahnen realisiert ist.
  • In einer Spalte 1 werden in einem Prozess eines spurgenauen Verortens der Fahrzeuge Daten einer Spur-Straße-Kombination mit einer dabei gefahrenen anderen Spur-Straße-Kombination ermittelt und bilden dadurch die zugeordnete Spurwechselmatrix. Die drei Zeilen der Spalte 2 repräsentieren Ausschnitte der Spurwechselmatrix von Spalte 1, die drei Möglichkeiten repräsentieren, aus welcher Spur von Fahrbahn A in damit verbundene Spuren der Fahrbahnen B, C, D abgebogen werden kann.
  • In Spalte 3 werden die Spurwechselmatrizen jeweils einem neuronalen Netz zugeführt. In einer Spalte 4 wird mittels des neuronalen Netzes eine Konnektivität zwischen den Spur-Fahrbahn-Kombinationen der Straßenkreuzung ermittelt.
  • Spalte 5 repräsentiert die Ausgangsinformationen des neuronalen Netzes, die somit die Konnektivität der gesamten Kreuzung angeben, was durch Pfeile innerhalb der Straßenkreuzung angedeutet ist.
  • 3 zeigt ein Blockschaltbild einer Ausführungsform eines vorgeschlagenen Systems 100 zum Ermitteln einer Topologie einer Straßenkreuzung.
  • Man erkennt eine Verortungseinrichtung 10 zum spurgenauen Verorten eines Fahrzeugs (nicht dargestellt) beim Befahren der Straßenkreuzung. Die Verortungseinrichtung 10 ist funktional mit einer Ermittlungseinrichtung 20 verbunden, die zum Ermitteln von Daten durch das Fahrzeug beim Befahren der Straßenkreuzung vorgesehen ist. Funktional mit der Ermittlungseinrichtung 20 ist eine Übermittlungseinrichtung 30 zum drahtlosen Übermitteln der Daten an eine Verarbeitungseinrichtung 40 vorgesehen. Alternativ kann auch vorgesehen sein, die Daten an die Verarbeitungseinrichtung 40 drahtgebunden zu übermitteln. Dabei kann vorgesehen sein, die genannten Daten in Echtzeit oder alternativ nicht in Echtzeit an die Verarbeitungseinrichtung 40 zu übermitteln. Die Verarbeitungseinrichtung 40 ist ausgebildet, eine Konnektivität der Spuren der Straßenkreuzung aus den zugeführten Daten zu ermitteln.
  • 4 zeigt einen prinzipiellen Ablauf eines Verfahrens zum Ermitteln einer Topologie einer Straßenkreuzung.
  • In einem Schritt 200 wird ein spurgenaues Verorten eines Fahrzeugs beim Befahren der Straßenkreuzung durchgeführt.
  • In einem Schritt 210 wird ein Ermitteln von Daten durch das Fahrzeug beim Befahren der Straßenkreuzung durchgeführt.
    In einem Schritt 220 wird ein Übermitteln der Daten an eine Verarbeitungseinrichtung 40 durchgeführt.
  • In einem Schritt 230 wird mittels der Verarbeitungseinrichtung 40 ein Ermitteln einer Konnektivität von Spur-Fahrbahn-Kombinationen der Straßenkreuzung aus den Daten durchgeführt.
  • Im Ergebnis können mit dem vorgeschlagenen Verfahren ein Sicherheitsniveau im Straßenverkehr vorteilhaft erhöht und ein homogener Verkehrsfluss bereitgestellt sein.
  • Vorteilhaft lässt sich das erfindungsgemäße Verfahren als eine Software implementieren, die beispielsweise auf dem System 100 abläuft. Eine einfache Adaptierbarkeit des Verfahrens ist auf diese Weise unterstützt.
  • Der Fachmann wird die Merkmale der Erfindung in geeigneter Weise abändern und/oder miteinander kombinieren, ohne vom Kern 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 Patentliteratur
    • EP 3171292 A1 [0004]
    • CN 102436598 A [0005]

Claims (10)

