DE102020123976A1

DE102020123976A1 - Verfahren, System und Computerprogrammprodukt zur Bestimmung von sicherheitskritischen Verkehrsszenarien für Fahrerassistenzsysteme (FAS) und hochautomatisierte Fahrfunktionen (HAF)

Info

Publication number: DE102020123976A1
Application number: DE102020123976.9A
Authority: DE
Inventors: Nadine Drollinger; Phillip Mielke
Original assignee: Dr Ing HCF Porsche AG
Current assignee: Dr Ing HCF Porsche AG
Priority date: 2020-09-15
Filing date: 2020-09-15
Publication date: 2022-03-17
Also published as: US20220080975A1; US11801843B2; CN114261394B; KR102658770B1; KR20220036870A; CN114261394A

Abstract

Die Erfindung betrifft ein Verfahren zur Bestimmung von sicherheitskritischen Verkehrsszenarien für Fahrerassistenzsysteme und hochautomatisierte Fahrfunktionen für zumindest ein sich bewegendes Objekt, wie insbesondere ein Kraftfahrzeug, wobei ein sicherheitskritisches Verkehrsszenarium zumindest einen Szenarium-Typ einen mittels geographischer Koordinaten bestimmbaren Ort und einen Sicherheitswert aufweist, umfassend die folgenden Verfahrensschritte:- Aufnehmen von ersten Daten von Detektoren eines Fahrzeugs beim Fahren entlang einer Route, wobei den ersten Daten jeweils geographische Koordinaten zugeordnet werden;- Aufnehmen von zweiten Daten von Sensoren zur Erfassung von physiologischen und physischen Reaktionen eines Fahrers eines Fahrzeugs während des Fahrens entlang der Route, wobei den zweiten Daten jeweils geographische Koordinaten zugeordnet werden;- Senden der ersten und zweiten Daten an eine Datenauswertungseinheit;- Kombinieren der ersten Daten und der zweiten Daten mit den gleichen geographischen Koordinaten miteinander, so dass sie Daten an einem bestimmten geographischen Ort repräsentieren;- Identifizieren eines Szenariums für den bestimmten geographischen Ort aufgrund der ersten und zweiten Daten;- Klassifizieren des identifizierten Szenariums mit einem Schwierigkeitswert.

Description

Die Erfindung betrifft ein Verfahren, ein System und ein Computerprogrammprodukt zur Bestimmung von sicherheitskritischen Verkehrsszenarien für Fahrerassistenzsysteme (FAS) und hochautomatisierte Fahrfunktionen (HAF) für zumindest ein sich bewegendes Objekt, wie insbesondere ein Kraftfahrzeug, wobei ein sicherheitskritisches Verkehrsszenarium zumindest einen Szenarium-Typ, einen mittels geographischer Koordinaten bestimmbaren Ort und einen Sicherheitswert aufweist.
Der Trend zu Fahrerassistenzsystemen (FAS) und hochautomatisierten Fahrfunktionen (HAF) bei Kraftfahrzeugen, aber auch bei Luftfahrzeugen oder Wasserfahrzeugen erfordert umfangreiche Absicherungsstrategien, da die Verantwortung über die Fahrzeugführung nicht mehr uneingeschränkt beim Fahrer liegt, sondern aktive Funktionen von Rechnereinheiten im Fahrzeug übernommen werden. Daher muss sichergestellt werden, dass autonom sich bewegende Objekte nur eine sehr geringere Fehlerrate beim Fahrverhalten aufweisen. Die Erkennung und Klassifizierung von Objekten und die Interpretation von Verkehrsszenarien im Umfeld eines Fahrzeugs sind wichtige Voraussetzungen für eine sichere Funktionsfähigkeit von Fahrerassistenzsystemen. Hierfür ist das gezielte Testen sowohl von Extrem- und Ausnahmesituationen (engl. Corner-Cases) als auch von alltäglichen Situationen erforderlich. Derartige Extremsituationen ergeben sich durch eine besondere Kombination von verschiedenen Faktoren. Beispiele hierfür sind infrastrukturelle Besonderheiten wie beispielsweise der Straßentyp, die Randbebauung an einer Straße, die Qualität der Markierungen aber auch Umgebungsbedingungen wie beispielsweise Witterungsbedingungen, die Tages- und die Jahreszeit. Zudem ist das Verhalten der anderen Verkehrsteilnehmer bedeutsam. Bei Luftfahrzeugen und Wasserfahrzeugen spielen insbesondere die geographische Topographie und die Wetterverhältnisse eine große Rolle.
Verkehrstechnische Ausnahmesituationen sind jedoch in der realen Welt schwierig zu finden, da einige Ereignisse und Situationen nur selten auftreten. Darüber hinaus ist eine Auswertung von verfügbaren Verkehrsdaten, beispielsweise der Daten von Testfahrzeugen, die zur Datensammlung eingesetzt werden, schwierig, da die relevanten Daten oftmals nicht ausreichend klassifiziert und damit auffindbar sind.
Allerdings reagiert ein menschlicher Fahrer häufig sehr intuitiv und schnell auf eine bestimmte Gefahrensituation und zeigt dabei typische physiologische Reaktionen wie eine Erhöhung der Herzfrequenz und erweiterte Pupillen sowie physische Reaktionen im Fahrzeug wie ein plötzliches Betätigen der Bremsvorrichtung.
Die DE102016201939A1 beschreibt ein System zur Erfassung einer plötzlich gesteigerten Aufmerksamkeit des Fahrers durch geeignete Sensoren. Zusätzlich kann durch Sensoren die Blickrichtung des Fahrers in dieser Situation registriert werden. Diese Daten werden verwendet, um ein Objekt im Umfeld des Fahrers zu bestimmen und Eingriffe in das Fahrverhalten des Fahrzeugs zu rechtfertigen.
Die DE102018206666A1 beschreibt ein Verfahren zum Warnen eines Fahrers eines Fahrzeugs vor einer Situation, bei der eine geringe Leistungsfähigkeit des Fahrers auftritt. Hierzu wird ein Fahrsituationssignal eingelesen, das eine aktuelle Fahrsituation repräsentiert. Unter Verwendung des Fahrsituationssignals und eines zu erwartenden Leistungsabfalls des Fahrers wird ein Warnsignal ausgegeben, wenn die aktuelle Fahrsituation einer Fahrsituation mit zu erwartendem Leistungsabfall entspricht.
Die der Erfindung zu Grunde liegende Aufgabe besteht somit darin, ein Verfahren, ein System und ein Computerprogrammprodukt zur Bestimmung von sicherheitsrelevanten Szenarien für Fahrerassistenzsysteme (FAF) und hochautomatisierte Fahrfunktionen (HAF) für zumindest ein sich bewegendes Objekt, wie insbesondere ein Kraftfahrzeug zu schaffen, das mögliche auftretende sicherheitsrelevante Szenarien entlang einer Route umfassend identifiziert und klassifiziert.
Gemäß der vorliegenden Erfindung wird ein Verfahren, ein System und ein Computerprogrammprodukt vorgeschlagen, durch das eine umfassende Bestimmung von sicherheitsrelevanten Verkehrsszenarien ermöglicht wird, um hierdurch beispielsweise die Grundlage für die Bereitstellung von Fahrerassistenzsystemen und hochautomatisierten Fahrfunktionen und/oder Flugsituationen zu schaffen, die sich sowohl in alltäglichen Situationen als auch in fahrtechnischen Extremsituationen durch ein hohes Maß an Sicherheit und Zuverlässigkeit auszeichnen.
Diese Aufgabe wird hinsichtlich eines Verfahrens durch die Merkmale des Patentanspruchs 1, hinsichtlich eines Systems durch die Merkmale des Patentanspruchs 8 erfindungsgemäß, und hinsichtlich eines Computerprogrammprodukts durch die Merkmale des Patentanspruchs 15 gelöst. Die weiteren Ansprüche betreffen bevorzugte Ausgestaltungen der Erfindung.
Gemäß einem ersten Aspekt betrifft die Erfindung ein Verfahren zur Bestimmung von sicherheitskritischen Verkehrsszenarien S₁, S₂, ..., S_n für Fahrerassistenzsysteme (FAS) und hochautomatisierte Fahrfunktionen (HAF) für zumindest ein sich bewegendes Objekt, wie insbesondere ein Kraftfahrzeug, wobei ein sicherheitskritisches Verkehrsszenarium S_i(x,y,z) zumindest einen Szenarium-Typ S_i einen mittels geographischer Koordinaten bestimmbaren Ort und einen Sicherheitswert W_i aufweist, umfassend die folgenden Verfahrensschritte:

- Aufnehmen von ersten Daten und/oder Bildern von Detektoren und Sensoren eines Fahrzeugs beim Fahren entlang einer Route, wobei den ersten Daten und/oder Bildern jeweils geographische Koordinaten zugeordnet werden;
- Senden der ersten Daten und/oder Bilder an eine Datenauswertungseinheit;
- Aufnehmen von zweiten Daten und/oder Bildern von Sensoren zur Erfassung von physiologischen und physischen Reaktionen eines Fahrers eines Fahrzeugs während des Fahrens entlang der Route, wobei den zweiten Daten und/oder Bildern jeweils geographische Koordinaten zugeordnet werden;
- Senden der zweiten Daten und/oder Bilder an eine Datenauswertungseinheit;
- Kombinieren der ersten Daten und der zweiten Daten mit den gleichen geographischen Koordinaten miteinander, so dass sie Daten an einem bestimmten geographischen Ort repräsentieren;
- Identifizieren eines Szenariums S_i(x,y,z) für den bestimmten geographischen Ort aufgrund der ersten und zweiten Daten;
- Klassifizieren des identifizierten Szenariums S_i(x,y,z) mit einem Schwierigkeitswert W_i.

In einer Weiterentwicklung ist vorgesehen, dass die Eigenschaften von möglichen Szenarien-Typen S₁, S₂,..., S_n aus den übermittelten ersten und zweiten Daten in einem Extraktionsmodul der Datenauswertungseinheit extrahiert werden.
In einer weiteren Ausführungsform ist vorgesehen, dass die Eigenschaften von dem Extraktionsmodul an ein Klassifizierungsmodul mit Algorithmen zur Klassifizierung übermittelt werden, und dass das Klassifizierungsmodul den extrahierten Eigenschaften ein oder mehrere vordefinierte Szenarien-Typen S₁, S₂,..., S_n zuordnet und zumindest einen passenden Szenarium-Typ S_i identifiziert. Das identifizierte reale Szenarium Sj(x,y,z) wird mit geographischen Koordinaten und/oder weiteren Metadaten wie dem Zeitpunkt der Datenaufnahme in einem Speichermodul gespeichert.
Vorteilhaftweise werden als weitere Datenquellen kartographische Informationen, Daten zu Verkehrszahlen, Luftbildaufnahmen und/oder Daten zu Wetterinformationen und/oder Daten aus einem Schattenmodul verwendet.
Insbesondere sind die Sensoren für die zweiten Daten als Herzfrequenzmessgeräte, Infrarotkameras, Brillen mit optischen Sensoren, Innenraumkameras, Bewegungssensoren, Beschleunigungssensoren, Drucksensoren und/oder Mikrofone ausgebildet zur Aufnahme von physiologischen und physischen Messdaten des Fahrers und/oder der Insassen wie der Herzfrequenz und/oder der Hauttemperatur und/oder Bilder der Pupillen des Fahrers und/oder plötzliche Bremsbetätigungen und/oder Lenkaktivitäten und/oder Sprachäußerungen.
In einer Weiterbildung ist vorgesehen, dass in der Datenauswertungseinheit Grenzwerte für die zweiten Daten festgelegt werden und ein Überschreiten eines Grenzwerts für eine Klassifizierung des identifizierten Szenariums S_i(x,y,z) mit einem Schwierigkeitswert W_i verwendet wird.
Insbesondere stellt ein Szenarium-Typ Sj einen Straßenschauplatz und/oder eine Verkehrssituation dar.
Gemäß einem zweiten Aspekt betrifft die Erfindung ein System zur Bestimmung von sicherheitskritischen Verkehrsszenarien S₁, S₂, ..., S_n für Fahrerassistenzsysteme (FAS) und hochautomatisierte Fahrfunktionen (HAF) für zumindest ein sich bewegendes Objekt, wie insbesondere ein Kraftfahrzeug. Ein sicherheitskritisches Verkehrsszenarium S_i(x,y,z) weist zumindest einen Szenarium-Typ S₁, einen mittels geographischer Koordinaten bestimmbaren Ort und einen Sicherheitswert W_i auf. Das System umfasst Detektoren und Sensoren eines Fahrzeugs, die ausgebildet sind, beim Fahren des Fahrzeugs entlang einer Route erste Daten und/oder Bilder aufzunehmen, und die ersten Daten und/oder Bilder an eine Datenauswertungseinheit zu senden. Den ersten Daten und/oder Bildern werden jeweils geographische Koordinaten zugeordnet. Des Weiteren sind Sensoren vorgesehen, die ausgebildet sind, zweite Daten und/oder Bilder von physiologischen und physischen Reaktionen eines Fahrers eines Fahrzeugs während des Fahrens entlang der Route zu erfassen, und die zweiten Daten und/oder Bilder an eine Datenauswertungseinheit zu senden. Den zweiten Daten und/oder Bildern werden jeweils geographische Koordinaten zugeordnet. Die Datenauswertungseinheit ist ausgebildet, die ersten Daten und die zweiten Daten mit den gleichen geographischen Koordinaten miteinander zu kombinieren, so dass sie Daten an einem bestimmten geographischen Ort repräsentieren, und ein Szenarium S_i(x,y,z) für den bestimmten geographischen Ort aufgrund der ersten und zweiten Daten zu identifizieren, und das identifizierte Szenarium S_i(x,y,z) mit einem Schwierigkeitswert W_i zu klassifizieren.
Vorteilhafterweise weist die Datenauswertungseinheit ein Extraktionsmodul, ein Klassifizierungsmodul und ein Speichermodul auf, wobei das Extraktionsmodul ausgebildet ist, Eigenschaften von möglichen Szenarien-Typen S₁, S₂,..., S_n aus den übermittelten ersten und zweiten Daten zu extrahieren.
In einer Weiterbildung ist vorgesehen, dass die Eigenschaften von dem Extraktionsmodul an ein Klassifizierungsmodul mit Algorithmen zur Klassifizierung übermittelt werden, das Klassifizierungsmodul den extrahierten Eigenschaften ein oder mehrere vordefinierte Szenarien-Typen S₁, S₂,..., S_n zuordnet und zumindest einen passenden Szenarium-Typ S_i identifiziert, und dass das identifizierte reale Szenarium Sj(x,y,z) mit geographischen Koordinaten und/oder weiteren Metadaten wie dem Zeitpunkt der Datenaufnahme in einem Speichermodul gespeichert wird.
In einer weiteren Ausführungsform werden als weitere Datenquellen kartographische Informationen, Daten zu Verkehrszahlen, Luftbildaufnahmen und/oder Daten zu Wetterinformationen und/oder Daten aus einem Schattenmodul verwendet.
Insbesondere sind die Sensoren für die zweiten Daten als Herzfrequenzmessgeräte, Infrarotkameras, Brillen mit optischen Sensoren, Innenraumkameras, Bewegungssensoren, Beschleunigungssensoren, Drucksensoren und/oder Mikrofonen ausgebildet zur Aufnahme von physiologischen und physischen Messdaten des Fahrers und/oder der Insassen wie der Herzfrequenz und/oder der Hauttemperatur und/oder Bilder der Pupillen des Fahrers und/oder plötzliche Bremsbetätigungen und/oder Lenkaktivitäten und/oder Sprachäußerungen.
In einer Weiterentwicklung sind in der Datenauswertungseinheit Grenzwerte für die zweiten Daten festgelegt und ein Überschreiten eines Grenzwerts wird für eine Klassifizierung des identifizierten Szenariums S_i(x,y,z) mit einem Schwierigkeitswert W_i verwendet.
Insbesondere stellt ein Szenarium-Typ Sj einen Straßenschauplatz und/oder eine Verkehrssituation dar.
Gemäß einem dritten Aspekt stellt die Erfindung ein Computerprogrammprodukt bereit, das einen ausführbaren Programmcode umfasst, der so konfiguriert ist, dass er bei seiner Ausführung das Verfahren gemäß dem ersten Aspekt ausführt.
Nachfolgend wird die Erfindung anhand von in der Zeichnung dargestellten Ausführungsbeispielen näher erläutert.
Dabei zeigt:

1 ein Blockdiagramm zur Erläuterung eines Ausführungsbeispiels eines erfindungsgemäßen Systems;
3 ein Flussdiagramm zur Erläuterung der einzelnen Verfahrensschritte des erfindungsgemäßen Verfahrens;
2 schematisch ein Computerprogrammprodukt gemäß einer Ausführungsform des dritten Aspekts der Erfindung.

Zusätzliche Kennzeichen, Aspekte und Vorteile der Erfindung oder ihrer Ausführungsbeispiele werden durch die ausführliche Beschreibung in Verbindung mit den Ansprüchen ersichtlich.
Fahrerassistenzsysteme greifen teilautonom oder autonom in den Antrieb, die Steuerung oder Signalisierungseinrichtungen eines Fahrzeuges ein oder warnen durch geeignete Mensch-Maschine-Schnittstellen den Fahrer kurz vor oder während kritischer Situationen. Die Erkennung und die Klassifikation von Verkehrssituationen und Objekten sowie die Interpretation des Verkehrsszenarios im Umfeld des Fahrzeugs sind bedeutsam für die Leistungsfähigkeit von Fahrerassistenzsystemen (FAS) und hochautomatisierten Fahrfunktionen (HAF).
Den verschiedenen Verkehrssituationen können Szenarien-Typen S₁, S₂,..., S_n zugordnet werden, die sich durch bestimmte Eigenschaften (engl. features) charakterisieren lassen. Durch die Kombination bestimmter Eigenschaften wird somit ein Szenarium-Typ bestimmt. Beispiele von Eigenschaften sind die Beschilderung oder die Straßeninfrastruktur wie die Art des Straßenbelags, die Anzahl der Fahrspuren, mögliche Baustellen. So ist der Szenarium-Typ einer Brücke durch Eigenschaften wie ein Geländer links und rechts der Straße und ein sichtbarer Übergang auf der Straße bestimmt. Der Szenarium-Typ eines Autobahntunnels kann durch Eigenschaften wie Deckenleuchten, eine Wand mit Türen und ein insgesamt dunkles Bildfeld charakterisiert werden.
Neben einer Erkennung von Szenarien-Typen wie beispielsweise ein bestimmter Schauplatz wie eine Brücke, ein Tunnel, ein mehrspuriger Kreisverkehr oder Ampeln auf der Autobahn, ist der Schwierigkeitsgrad W_i eines konkreten Verkehrsszenarios von Bedeutung. So kann das Szenarium eines Tunnels an einem Ort X für ein Fahrerassistenzsystem einfach zu beherrschen sein, während ein Tunnel an einem Ort Y einen erheblichen Schwierigkeitsgrad aufweist und damit mit höheren Sicherheitsanforderungen verbunden ist. Es daher erforderlich, die jeweiligen Verkehrssituationen bzw. Szenarien hinsichtlich ihrer Sicherheitsanforderungen zu klassifizieren. Neben einer generellen Klassifizierung einer Verkehrssituation bzw. eines Szenariums als Extremsituation erfolgt darüber hinaus vorzugsweise eine spezifische Klassifizierung. Beispielsweise kann eine Extremsituation die erhöhte Wahrscheinlichkeit einer Kollision mit einem anderen Kraftfahrzeug auf einem bestimmten Autobahnabschnitt beinhalten, während eine andere Extremsituation die Wahrscheinlichkeit eines Wildschadens in einem Straßenabschnitt durch ein bewaldetes Gebiet aufweist.
1 zeigt ein erfindungsgemäßes System 100 zur Bestimmung von sicherheitskritischen Verkehrssituationen bzw. Szenarien für Fahrerassistenzsysteme (FAS) und hochautomatisierten Fahrfunktionen (HAF) für ein sich bewegendes Objekt auf einer Route. Bei dem sich bewegenden Objekt kann es sich um ein Kraftfahrzeug wie ein Personenfahrzeug oder ein Lastkraftfahrzeug, ein Flugfahrzeug oder ein Wasserfahrzeug handeln, wobei es sich bei den Flugfahrzeugen insbesondere um unbemannte Flugfahrzeuge (Drohnen) und bei den Wasserfahrzeugen insbesondere um Schiffe, Boote und Fähren handelt.
Erfindungsgemäß werden erste Daten und Bilder 10 von Straßenschauplätze und/oder Verkehrssituationen oder geographische Topographien einer Route mit verschiedenen Detektoren 11 und Sensoren 12 erfasst, die beispielsweise in einem Testfahrzeug angebracht sind. Bei den Detektoren 11 und Sensoren 12 handelt es sich vorzugsweise um ein oder mehrere Kameras, die einen bestimmten Schauplatz und/oder eine Verkehrssituation abbilden. Es kann sich aber auch um akustische Sensoren, LIDAR (Light detection and ranging)-Systeme mit optischer Abstands- und Geschwindigkeitsmessung, stereoskopische optische Kamerasysteme, Ultraschallsysteme oder Radarsysteme handeln. Die Daten 10 bestehen daher vorzugsweise aus Sensordaten und Kamerabildern. Die Bilder und Daten 10 können von Testobjekten wie Testfahrzeugen oder Testdrohnen aufgenommen werden, die eine bestimmte Route oder Strecke abfahren oder abfliegen und diese Route mit den Detektoren 11 und Sensoren 12 aufnehmen. Darüber hinaus können Daten 10 auch durch Kommunikation mit dem Fahrzeugumfeld, insbesondere mit anderen Fahrzeugen wie der Car2Car-Kommunikation, oder stationären Informationssystemen, zur Verfügung gestellt werden.
Die ersten Daten und Bilder 10 werden gespeichert, entweder in entsprechenden Speichereinheiten oder Modulen der Detektoren 11 und Sensoren 12 oder in externen Speichermodulen wie einer Cloud-Computing Speichereinheit. Insbesondere werden die erfassten Daten und Bilder 10 mit den geographischen Koordinaten, dem Zeitpunkt der Datenerfassung und anderen Metadaten gespeichert.
Unter einer „Speichereinheit“ oder „Speichermodul“ und dergleichen kann im Zusammenhang mit der Erfindung beispielsweise ein flüchtiger Speicher in Form von einem Arbeitsspeicher (engl. Random-Access Memory, RAM) oder ein dauerhafter Speicher wie eine Festplatte oder ein Datenträger oder beispielsweise ein wechselbares Speichermodul oder eine cloudbasierte Speicherlösung verstanden werden.
Unter einem „Modul“ kann im Zusammenhang mit der Erfindung beispielsweise ein Prozessor und/oder eine Speichereinheit zum Speichern von Programmbefehlen verstanden werden. Beispielsweise ist der Prozessor und/oder die Steuereinheit speziell dazu eingerichtet, die Programmbefehle derart auszuführen, damit der Prozessor und/oder die Steuereinheit Funktionen ausführt, um das erfindungsgemäße Verfahren oder einen Schritt des erfindungsgemäßen Verfahrens zu implementieren oder zu realisieren.
Darüber hinaus werden erfindungsgemäß zweite Daten 40, die vom Fahrer des sich bewegenden Objekts, insbesondere eines Kraftfahrzeugs selbst beim Abfahren der Route erzeugt werden, erfasst und ausgewertet. Der Hintergrund hierfür ist, dass im allgemeinen gefährliche Situationen im Straßenverkehr für einen Fahrer eines Kraftfahrzeugs eine besondere Belastung und damit Stresssituation darstellen und zu körperlichen und psychischen Stressreaktionen führen, um diese Situation zu bewältigen. Auf der biochemischen Ebene führt eine Stresssituation binnen Sekunden zu einer Ausschüttung von Stresshormonen wie Adrenalin, Noradrenalin, Kortisol und Kortison, wodurch eine vegetative Wirkungskette ausgelöst wird, die zu einer Erhöhung des Blutsdrucks, des Blutzuckers sowie allgemein des Muskeltonus führt. Durch das sympathische Nervensystem wird die Herzfrequenz und Pulsfrequenz erhöht und die Herzkranzgefäße erweitern sich. Die Blutgefäße der Haut und der inneren Organe verengen sich und die Pupillen erweitern sich, um besser sehen zu können. Hierdurch wird der Körper auf Kampf oder Flucht vorbereitet.
Erfindungsgemäß werden die physiologischen und physischen Reaktionen des Fahrers mittels geeigneter Sensoren erfasst und für eine Klassifizierung von Fahrsituationen verwendet. Darüber hinaus können auch die Reaktionen der Fahrzeuginsassen erfasst werden. Als Sensoren 41 können Messbänder wie Fitness Tracker beispielsweise von FITBIT^® oder anderen Herstellern verwendet werden, die die Herzfrequenz kontinuierlich messen. Diese Fitnessbänder können am Handgelenk des Fahrers oder der Insassen befestigt werden und die gemessenen Daten können einfach ausgelesen werden. Der Puls und damit die Herzfrequenz wird bei diesen Geräten im allgemeinen optisch mittels des geänderten Reflexionsverhaltens von ausgesandtem LED-Licht bei einer Veränderung des Blutflusses aufgrund des Zusammenziehens der Blutkapillargefäße beim Herzschlag gemessen. Das Gerät emittiert typischerweise Licht im grünen Wellenlängenbereich in das Gewebe am Handgelenk und misst das reflektierte Licht. Da Blut das Licht in diesem Wellenlängenbereich stark absorbiert, schwankt beim Pulsieren der Blutgefäße die gemessene Lichtintensität, woraus die Herzfrequenz bestimmt werden kann. In einer Stresssituation beschleunigt sich die Herzfrequenz, so dass die geänderte Herzfrequenz ein guter Indikator für das Auftreten einer Stresssituation ist.
Es können aber auch mit Sensoren ausgestattete Kleidungsstücke oder Smart Watches oder entsprechende Brillen verwendet werden. Darüber hinaus können optische Sensoren 42 wie Innenraumkameras eingesetzt werden, um die Änderung der Mimik und Gestik eines Fahrers aufzuzeichnen, wie erweiterte Pupillen als Kennzeichen einer Angstreaktion. Denkbar sind auch Infrarotkameras 43 zur Messung der Hautoberflächentemperatur und Sensoren zur Ermittlung von Schweißbildung. Auch sind körperinterne Sensoren, wie sogenannte Smart Pills denkbar, die in Pillenform ausgebildet und schluckbar sind. Sie können chemische Reaktionen im Körper ermitteln und beispielsweise per Funkverbindung die ermittelten Daten an eine externe Speichereinrichtung senden.
Eine plötzliche Änderung eines Parameters wie die Herzfrequenz deuten auf das Erkennen einer Gefahrensituation durch den Fahrer hin. Vorteilhafterweise wird daher eine charakteristische Abweichung von einem Normalwert als Grenzwert definiert, der auf eine solche Extremsituation hinweist.
Des Weiteren können direkte physischen Reaktionen des Fahrers wie die Lenkaktivität und die Bremspedalbetätigung sowie der Insassen im Kraftfahrzeug erfasst werden. Hierbei kann es sich um das plötzliche und kraftvolle Betätigen der Bremsvorrichtung durch den Fahrer handeln, wenn er beispielsweise der Gefahr einer Kollision mit einem anderen Fahrzeug ausweichen will. Die Bremsvorrichtung ist mit Bremssensoren 43 versehen, die eine schnelle und plötzliche Änderung im Bremsverhalten registrieren. Die Sensoren 44 können als kapazitive Beschleunigungssensoren ausgebildet sein. Darüber hinaus sind Drucksensoren 45 am Lenkrad und im Fahrersitz denkbar, die einen festeren Griff am Lenkrad und eine größere Druckausübung auf die Sitzfläche durch den Fahrer und/oder die Insassen feststellen, wenn dieser das Lenkrad fester umfasst und sich stärker in den Sitz hineinpresst aufgrund der während der Stresssituation auftretenden Verstärkung des Muskeltonus. Auch schnelle und ruckartige Lenkbewegungen des Lenkrads können mit entsprechenden Bewegungssensoren 46 erfasst werden. Auch hier weisen charakteristische Abweichungen von einem Normalwert auf eine solche Extremsituation hin.
Eine Gefahrensituation kann aber auch zu spontanen Sprachäußerungen des Fahrers beispielsweise als Ausdruck einer Verärgerung führen oder von Warnungsmitteilungen eines Beifahrers begleitet sein. Diese akustischen Signale können von einem Mikrofon 47 aufgezeichnet werden.
Darüber hinaus können weitere Daten 20 verwendet werden, die von einem Schattenmodul 22 in einem Fahrzeug erfasst werden. Das Schattenmodul 22 weist eigene Datenerfassungssysteme auf oder ist mit den Detektoren 11 und Sensoren 12 verbunden.
Das Schattenmodul 22 löst die Datenerfassungssysteme und/oder Detektoren 11 und Sensoren 12 durch Hintergrundfunktionen bei einem fahrenden Fahrzeug aus und arbeitet daher in einem sogenannten Schattenmodus (engl. shadow mode). Bei den Fahrzeugen kann es sich um Testfahrzeuge oder auch um Kundenfahrzeugen handeln. Dies gilt in gleicher Weise im Fall von Flugfahrzeugen oder Wasserfahrzeugen. In dem Schattenmodul 22 sind Trigger vorgesehen, die auf ein spezifisches Verhalten einzelner Komponenten des Fahrzeugs ansprechen. So kann beispielsweise das Überschreiten bestimmter Beschleunigungswerte einen Trigger auslösen, so dass dann die entsprechenden Datenerfassungssysteme einen Straßenschauplatz oder eine Verkehrssituation erfassen. Die von den Detektoren 11, Sensoren 12 und den Datenerfassungssystemen des Schattenmoduls 22 aufgezeichneten Daten und Bilder 10, 20 werden entweder in einem Datenspeicher der Detektoren 11 und Sensoren 12 gespeichert oder direkt an das Schattenmodul 22 übermittelt. Dabei werden auch diese erfassten Daten und Bilder 10, 20 jeweils mit räumlichen Koordinaten, dem Zeitpunkt der Datenerfassung und anderen Metadaten gespeichert.
Darüber hinaus können zusätzliche Datenquellen 30 beziehungsweise Datenbanken verwendet werden. Hierzu zählen insbesondere Datenbanken, die Daten über das Straßennetz mit Straßenspezifikationen wie beispielsweise Fahrspuren und Brücken, die Straßeninfrastruktur wie beispielsweise der Straßenbelag, die Randbebauung, die Straßenführung beinhalten und von Behörden zur Verfügung gestellt werden. Aber auch die bundesweite Datenbank zur Erfassung aller Unfälle mit schweren Verletzungen, die vom Statistischen Bundesamt zur Verfügung gestellt wird, ist eine wichtige Datenquelle. Ähnliche Datensätze gibt es auch in vielen anderen Ländern.
Zudem sind Verkehrszahlen wie das reale stündliche Verkehrsaufkommen an einem bestimmten Verkehrsschauplatz für bestimmte Szenarien-Typen wie beispielsweise ein Stau von Interesse. Die Daten werden von der Bundesanstalt für Straßenwesen frei zugänglich zur Verfügung gestellt.
Eine weitere Datenquelle 30 bilden Luftbildaufnahmen beispielsweise von Google Maps. Für Straßenbilder kann aber auch Mapillary verwendet werden. Mapillary sammelt benutzergenerierte Straßenbilder mit Geo-Tags, die von Dashcams und Smartphones aufgezeichnet wurden. Diese Bilder stehen unter einer Open-Source-Lizenz zur Verfügung.
Da auch die Wetterverhältnisse einen Szenarium-Typ definieren können, sind Wetterdaten eine weitere Datenquelle 30. Dabei umfassen Wetterdaten historische Wettermessungen und zukünftige Wettervorhersagen.
Die Berechnung und Speicherung aller geografischen Objekte erfolgt vorzugsweise im EPSG 25832-Koordinatensystem (Universal Transverse Mercator (UTM) Zone 32N). Dieses System wird auch von Behörden in Deutschland eingesetzt. Die laterale und die longitudinale Position werden in Metern dargestellt. Darüber hinaus können globale Referenzsysteme wie das „World Geodetic System 1984 (WGS 84)“ verwendet werden, das auch in GPS-Empfängern (Global Positioning System) Verwendung findet. So kann beispielsweise der gesamte Karteninhalt von Deutschland importiert werden.
Diese erfassten und teilweise aufbereiteten Daten 10, 20, 30 werden einer Datenauswertungseinheit 50 zugeführt.
Die von den Sensoren 41, 42, 43, 44, 45, 46, 47 aufgenommenen zweiten Daten 40 über die physischen und physiologischen Reaktionen des Fahrers und/oder der Insassen eines Kraftfahrzeugs werden in Speichereinheiten der Sensoren 41, 42, 43, 44, 45, 46, 47 und/oder oder in externen Speichermodulen gespeichert und ebenfalls der Datenauswertungseinheit 50 zugeführt.
In der Datenauswertungseinheit 50 werden Szenarien und Verkehrssituationen, die für Fahrassistenzsysteme (FAS) und hochautomatisierten Fahrfunktionen (HAF) bei Kraftfahrzeugen relevant sind, erkannt. Dabei werden die ersten Daten der Detektoren 11 und 12 mit den zweiten Daten der Sensoren 41, 42, 43, 44, 45, 46, 47, und/oder der Daten 20, die im Schattenmodus 22 erzeugt wurden, und/oder mit weiteren Daten 30 kombiniert, um die Wahrscheinlichkeit des Erkennens von Verkehrsszenarien, die Extremsituationen darstellen, zu erhöhen.
Insbesondere kann die Datenauswertungseinheit 50 ein Extraktionsmodul 60, ein Klassifizierungsmodul 70 und ein Speichermodul 80 aufweisen. Das Extraktionsmodul 60 extrahiert aus den ersten Daten 10 von den Detektoren 11, Sensoren 12, den zweiten Daten 40 der Sensoren 41, 42, 43, 44, 45, 46, 47, die physiologische und physische Reaktionen des Fahrers und/oder der Insassen erfassen, sowie der Daten 20 des Schattenmodul 22 und den anderen Datenquellen 30 relevante Eigenschaften zur Charakterisierung von Verkehrsszenarien. Diese Eigenschaften werden vorzugsweise an ein Klassifizierungsmodul 70 weitergegeben.
Das Klassifizierungsmodul 70 weist Algorithmen der künstlichen Intelligenz zur Klassifizierung auf und ordnet den Eigenschaften ein oder mehrere passende Szenarien-Typen S₁, S₂,..., S_n sowie einen Schwierigkeitsgrad W_i zu. Diese Szenarien-Typen S₁, S₂,..., S_n wurden vordefiniert und sind in einer Datenbank 75 gespeichert. So können beispielsweise plötzliche und starke Lenkbewegungen auf andere Arten von Extremsituationen hindeuten als etwa Schimpfäußerungen des Fahrers.
Ein identifiziertes reales Szenarium S_i(x,y,z) wird zusammen mit einem berechneten Schwierigkeitswert W_i sowie der geographischen Position und anderen Metadaten wie dem Zeitpunkt der Datenerfassung in dem Speichermodul 80 gespeichert. Aus dem Speichermodul 80 kann es von Fahrerassistenzsystemen (FAS) und hochautomatisierten Fahrfunktionen (HAF) 90 aufgerufen werden, beispielsweise beim Befahren einer Route.
Darüber hinaus können die identifizierten realen Szenarien S_i(x,y,z) von einem Ausgabemodul 95 verwendet werden. Das Ausgabemodul 95 weist Routenplanungs- und Navigationsalgorithmen auf und kann auf das Speichermodul 80 zugreifen. Vorzugsweise weist das Ausgabemodul 95 einen Bildschirm 97 und Benutzerschnittstehen auf, um beispielsweise eine digitale Karte einer geplanten Route darzustellen. Auf der digitalen Karte können die Szenarien Si(x,y,z), die einen hohen Schwierigkeitswert W_i aufweisen und damit als sicherheitsrelevant identifiziert und klassifiziert wurden, entsprechend markiert sein. Insbesondere handelt es sich bei dem Bildschirm 97 des Ausgabemoduls 95 um den Bildschirm des Navigationssystems des Fahrzeugs. Es ist aber auch denkbar, dass ein mobiles Endgerät des Nutzers wie ein Smartphone als Ausgabemodul 95 und Nutzerschnittstelle allein oder zusätzlich verwendet wird. Auch ist es denkbar, dass ein Computer beispielsweise in einem Test- und Entwicklungszentrum als Ausgabemodul 95 vorgesehen ist.
In der 2 sind die Verfahrensschritte des erfindungsgemäßen Verfahrens dargestellt.
In einem Schritt S10 werden beim Fahren eines Fahrzeugs entlang einer Route von Detektoren 11 und Sensoren 12 erste Daten 10 und/oder Bilder aufgenommen, wobei den ersten Daten 10 und Bildern jeweils geographische Koordinaten zugeordnet werden.
In einem Schritt S20 werden die von den Detektoren 11 und Sensoren 12 aufgenommen ersten Daten und/oder Bilder 10 an eine Datenauswertungseinheit 50 gesandt.
In einem Schritt S30 werden beim Fahren entlang der Route von Sensoren 41, 42, 43, 44, 45, 46, 47 zweite Daten und/oder Bilder 40 aufgenommen, die physiologische und/oder physische Reaktionen eines Fahrers des Fahrzeugs erfassen, wobei den zweiten Daten und/oder Bildern 40 jeweils geographische Koordinaten zugeordnet werden.
In einem Schritt S40 werden die von den Sensoren 41, 42, 43, 44, 45, 46, 47 aufgenommen zweiten Daten und/oder Bilder 40 an eine Datenauswertungseinheit 50 gesandt.
In einem Schritt S50 werden die ersten Daten 10 und die zweiten Daten 40 mit den gleichen geographischen Koordinaten miteinander kombiniert, so dass sie Daten an einem bestimmten geographischen Ort repräsentieren.
In einem Schritt S60 werden den ersten und zweiten Daten 10, 40 an einem bestimmten geographischen Ort zumindest ein passender Szenarium-Typ S_i zugeordnet und ein reales Szenarium S_i(x,y,z) identifiziert.
In einem Schritt S70 wird dem identifizierten realen Szenarium S_i(x,y,z) ein Schwierigkeitswert W_i zugeordnet.
3 stellt schematisch ein Computerprogrammprodukt 200 dar, das einen ausführbaren Programmcode 205 umfasst, der konfiguriert ist, um das Verfahren gemäß dem ersten Aspekt der vorliegenden Erfindung auszuführen, wenn es ausgeführt wird.
Mit dem Verfahren gemäß der vorliegenden Erfindung können durch die Erfassung der physiologischen und physischen Reaktionen des Fahrers sowie der Insassen Verkehrsszenarien, die einen hohen Schwierigkeitswert aufweisen und damit eine Extremsituation darstellen, besser identifiziert und klassifiziert werden. Treten beispielsweise an bestimmten geographischen Orten derartige Situationen vermehrt auf, so ist die Wahrscheinlichkeit hoch, dass bisherige FAS- und HAF-Systeme dort Schwächen zeigen werden. Diese Szenarien mit einem hohen Schwierigkeitsgrad können auf einer digitalen Karte markiert werden, um diese Orte noch besser für Testfahrten auszuwählen.
Bezugszeichenliste

10: Daten
11: Detektor
12: Sensor
20: Daten
22: Schattenmodul
30: Daten
40: Daten
41: Sensor
42: Sensor
43: Sensor
44: Sensor
45: Sensor
46: Sensor
47: Sensor
50: Datenauswertungseinheit
60: Extraktionsmodul
70: Klassifizierungsmodul
75: Datenbank
80: Speichermodul
90: FAS- und HAF-Systeme
95: Ausgabemodul
97: Bildschirm
100: System
200: Computerprogrammprodukt
205: Programmcode

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

DE 102016201939 A1 [0005]
DE 102018206666 A1 [0006]

Claims

Verfahren zur Bestimmung von sicherheitskritischen Verkehrsszenarien (S₁, S₂, ..., S_n) für Fahrerassistenzsysteme (FAS) und hochautomatisierte Fahrfunktionen (HAF) für zumindest ein sich bewegendes Objekt, wie insbesondere ein Kraftfahrzeug, wobei ein sicherheitskritisches Verkehrsszenarium (S_i(x,y,z)) zumindest einen Szenarium-Typ (S_i), einen mittels geographischer Koordinaten bestimmbaren Ort und einen Sicherheitswert (W_i) aufweist, umfassend die folgenden Verfahrensschritte: - Aufnehmen (S10) von ersten Daten und/oder Bildern (10) von Detektoren (11) und Sensoren (12) eines Fahrzeugs beim Fahren entlang einer Route, wobei den ersten Daten und/oder Bildern (10) jeweils geographische Koordinaten zugeordnet werden; - Senden (S20) der ersten Daten und/oder Bilder (10) an eine Datenauswertungseinheit (50); - Aufnehmen (S30) von zweiten Daten und/oder Bildern (40) von Sensoren (41, 42, 43, 44, 45, 46, 47) zur Erfassung von physiologischen und physischen Reaktionen eines Fahrers eines Fahrzeugs während des Fahrens entlang der Route, wobei den zweiten Daten und/oder Bildern (40) jeweils geographische Koordinaten zugeordnet werden; - Senden (S40) der zweiten Daten und/oder Bilder (40) an eine Datenauswertungseinheit (50); - Kombinieren (S50) der ersten Daten (10) und der zweiten Daten (40) mit den gleichen geographischen Koordinaten miteinander, so dass sie Daten (10, 40) an einem bestimmten geographischen Ort repräsentieren; - Identifizieren (S60) eines Szenariums (S_i(x,y,z)) für den bestimmten geographischen Ort aufgrund der ersten und zweiten Daten (10, 40); - Klassifizieren (S70) des identifizierten Szenariums (S_i(x,y,z)) mit einem Schwierigkeitswert (W_i).
Verfahren nach Anspruch 1, wobei Eigenschaften von möglichen Szenarien-Typen (S₁, S₂,..., S_n) aus den übermittelten ersten und zweiten Daten (10, 40) in einem Extraktionsmodul (60) der Datenauswertungseinheit (50) extrahiert werden.
Verfahren nach Anspruch 2, wobei die Eigenschaften von dem Extraktionsmodul (60) an ein Klassifizierungsmodul (70) mit Algorithmen zur Klassifizierung übermittelt werden, das Klassifizierungsmodul (70) den extrahierten Eigenschaften ein oder mehrere vordefinierte Szenarien-Typen (S₁, S₂,..., S_n) zuordnet und zumindest einen passenden Szenarium-Typ (S_i) identifiziert, und das identifizierte reale Szenarium (Sj(x,y,z)) mit geographischen Koordinaten und/oder weiteren Metadaten wie dem Zeitpunkt der Datenaufnahme in einem Speichermodul (80) gespeichert wird.
Verfahren nach einem der Ansprüche 1 bis 3, wobei als weitere Datenquellen (30) kartographische Informationen, Daten zu Verkehrszahlen, Luftbildaufnahmen und/oder Daten zu Wetterinformationen und/oder Daten aus einem Schattenmodul (20) verwendet werden.
Verfahren nach einem der Ansprüche 1 bis 4, wobei die Sensoren (41, 42, 43, 44, 45, 46, 47) für die zweiten Daten (40) als Herzfrequenzmessgeräte, Infrarotkameras, Brillen mit optischen Sensoren, Innenraumkameras, Bewegungssensoren, Beschleunigungssensoren, Drucksensoren und/oder Mikrofonen ausgebildet sind zur Aufnahme von physiologischen und physischen Messdaten des Fahrers und/oder der Insassen wie der Herzfrequenz und/oder der Hauttemperatur und/oder Bilder der Pupillen des Fahrers und/oder plötzliche Bremsbetätigungen und/oder Lenkaktivitäten und/oder Sprachäußerungen.
Verfahren nach Anspruch 5, wobei in der Datenauswertungseinheit (50) Grenzwerte für die zweiten Daten (40) festgelegt werden und ein Überschreiten eines Grenzwerts für eine Klassifizierung des identifizierten Szenariums (S_i(x,y,z)) mit einem Schwierigkeitswert (W_i) verwendet wird.
Verfahren nach einem der vorangehenden Ansprüche, wobei ein Szenarium-Typ (Sj) einen Straßenschauplatz und/oder eine Verkehrssituation darstellt.
System (100) zur Bestimmung von sicherheitskritischen Verkehrsszenarien (S₁, S₂, ..., S_n) für Fahrerassistenzsysteme (FAS) und hochautomatisierte Fahrfunktionen (HAF) für zumindest ein sich bewegendes Objekt, wie insbesondere ein Kraftfahrzeug, wobei ein sicherheitskritisches Verkehrsszenarium (S_i(x,y,z)) zumindest einen Szenarium-Typ (S_i), einen mittels geographischer Koordinaten bestimmbaren Ort und einen Sicherheitswert (W_i) aufweist, umfassend Detektoren (11) und Sensoren (12) eines Fahrzeugs, die ausgebildet sind, beim Fahren des Fahrzeugs entlang einer Route erste Daten und/oder Bilder (10) aufzunehmen, und die ersten Daten und/oder Bilder (10) an eine Datenauswertungseinheit (50) zu senden, wobei den ersten Daten und/oder Bildern (10) jeweils geographische Koordinaten zugeordnet werden; Sensoren (41, 42, 43, 44, 45, 46, 47), die ausgebildet sind, zweite Daten und/oder Bilder (40) von physiologischen und physischen Reaktionen eines Fahrers eines Fahrzeugs während des Fahrens entlang der Route zu erfassen, und die zweiten Daten und/oder Bilder (40) an eine Datenauswertungseinheit (50) zu senden, wobei den zweiten Daten und/oder Bildern (40) jeweils geographische Koordinaten zugeordnet werden; und wobei die Datenauswertungseinheit (50) ausgebildet ist, die ersten Daten (10) und die zweiten Daten (40) mit den gleichen geographischen Koordinaten miteinander zu kombinieren, so dass sie Daten (10, 40) an einem bestimmten geographischen Ort repräsentieren, ein Szenarium (S_i(x,y,z)) für den bestimmten geographischen Ort aufgrund der ersten und zweiten Daten (10,40) zu identifizieren, und das identifizierte Szenarium (S_i(x,y,z)) mit einem Schwierigkeitswert (W_i) zu klassifizieren.
System (100) nach Anspruch 8, die Datenauswertungseinheit (50) ein Extraktionsmodul (60), ein Klassifizierungsmodul (70) und ein Speichermodul (80) aufweist, wobei das Extraktionsmodul (60) ausgebildet ist, Eigenschaften von möglichen Szenarien-Typen (S₁, S₂,..., S_n) aus den übermittelten ersten und zweiten Daten (10, 40) zu extrahieren.
System (100) nach Anspruch 9, wobei die Eigenschaften von dem Extraktionsmodul (60) an ein Klassifizierungsmodul (70) mit Algorithmen zur Klassifizierung übermittelt werden, das Klassifizierungsmodul (70) den extrahierten Eigenschaften ein oder mehrere vordefinierte Szenarien-Typen (S₁, S₂,..., S_n) zuordnet und zumindest einen passenden Szenarium-Typ (S_i) identifiziert, und das identifizierte reale Szenarium (Sj(x,y,z)) mit geographischen Koordinaten und/oder weiteren Metadaten wie dem Zeitpunkt der Datenaufnahme in einem Speichermodul (80) gespeichert wird.
System (100) nach einem der Ansprüche 8 bis 10, wobei als weitere Datenquellen (30) kartographische Informationen, Daten zu Verkehrszahlen, Luftbildaufnahmen und/oder Daten zu Wetterinformationen und/oder Daten aus einem Schattenmodul (20) verwendet werden.
System (100) nach einem der Ansprüche 8 bis 11, wobei die Sensoren (41, 42, 43, 44, 45, 46, 47) für die zweiten Daten (40) als Herzfrequenzmessgeräte, Infrarotkameras, Brillen mit optischen Sensoren, Innenraumkameras, Bewegungssensoren, Beschleunigungssensoren, Drucksensoren und/oder Mikrofonen ausgebildet sind zur Aufnahme von physiologischen und physischen Messdaten des Fahrers und/oder der Insassen wie der Herzfrequenz und/oder der Hauttemperatur und/oder Bilder der Pupillen des Fahrers und/oder plötzliche Bremsbetätigungen und/oder Lenkaktivitäten und/oder Sprachäußerungen.
System (100) nach einem der Ansprüche 8 bis 12, wobei in der Datenauswertungseinheit (50) Grenzwerte für die zweiten Daten (40) festgelegt sind und ein Überschreiten eines Grenzwerts für eine Klassifizierung des identifizierten Szenariums (S_i(x,y,z)) mit einem Schwierigkeitswert (W_i) verwendet wird.
System (100) nach einem der Ansprüche 8 bis 13, wobei ein Szenarium-Typ (Sj) einen Straßenschauplatz und/oder eine Verkehrssituation darstellt.
Computerprogrammprodukt (200) mit einem ausführbaren Programmcode (205), der konfiguriert ist, wenn er ausgeführt wird, das Verfahren nach Anspruch 1 auszuführen.