  1. Verfahren zum Ermitteln einer topologischen Information einer Straßenkreuzung, aufweisend die Schritte: - Spurgenaues Verorten eines Fahrzeugs beim Befahren der Straßenkreuzung; - Ermitteln von Daten durch das Fahrzeug beim Befahren der Straßenkreuzung; - Übermitteln der Daten an eine Verarbeitungseinrichtung (40); und - Ermitteln einer Konnektivität von Spur-Fahrbahn-Kombinationen der Straßenkreuzung aus den Daten mittels der Verarbeitungseinrichtung (40).
  2. Verfahren nach Anspruch 1, wobei das spurgenaue Verorten des Fahrzeugs unter Verwendung von WGS85-Koordinaten durchgeführt wird.
  3. Verfahren nach Anspruch 1, wobei das spurgenaue Verorten des Fahrzeugs unter Verwendung von Straßennamen durchgeführt wird.
  4. Verfahren nach einem der vorhergehenden Ansprüche, wobei für das Ermitteln der Konnektivität Daten einer definiert hohen Anzahl von Fahrten der Fahrzeuge verwendet werden.
  5. Verfahren nach einem der vorhergehenden Ansprüche, wobei aus den Daten Spurwechselmatrizen erstellt werden, die angeben, aus welcher Spur-Straße-Kombination das Fahrzeug in eine andere Spur-Straße-Kombination einfährt, wobei die Spurwechselmatrizen einem neuronalen Netz als Eingangsdaten bereitgestellt werden.
  6. Verfahren nach einem der vorhergehenden Ansprüche, wobei beim Ermitteln der Konnektivität eine definierte Filterung von unwahrscheinlichen Konnektivitätsdaten durchgeführt wird.
  7. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Übermitteln der Daten an die Verarbeitungseinrichtung (40) in Echtzeit oder nicht in Echtzeit durchgeführt wird.
  8. Verfahren nach einem der vorhergehenden Ansprüche, wobei das neuronale Netz die Daten betreffend Konnektivität in Form einer Zahl oder in Form einer Adjazenzmatrix bereitstellt.
  9. System (100) zum Ermitteln einer topologischen Information einer Straßenkreuzung, aufweisend: - eine Verortungseinrichtung (10) zum spurgenauen Verorten eines Fahrzeugs beim Befahren der Straßenkreuzung; - eine Ermittlungseinrichtung (20) zum Ermitteln von Daten durch das Fahrzeug beim Befahren der Straßenkreuzung; - eine Übermittlungseinrichtung (30) zum Übermitteln der Daten an eine Verarbeitungseinrichtung (40); wobei die Verarbeitungseinrichtung (40) zum Ermitteln einer Konnektivität der Spuren der Straßenkreuzung aus den Daten ausgebildet ist.
  10. Computerprogrammprodukt mit Programmcodemitteln zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 8, wenn es auf einer elektronischen Vorrichtung (100) abläuft oder auf einem computerlesbaren Datenträger gespeichert ist.
DE102018202970.9A 2018-02-28 2018-02-28 Verfahren zum Ermitteln einer topologischen Information einer Straßenkreuzung Pending DE102018202970A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
DE102018202970.9A DE102018202970A1 (de) 2018-02-28 2018-02-28 Verfahren zum Ermitteln einer topologischen Information einer Straßenkreuzung
US16/285,456 US10949682B2 (en) 2018-02-28 2019-02-26 Method for ascertaining a piece of topological information of an intersection
CN201910148551.5A CN110211371B (zh) 2018-02-28 2019-02-28 用于求取道路交叉口的拓扑信息的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102018202970.9A DE102018202970A1 (de) 2018-02-28 2018-02-28 Verfahren zum Ermitteln einer topologischen Information einer Straßenkreuzung

Publications (1)

Publication Number Publication Date
DE102018202970A1 true DE102018202970A1 (de) 2019-08-29

Family

ID=67550173

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102018202970.9A Pending DE102018202970A1 (de) 2018-02-28 2018-02-28 Verfahren zum Ermitteln einer topologischen Information einer Straßenkreuzung

Country Status (3)

Country Link
US (1) US10949682B2 (de)
CN (1) CN110211371B (de)
DE (1) DE102018202970A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113237486A (zh) * 2021-05-13 2021-08-10 京东鲲鹏(江苏)科技有限公司 道路横向拓扑关系构建方法、装置、配送车及存储介质
CN115311759A (zh) * 2022-07-08 2022-11-08 东风汽车集团股份有限公司 一种车辆耐久目标获取方法、装置、设备及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110827544B (zh) * 2019-11-11 2022-09-02 重庆邮电大学 一种基于图卷积循环神经网络的短时交通流控制方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2416302A1 (de) * 2010-08-02 2012-02-08 Siemens Industry, Inc. System und Verfahren für die spurenspezifische Fahrzeugerkennung und Steuerung
CN102436598A (zh) * 2011-09-08 2012-05-02 崔志明 一种基于交通图像信息的车辆最优路径挖掘方法
DE102013205057B3 (de) * 2013-03-21 2014-08-28 Siemens Aktiengesellschaft Verfahren zum Betreiben einer stationären Einrichtung sowie stationäre Einrichtung innerhalb eines Systems zur Kommunikation
US20140358414A1 (en) * 2013-06-01 2014-12-04 Faroog Ibrahim System and method for creating, storing, and updating local dynamic MAP database with safety attribute
DE102013227144A1 (de) * 2013-12-23 2014-12-11 Siemens Aktiengesellschaft Verkehrskommunikationsstation sowie Verfahren zum Betreiben einer Verkehrskommunikationsstation
DE102013107960A1 (de) * 2013-07-25 2015-01-29 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren zur Aktualisierung einer Datenbasis sowie Einrichtung und Computerprogramm
EP3128495A1 (de) * 2015-08-05 2017-02-08 Siemens Aktiengesellschaft Verfahren zur geographischen bereichserkennung von verkehrsinfrastruktur
EP3171292A1 (de) * 2015-09-10 2017-05-24 Baidu Online Network Technology (Beijing) Co., Ltd. Fahrbahndatenverarbeitungsverfahren, vorrichtung, speichermedium und vorrichtung

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0932134A4 (de) * 1996-09-20 2009-01-07 Toyota Motor Co Ltd System und gerät zur bereitstellung von positionsformationen
KR20000025578A (ko) * 1998-10-13 2000-05-06 윤종용 차로의 모델링 방법 및 그를 이용한 차선 인식 방법
US6442456B2 (en) * 2000-03-07 2002-08-27 Modular Mining Systems, Inc. Anti-rut system for autonomous-vehicle guidance
DE102004039854A1 (de) * 2004-08-17 2006-03-09 Siemens Ag Verfahren zum Ermitteln von Verkehrsinformationen, Verfahren zum Steuern des Verkehrs, sowie System zum Durchführen der Verfahren
WO2009076182A1 (en) * 2007-12-13 2009-06-18 Clemson University Vision based real time traffic monitoring
GB0822893D0 (en) * 2008-12-16 2009-01-21 Tele Atlas Bv Advanced speed profiles - Further updates
KR101225626B1 (ko) * 2010-07-19 2013-01-24 포항공과대학교 산학협력단 차선 인식 시스템 및 방법
EP2541498B1 (de) * 2011-06-30 2017-09-06 Harman Becker Automotive Systems GmbH Verfahren zur Bestimmung der extrinsischen Parameter eines Farzeugsichtsystems und Fahrzeugsichtsystem
DE102011083375A1 (de) * 2011-09-26 2013-03-28 Robert Bosch Gmbh Verfahren zur Übermittlung von Routendaten für die Verkehrstelematik
US9816823B2 (en) * 2013-03-15 2017-11-14 Hewlett Packard Enterprise Development Lp Updating road maps
JP6145024B2 (ja) * 2013-10-25 2017-06-07 日立建機株式会社 ダンプトラックの運行管理システム
WO2015098280A1 (ja) * 2013-12-27 2015-07-02 株式会社シーズ・ラボ 地図データ更新装置
DE102014200638A1 (de) * 2014-01-16 2015-07-30 Bayerische Motoren Werke Aktiengesellschaft Verfahren und System zum Schätzen eines Fahrspurverlaufs
EP2918974B1 (de) * 2014-03-11 2019-01-16 Volvo Car Corporation Verfahren und System zur Bestimmung der Position eines Fahrzeugs
JP6280850B2 (ja) * 2014-09-29 2018-02-14 日立建機株式会社 障害物回避システム
CN104331422B (zh) * 2014-10-14 2018-07-10 广州市香港科大霍英东研究院 一种路段类型推测方法
US10369994B2 (en) * 2016-07-20 2019-08-06 Ford Global Technologies, Llc Rear camera stub detection
CN107226087B (zh) * 2017-05-26 2019-03-26 西安电子科技大学 一种结构化道路自动驾驶运输车及控制方法
US10657821B2 (en) * 2018-06-13 2020-05-19 Whelen Engineering Company, Inc. Autonomous intersection warning system for connected vehicles

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2416302A1 (de) * 2010-08-02 2012-02-08 Siemens Industry, Inc. System und Verfahren für die spurenspezifische Fahrzeugerkennung und Steuerung
CN102436598A (zh) * 2011-09-08 2012-05-02 崔志明 一种基于交通图像信息的车辆最优路径挖掘方法
DE102013205057B3 (de) * 2013-03-21 2014-08-28 Siemens Aktiengesellschaft Verfahren zum Betreiben einer stationären Einrichtung sowie stationäre Einrichtung innerhalb eines Systems zur Kommunikation
US20140358414A1 (en) * 2013-06-01 2014-12-04 Faroog Ibrahim System and method for creating, storing, and updating local dynamic MAP database with safety attribute
DE102013107960A1 (de) * 2013-07-25 2015-01-29 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren zur Aktualisierung einer Datenbasis sowie Einrichtung und Computerprogramm
DE102013227144A1 (de) * 2013-12-23 2014-12-11 Siemens Aktiengesellschaft Verkehrskommunikationsstation sowie Verfahren zum Betreiben einer Verkehrskommunikationsstation
EP3128495A1 (de) * 2015-08-05 2017-02-08 Siemens Aktiengesellschaft Verfahren zur geographischen bereichserkennung von verkehrsinfrastruktur
EP3171292A1 (de) * 2015-09-10 2017-05-24 Baidu Online Network Technology (Beijing) Co., Ltd. Fahrbahndatenverarbeitungsverfahren, vorrichtung, speichermedium und vorrichtung

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113237486A (zh) * 2021-05-13 2021-08-10 京东鲲鹏(江苏)科技有限公司 道路横向拓扑关系构建方法、装置、配送车及存储介质
CN113237486B (zh) * 2021-05-13 2024-04-12 京东鲲鹏(江苏)科技有限公司 道路横向拓扑关系构建方法、装置、配送车及存储介质
CN115311759A (zh) * 2022-07-08 2022-11-08 东风汽车集团股份有限公司 一种车辆耐久目标获取方法、装置、设备及存储介质
CN115311759B (zh) * 2022-07-08 2023-09-05 东风汽车集团股份有限公司 一种车辆耐久目标获取方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US10949682B2 (en) 2021-03-16
CN110211371B (zh) 2022-10-11
CN110211371A (zh) 2019-09-06
US20190266417A1 (en) 2019-08-29

Similar Documents

Publication Publication Date Title
EP3443301B1 (de) Verfahren und system zum bestimmen einer globalen position einer ersten landmarke
DE112014004990B4 (de) Verfahren zum Erzeugen exakter Fahrspurebenen-Karten
DE102013208521B4 (de) Kollektives Erlernen eines hochgenauen Straßenmodells
DE112017005850T5 (de) Kartendatenbereitstellungssystem
EP0902406B1 (de) Verfahren zur Übertragung von Wegedaten und zur Analyse des Verkehrswegenetzes sowie Verkehrserfassungszentrale und Endgerät
EP0798540B1 (de) Verfahren zur Referenzierung von ortsfesten Objekten
DE102014204892A1 (de) Verfahren zum Erstellen und Verwenden einer lokalen Karte eines Fahrwegs eines Fahrzeugs
DE10030932A1 (de) Verfahren zur Erzeugung, Prüfung, Ergänzung und/oder Aktualisierung von Straßenkartendaten
EP1219928A2 (de) Verfahren und Vorrichtung zum Erzeugen von Strassenabschnitten für eine digitale Landkarte
WO1988009916A1 (en) Process and device for determining the position of a land craft
EP3391086B1 (de) Verbessertes verfahren zum ermitteln der randbebauung einer fahrbahn für die lokalisierung von kraftfahrzeugen
EP2507589A1 (de) Verfahren zur vereinfachung einer beschreibung einer fahrtroute
DE102018202970A1 (de) Verfahren zum Ermitteln einer topologischen Information einer Straßenkreuzung
DE102018206420B4 (de) Bildübermittlungsprogramm, Bildübermittlungsvorrichtung und Bildübermittlungsverfahren
DE102013107960A1 (de) Verfahren zur Aktualisierung einer Datenbasis sowie Einrichtung und Computerprogramm
DE102018218043A1 (de) Ermittlung einer Anzahl von Fahrspuren sowie von Spurmarkierungen auf Straßenabschnitten
DE19729914A1 (de) Verfahren zur Analyse eines Verkehrsnetzes, Verkehrsanalyse, Verkehrsprognose sowie Erzeugung einer historischen Verkehrsdatenbank und Verkehrsanalyse- und -prognosezentrale
DE102019000630A1 (de) Verfahren und Vorrichtung zur Geolokalisierung von Grundursachen von durch ein Fahrzeug erfassten Ereignissen
DE102017200865A1 (de) Verfahren zum fahrspurspezifischen Verorten eines Fahrzeugs
DE102012212815B4 (de) Verfahren zur Auswahl und Aufbereitung von Verkehrsinformationen
DE102017006142A1 (de) Verfahren zur Lokalisierung eines Fahrzeuges innerhalb eines Fahrstreifens
DE102017201188A1 (de) Verfahren und Vorrichtung zum Ermitteln einer Position einer freien Parklücke
DE102017204774A1 (de) Verfahren und System zum Erzeugen einer elektronischen Navigationskarte
DE102020120667A1 (de) System und Verfahren zum Map Matching von GNSS-Positionen eines Fahrzeugs
DE10148224A1 (de) Verfahren und System zur Ermittlung von Kartendaten

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication