CN110869993A - 用于操作机动车辆的驾驶员辅助装置的方法、驾驶员辅助装置和机动车辆 - Google Patents

Abstract

本发明涉及一种用于操作机动车辆（1）的驾驶员辅助装置（2）的方法，具有以下步骤：‑检测所述机动车辆（1）的环境区域的传感器数据（10），在该环境区域中存在至少一个目标车辆（6），所述至少一个目标车辆位于所述机动车辆（1）的前面并且与所述机动车辆（1）位于同一个车道（4）上；‑检测至少一个描述所述机动车辆（1）的驾驶员（13）的驾驶员特征（12）；‑基于所述驾驶员特征（12）将所述驾驶员（13）分配给预定的驾驶员类别（14）；‑基于分配了超车信息的驾驶员类别（14）读取描述所述驾驶员（13）的超车习惯（16）的特定于驾驶员类别的超车信息（15）；‑依据所述超车信息（15）和所述传感器数据（10），从分配了超车信息的多个参考控制信号（19）中选择所述驾驶员辅助装置（2）的控制信号（18），所述控制信号评估所述机动车辆（1）相对于所述目标车辆（6）的超车过程（20）；以及‑通过所述驾驶员辅助装置（2）输出所述控制信号（18）。

Description

用于操作机动车辆的驾驶员辅助装置的方法、驾驶员辅助装 置和机动车辆

技术领域

本发明涉及用于操作机动车辆的驾驶员辅助装置的方法。在提出的措施中，检测所述机动车辆的环境区域的传感器数据。至少一个目标车辆位于所述环境区域中。所述目标车辆位于所述机动车辆的前面并且与所述机动车辆位于同一车道中。此外，本发明涉及一种具有评估单元的驾驶员辅助装置，所述评估单元被构造用于执行相应的方法。本发明还涉及一种具有相应的驾驶员辅助装置的机动车辆。

背景技术

从现有技术中已知用于操作机动车辆的驾驶员辅助装置的方法。从而例如已知的是，基于环境传感器数据或地图数据来计算机动车辆的未来超车路线，并且输出所述超车路线或基于所述超车路线的提示，以便在超车过程中为驾驶员提供支持。

发明内容

本发明的任务是提供一种方法、一种驾驶员辅助装置和一种机动车辆，在该方法中或利用该方法可以更安全地执行所述机动车辆的超车过程。

该任务通过根据独立权利要求的方法、驾驶员辅助装置和机动车辆来解决。

在根据本发明的方法中，操作机动车辆的驾驶员辅助装置。执行以下步骤：

-检测所述机动车辆的环境区域的传感器数据，在所述环境区域中存在至少一个目标车辆，所述目标车辆特别是在所述机动车辆的行驶方向上位于所述机动车辆的前面，并且与所述机动车辆位于同一车道中；

具有以下重要思想

-检测至少一个描述所述机动车辆的驾驶员的驾驶员特征；

-基于所述驾驶员特征将所述驾驶员分配给确定的驾驶员类别；

-基于分配了超车信息的驾驶员类别读取特定于驾驶员类别的超车信息，所述超车信息描述所述驾驶员的超车习惯；

-依据所述超车信息和所述传感器数据，从分配了超车信息的多个参考控制信号中选择所述驾驶员辅助装置的控制信号，所述控制信号评估所述机动车辆相对于所述目标车辆的超车过程；以及

-通过所述驾驶员辅助装置输出所述控制信号。

本发明基于以下认识，即，通过特定于驾驶员类别的超车信息，即通过考虑驾驶员的个人驾驶风格，可以更安全地执行所述超车过程。

特别地，针对不同驾驶员类别的超车信息可以通过不同的方式存在。通过所述超车信息，描述所述驾驶员在超车机动时的超车习惯或其驾驶习惯。再次将所述驾驶员分配给所述驾驶员类别。所述驾驶员类别可以例如仅包含所述驾驶员或还包括多个驾驶员，并且因此用作针对多个驾驶员的超车习惯的超车信息的概括。

所述超车信息可以作为具有一个或多个维度的、特别是无单位的数向量或特别是无单位的数矩阵而存在。然后将所述超车信息与分配给所述参考控制信号的超车信息进行比较。特别是选择具有最相似超车信息的参考控制信号。

通过所述超车信息，知道了所述驾驶员在超车过程中如何操作所述机动车辆或以哪种驾驶风格来操作所述机动车辆，也就是说，所述驾驶员具有什么样的超车习惯。可以基于下面描述的特性来以数字的方式反映对操作所述机动车辆的这种偏爱。这些特性被用作机器学习以产生所述超车信息的基础，所述特性也可以用数字表示，因为它们以所述机动车辆的部件的参数或部件状态值为特征。所述超车信息特别是可以作为用于选择所述控制信号的分类器存在。

通过所述参考控制信号的超车信息，特别是存在不同的类别，基于所述比较将所述驾驶员分配给这些类别。特别地，通过每个类别提供不同的控制信号。从而一个类别例如提供了控制信号——以最大可能加速度进行超车，而另一类别例如提供了控制信号——仅以最大可能加速度的一半进行超车。

检测所述机动车辆的环境区域并提供所述传感器数据。所述环境区域可以例如利用所述机动车辆的各种环境传感器来加以检测，例如照相机、雷达传感器、激光雷达传感器、激光扫描仪、超声传感器或这些传感器的组合。

所述目标车辆位于所述机动车辆的前面。因此，所述机动车辆朝着所述目标车辆行驶。所述机动车辆与所述目标车辆位于同一车道上，从而所述机动车辆必须超过所述目标车辆，以便以比所述目标车辆更高的速度从目标车辆旁驶过。在这种背景下，检测所述环境区域。

对所述机动车辆的驾驶员检测描述所述驾驶员的特征。驾驶员特征可以例如通过所述机动车辆的内部空间照相机、车辆钥匙中的RFID芯片（RFID-Radio-FrequencyIdentification，射频识别）或指纹读取器来加以检测。因此，所述驾驶员特征可以是优选唯一地识别所述驾驶员的特征。

通过所述驾驶员特征将所述驾驶员分配给预定的驾驶员类别。这特别是基于所述驾驶员特征到所述驾驶员类别的映射来完成的。所述驾驶员类别也可以仅具有所述驾驶员自己，而不必强制地包含多个驾驶员。

所述超车信息被分配给所分配的驾驶员类别。所述超车信息描述所述驾驶员的超车习惯或所述驾驶员被分配到的驾驶员类别的超车习惯。所述超车信息优选对不同的驾驶员类别是不同的。从而一个驾驶员类别例如可以具有关于超车过程的更富于冒险的驾驶员，而另一驾驶员类别具有不太冒险的驾驶员。例如，从所述机动车辆的存储器或车辆外部的设施来读取所述超车信息。

依据所述超车信息和所述传感器数据来选择所述驾驶员辅助装置的控制信号。通过所述控制信号评估所述机动车辆相对于所述目标车辆的超车过程。评估意味着，例如确定所述超车过程的风险或风险概率。但是，评估也可以意味着确定是否可以安全地执行所述超车过程或是否不能安全地执行所述超车过程。例如，可以利用数据分析、数据处理、数据转换、数据建模的方法以及还利用机器学习和人工智能的方法（例如神经网络、SVM方法（SVM-support vector machine，支持向量机）、深度学习，KNN（KNN-k-nearest-neighbour，k最近邻）、回归等）来执行所述评估。

所述控制信号通过所述驾驶员辅助装置输出。通过所述控制信号，可以例如触发视觉和/或听觉和/或触觉提示。但是，通过所述控制信号还可以触发所述机动车辆的至少半自主的或由驾驶员执行的超车过程。在这种关联中，至少半自主是指：所述机动车辆的转向和/或所述机动车辆的加速是自动完成的，即基本上没有人类驾驶员的影响。

优选地规定，所述超车信息是基于具有以下表征所述驾驶员的特性的至少之一的训练数据来产生的。因此，所述训练数据具有至少一个特性。从而所述特性可以例如作为相对于规定速度的行驶速度、作为在超车过程完成后重新切入时的安全距离或作为在超车过程完成前与所述目标车辆的切出距离而存在。

但是，所述特性特别是也可以通过所述机动车辆在所述超车过程开始时的切出角而存在。利用所述切出角描述了在所述超车过程开始时所述机动车辆以关于车道纵轴的什么样的角度相对于车道执行横向运动。然而，作为所述特性，例如也可以设置切入角、加速度曲线、所述机动车辆的动力储备的利用程度、在所述超车过程之前或在所述超车过程开始时相对于所述目标车辆的距离行为、加速行为、档位切换行为、制动行为和相对于所述目标车辆的前进速度行为。在此情况下，所述规定速度可以例如作为推荐速度或作为法定速度极限而存在。然后，例如通过利用训练数据的机器学习来产生所述超车信息。然后将所述超车信息分配给驾驶员类别，或者通过各自的超车信息创建所述驾驶员类别。因此，通过相对于规定速度的行驶速度可以做出关于所述驾驶员是否在所述超车过程中例如短时间超过所述规定速度以便超越所述目标车辆的结论。然后依据所述驾驶员的习惯选择所述控制信号。

但是，也可以根据所述驾驶员是希望在所述超车过程完成之后进行重新切入时与所述目标车辆的安全距离较大还是在所述超车过程完成之后与所述目标车辆的安全距离较小（也就是所述安全距离是超过还是低于距离限制值）来选择所述控制信号。所述距离可以例如以m为单位。从而一些驾驶员想要以目标车辆前方的较大的安全距离、也就是例如多个车辆长度再次切入，而对于其他驾驶员，例如只要所述安全距离为一台车辆的长度就足够了。然后在第一种情况下，例如将所述驾驶员分配给超车习惯的第一类别，在第二种情况下将所述驾驶员分配给第二类别。在所述第一类别中，优选地存在第一参考控制信号，而在第二类别中，优选地存在与第一参考控制信号不同的第二参考控制信号。

与所述目标车辆的切出距离也可以作为特性而存在。与所述目标车辆的切出距离说明在所述目标车辆前方多远所述机动车辆侧向或以至少部分横向的运动离开所述车道。

所述加速度曲线也可以用作特性。所述加速度曲线描述了在所述超车过程的不同阶段中以什么加速度值来操作所述机动车辆。从而所述机动车辆例如可以在所述超车过程开始时比在加速过程结束时更强地加速，但是反过来也可以，或者所述机动车辆仅在所述超车过程的中间被强烈地加速，而在所述超车过程开始时和在所述超车过程结束时比在所述超车过程的中间阶段更低地加速。

所述加速行为也可以作为特性存在。所述加速行为例如可以描述所述驾驶员如何使所述机动车辆加速。从而例如可以完全踩下加速踏板或仅部分踩下加速踏板。这对应于所述动力储备的不同利用程度。例如，也可以在所述超车过程开始时调低至少一个档位，以达到更高的转速范围。因此档位切换行为也可以作为特性存在。从而，例如可以将所述超车过程开始之前或所述超车过程期间的切换到更低档位分配给第一类别，而将所述超车过程之前或所述超车过程期间的保持档位分配给第二类别。通过基于具有这些特性的训练数据产生所述超车信息，可以更安全地操作所述驾驶员辅助装置。

此外优选地规定，所述超车信息是依据当前天气状况和/或当前时间和/或当前星期几而产生的。优选地，也可以依据当前交通密度和/或当前街道类别来产生所述超车信息。在当前天气状况的情况下，例如可以预给定是否在下雨、是否在下雪、外界温度如何，然后又依据所述天气状况来预给定所述驾驶员的超车习惯如何。从而例如有些驾驶员在行驶道路潮湿或被冰雪覆盖的情况下超车的频率比其在行驶道路干燥和/或未冻结情况下超车的频率低。

此外，例如可以依据当前时间来产生或训练所述超车信息。从而例如有些驾驶员早上在去上班的路上和/或晚上在下班回家的路上更富于冒险地行驶，因此与例如在工作时间相比更频繁地超车。例如，相反的情况也可能发生，从而在工作时间更频繁地超车，因为必须遵守重要的期限。也可以规定，依据当前星期几来产生所述超车信息。从而可能的是，所述驾驶员例如在工作日比其在节假日或非工作日更频繁地超车。所述交通密度或交通量也可以用作产生所述超车信息的特性。从而例如有些驾驶员仅在交通量很少时才超车，因为这样超车状况通常会更清楚。但是，也可以是相反的情况，从而恰好在交通量大时尝试通过超车来更快地到达目的地。还可以通过将街道类别作为特性来产生所述超车信息。通过所述街道类别在街道建设负荷、设计标准或使用限制方面对街道网内的街道进行分类。从而例如驾驶员在联邦街道上的超车与其在区域性街道或市政街道上的超车不同。

此外，优选地规定，检测所述机动车辆的当前运行参数并且基于所述运行参数和所述超车信息识别所述驾驶员的超车意图，并且依据识别出的超车意图来选择所述控制信号。在此情况下，所述运行参数可以例如与所述训练数据的特性一致。从而例如可以通过所述运行参数来检测与所述超车信息具有相似性的确定的距离行为或确定的加速行为。为此，可以将所述运行参数与所述超车信息进行比较，然后例如基于所述比较将所述运行参数分类为相似或不相似。如果估计所述运行参数与所述超车信息相似，则例如可以由此得出所述驾驶员存在超车意图的结论。依据识别出的超车意图，例如可以通过所述控制信号向所述驾驶员输出提示：在确定的距离内可能无风险地进行所述超车过程，或者应当使用当前存在的超车可能性，因为在下一段旅程中不存在超车可能性。

此外，优选地规定，检测所述驾驶员的当前生理上可识别的标志，并将该标志与多个参考标志进行比较，其中基于所述比较来识别所述驾驶员的超车意图。通过生理上可识别的标志，描述了涉及所述驾驶员的身体的行为。从而例如可能的是，所述驾驶员在超车过程之前通常比其在没有超车意图的情况下更牢固地抓紧所述机动车辆的方向盘。但是，例如也可能存在这样的情况，即，所述驾驶员在存在超车意图时比其没有超车意图时更频繁地眨眼。通过识别出所述超车意图，又可以相应地选择所述控制信号并且可以更安全地操作所述机动车辆。

此外，优选地规定，作为所述当前生理上可识别的标志检测紧张程度和/或眼球运动和/或由所述驾驶员发出的声音的音量和/或由所述驾驶员发出的声音的语义。可以例如基于所述驾驶员的前额上的汗水形成或所述驾驶员的手掌上的汗水面积来确定所述紧张程度。所述汗水形成可以例如使用所述机动车辆的传感器（例如照相机）来加以检测。由所述驾驶员发出的声音例如可以是话语或者是对所述机动车辆中的物体的击打。如果该声音是所述驾驶员的话语，则例如可以通过语音识别程序来检测该话语的语义。例如，如果所述驾驶员大叫或咒骂，则可以例如评估为超车意图的提示。这是有利的，因为又可以依据所述超车意图来选择所述控制信号。从而如果识别出了所述超车意图，但考虑到所述驾驶员的超车习惯是不可能超车的，则可以例如给所述驾驶员输出警告提示。由此又可以更安全地操作所述机动车辆。

此外，优选地规定，依据所述传感器数据和所述超车信息和/或所述生理上可识别的标志确定用于相对于所述目标车辆的超车过程的个人超车路线。从而例如可能的是，通过所述超车信息已知所述驾驶员通常以悠闲的节奏超车并且在此过程中不利用所述机动车辆的动力储备。从而当所述动力储备的利用在这种情况下是所述超车过程完成的先决条件时，不会给所述驾驶员给出例如关于存在超车可能性的提示。然而，在这种情况下，可以给利用所述机动车辆的动力储备并且原则上更愿意冒险的驾驶员输出超车建议。

例如也可能的是，基于所述生理上可识别的标志识别出所述驾驶员处于以下状态，所述驾驶员特别放松并因此可以假定缓慢的超车机动，或者所述驾驶员特别地紧张和兴奋，因此不向所述驾驶员输出超车建议，因为恰好不相信所述驾驶员能够深思熟虑地动作。因此，由此又可以更安全地操作所述机动车辆。

此外，优选地规定，在操作所述机动车辆期间，依据所述驾驶员的当前车辆引导、特别是通过在线训练来适配所述超车信息。从而检测所述驾驶员的当前车辆引导，特别是也包括所述机动车辆的运行参数，并且对所述超车信息进行适配。然后，例如也可以利用所述训练数据的特性来描述所述驾驶员的当前车辆引导，所述特性被用于产生所述超车信息。为了适配所述超车信息可以随时保持所述超车信息最新和精确。从而驾驶员的超车习惯例如可能随着时间而改变。例如，所述驾驶员可能变老，并由此也变得更加放松，或者在确定的超车状况时变得不愿意冒险。

通过在操作所述机动车辆期间适配所述超车信息，也可以从仅稍微适配的、最初存在的超车信息开始。因此，也可以仅使用少量最初存在的训练数据来执行所述方法，因为所述超车信息连续地在操作所述机动车辆期间得以适配，由此得到改善。在线训练描述了一种机器学习的方法，其中在有效操作期间对分类器进行适配。因此，使用先前已被所述分类器分配给类别的训练示例来训练所述分类器。相反，通常将初始训练数据手动地、也就是由人分配给所述类别。

此外，优选地规定，将在操作所述机动车辆期间适配的超车信息传输到机动车辆外部的至少一个设施。在此情况下，机动车辆外部的所述设施可以例如被构造为外部服务器或多个外部服务器。因此，可以将适配的超车信息例如传输到例如所谓的计算机云中，即传输到分布式计算机网络中。在此情况下，该设施可以是固定的、分布式的或中央式的。通过将适配的超车信息传输到所述设施，又可以将所述超车信息发送给其他机动车辆。所述超车信息所基于的模型也可以通过所述适配的超车信息来加以适配。作为所述超车信息的备份，这也是有利的。从而例如可以将所述超车信息从所述机动车辆的存储器中删除或者所述超车信息可以根本不存在于新车中并且可以通过所述超车信息的备份来重新创建所述超车信息。

此外，优选地规定，通过所述控制信号由所述驾驶员辅助装置输出针对所述机动车辆相对于所述目标车辆的超车过程的超车可能性提示或警告提示。通过所述超车可能性提示可以例如向所述机动车辆的驾驶员输出视觉和/或听觉和/或触觉的提示：超车过程是可能的。通过所述警告提示例如还视觉地和/或听觉地和/或触觉地向所述机动车辆的驾驶员输出：所述超车过程例如恰好不能在确定的路段上或确定的时间段内执行，或者只能以如下方式执行，即所述超车过程与所述驾驶员的超车习惯相反地进行，也就是例如加速得太快，或者在所述目标车辆前距离太近地切入。通过所述超车可能性提示和/或警告提示可以更安全地操作所述机动车辆，因为所述驾驶员不会感到不习惯或不舒服。

此外优选地规定，所述机动车辆相对于所述目标车辆的超车过程基于所述控制信号至少半自主地执行。通过半自主的超车，例如可以完成转向干预和/或加速干预或制动干预。因此，即使在至少半自主超车的情况下也以考虑到驾驶员的超车习惯的方式在所述机动车辆中移动所述机动车辆的驾驶员。但是，所述超车过程也可以完全自主地执行，使得所述驾驶员仅作为旁观者或监视者存在于所述机动车辆中。在这种情况下，如果所述机动车辆在超车时表现得与驾驶员在手动操作所述机动车辆本身时的情况一样，则驾驶员也会感到更加愉悦。

本发明还涉及一种具有评估单元的驾驶员辅助装置。所述驾驶员辅助装置或驾驶员辅助系统被构造为执行根据本发明的方法。所述评估单元例如可以被构造为具有处理器的计算单元。所述评估单元可以例如具有内部或外部存储器。

所述驾驶员辅助装置例如可以构造为超车辅助或超车建议辅助或超车警告辅助。

本发明还涉及一种具有根据本发明的驾驶员辅助装置的机动车辆。所述机动车辆特别是构造为乘用车。特别是可以至少半自主地操作所述机动车辆。

根据本发明的方法的有利的实施方式应被认为是所述驾驶员辅助装置和所述机动车辆的有利的实施方式。所述驾驶员辅助装置和所述机动车辆的物理部件分别被构造用于执行各自的方法步骤。

本发明的其他特征由权利要求、附图和附图说明得出。上面在发明内容中提到的特征和特征组合以及下面在附图说明中提到和/或单单在附图中示出的特征和特征组合不仅能以分别说明的组合使用，而且能以其他组合或单独地使用，而不会脱离本发明的范围。

附图说明

下面基于示意图更详细地解释本发明的实施例。

图1示出了具有驾驶员辅助装置的根据本发明的机动车辆和目标车辆在一个车道上的实施例的示意性平面图；

图2示出了具有超车路线的车道上的所述机动车辆的示意性平面图；

图3以侧视图示出了坐在所述机动车辆中的驾驶员的示意图；以及

图4示出了根据本发明的用于操作所述驾驶员辅助装置的方法的实施例的流程图。

在附图中，相同或功能相同的元件具有相同的附图标记。

具体实施方式

图1示出了具有驾驶员辅助装置2的根据本发明的机动车辆1的实施例。机动车辆1位于行驶道路3上。根据该实施例，行驶道路3具有车道4和其他车道5。机动车辆1位于车道4上。

在车道4中，在机动车辆1之前的行驶方向上存在目标车辆6。目标车辆6例如可以运动，但是也可以是静止的。

行驶道路3可以例如是联邦街道、高速公路或任何其他街道的一部分，在这些道路的情况下通过机动车辆1可以超越所述目标车辆6。根据该实施例，车道4和其他车道5通过行驶道路标记7分开。行驶道路标记7特别是被构造为分隔线。车道4在两侧由行驶道路标记7和边缘标记8限制。边缘标记8特别是被构造为行驶道路边界。

此外，机动车辆1具有环境传感器9。环境传感器9可以被构造为例如照相机、雷达传感器、超声传感器、激光雷达传感器或激光扫描仪。机动车辆1也可以例如具有多个环境传感器9。通过环境传感器9检测机动车辆1的环境区域11的传感器数据10。环境区域11至少部分地包围机动车辆1。目标车辆6至少部分地包含在环境区域11中并且因此也包含在传感器数据10中。还可以例如通过机动车辆1的各种类型的环境传感器9的传感器数据融合来提供传感器数据10。

如图3中所示，在检测传感器数据10之前或之后，检测机动车辆1的驾驶员13的驾驶员特征12。通过驾驶员特征12来描述驾驶员13。可以例如通过以各种方式（在下文中描述）识别驾驶员13或通过识别出是驾驶员13来给出驾驶员特征12。所述识别例如可以基于特征性的驾驶风格来完成。

基于驾驶员特征12将驾驶员13分配给驾驶员类别14。所述分配例如能够以以下方式进行，即，将所述驾驶员分配给以下驾驶员类别14，在该驾驶员类别的情况下驾驶员特征12与相应驾驶员类别14的特征最相似。

通过驾驶员类别14对驾驶员13进行分类，使得该驾驶员现在被分类为例如愿意冒险的驾驶员或舒适的驾驶员或有安全意识的驾驶员或慢速的驾驶员或快速的驾驶员。例如，可以将多个驾驶员13分配给驾驶员类别14，这意味着驾驶员类别14因此代表了对多个驾驶员13的概括。然而也可能的是，为驾驶员13单独设置驾驶员类别14，并且因此每个驾驶员类别14仅具有驾驶员13之一。

现在基于驾驶员类别14读取特定于驾驶员类别的超车信息15。特别地，每个驾驶员类别具有不同的超车信息15。通过超车信息15来描述驾驶员13的超车习惯16。然而，通过特定于驾驶员类别的超车信息15还优选地描述被分配给与驾驶员13相同的驾驶员类别14的另外的驾驶员的超车习惯。特别地，通过驾驶员辅助装置2读取超车信息16。特别地，通过驾驶员辅助装置2的评估单元17完成所述读取。评估单元17具有例如处理器和计算机可读存储器。

现在基于超车信息15和传感器数据10选择驾驶员辅助装置2的控制信号18。从多个参考控制信号19中选择控制信号18。例如，多个参考控制信号19可以存储在驾驶员辅助装置2中。通过控制信号18评估机动车辆1相对于目标车辆6的超车过程20。因此，例如基于超车信息15和传感器数据10评估驾驶员13是否存在超车打算和/或现在或将来是否可能超车。

因此，不仅基于传感器数据10进行所述评估，而且还基于特定于驾驶员类别的超车信息15进行所述评估。在已知的超车辅助中，仅基于传感器数据10来评估超车过程20。然而，通过超车信息15还考虑了驾驶员13的超车习惯16。

超车信息15很重要，因为每个驾驶员具有不同的超车习惯16。例如，一个驾驶员比另一个驾驶员更愿意冒险，并且一个驾驶员完全利用了机动车辆1的动力储备，而另一个驾驶员仅部分利用了所述动力储备。

最后，通过驾驶员辅助装置2输出控制信号18。特别地，通过控制信号18输出超车可能性提示21或警告提示22。通过超车可能性提示21例如向驾驶员13发出信号：具有其超车习惯16的超车过程20是可能的。通过警告提示22例如向驾驶员13发出信号：具有其习惯16的超车过程20是不可能的。

然而，通过控制信号18，机动车辆1可以补充或替代于输出超车可能性提示21或警告提示22地至少半自主地执行超车过程20。这意味着例如通过所述控制信号可以实现自动转向干预和/或自动加速或减速。

特别是基于具有表征驾驶员13的特性的训练数据来产生超车信息15。该特性例如可以是机动车辆1相对于规定速度24的行驶速度23。在此情况下，例如在行驶道路3旁边布置的交通标志25上说明了规定速度24。

然而，该特性也可以作为加速度曲线、机动车辆1的动力储备的利用、加速行为、档位切换行为、制动行为、相对于目标车辆6的距离行为26、相对于目标车辆6的前进速度行为27而存在。

但是，该特性例如也可以作为行驶道路标记与机动车辆1之间的横向距离28而存在。此外，该特性也可以例如通过横向行驶曲线29而存在。在横向行驶曲线29的情况下，记录并考虑随时间的横向距离28。当驾驶员13以确定的间隔反复地驶近行驶道路标记7或者短暂地越过行驶道路标记7以便从目标车辆6旁驶过时，例如可以通过横向行驶曲线29识别出。

在机动车辆1在目标车辆6后面行驶期间，检测机动车辆1的运行参数30。运行参数30包括当前在机动车辆1行驶期间检测的超车信息的特性。然后通过将运行参数30与超车信息15进行比较，例如可以识别驾驶员13的超车意图31。因此，如果运行参数30之一与超车信息15的特性之间的相似度比相似度极限值更相似，则可以假定驾驶员13遵循超车意图31并且想要用机动车辆1超越目标车辆6。

然后作为识别出超车意图31的结果，可以输出超车可能性提示21或警告提示22。

图2类似于图1在目标车辆6后面的行驶道路3上示出了机动车辆1。机动车辆1具有车辆长度32并且在目标车辆6后面以距离33向前行驶。由驾驶员13单独选择的距目标车辆6的距离33同样是训练数据的引入超车信息15中的特性。

然后依据超车信息15和传感器数据10确定超车路线34。在此情况下，超车路线34是在取决于驾驶员13的超车习惯16时机动车辆1将行驶的行驶路线或行驶轨迹。因此，通过超车路线34规划驾驶员13在其控制机动车辆1自身时将如何超越目标车辆6，但是也规划在至少半自主地操作机动车辆1的情况下驾驶员13觉得超车过程20的舒适程度。从而例如可能的是，只要超车过程20应当取决于超车习惯16，则超车过程20对于一个驾驶员类别14是可能的，而超车过程20对于另一个驾驶员类别14是不可能的。

通过超车路线34为超车信息15提供所述训练数据的其他特性。

从而例如设置切出角35作为所述特性，该切出角例如描述在超车路线34与行驶道路标记7相交处行驶道路标记7与超车路线34之间的角度。此外，通过在超车过程20开始时机动车辆1到目标车辆6的切出距离36给出特性。根据图2的实施例，切出距离26等于距离33。此外，作为所述训练数据的另一特性，设置在超车过程20完成后重新切入时的安全距离37。安全距离37是根据必要的切入距离38在切入时所谓自愿保持的距离，以便向现在在后行驶的目标车辆驾驶员传达安全感，或者以避免在目标车辆6意外加速情况下发生事故。然而，作为安全距离37的补充或替代，作为所述特性也可以预给定机动车辆1所需的切入时间作为超车信息15的特性。

超车路线34特别是取决于驾驶员13的个人加速度曲线、驾驶员13利用机动车辆1的动力储备的意愿以及相对于规定速度24选择的行驶速度23。

此外，也可以将当前天气状况39、当前时间、当前星期几、交通密度或街道类别预给定为超车信息15的特性。例如，也可以检测机动车辆1的环境区域11中的亮度，并将其作为所述超车信息的特性引入所述超车信息的训练中。从而驾驶员例如与其在黄昏或夜间行驶相比在白天可能更愿意冒险行驶。

图3以局部侧视图示出了机动车辆1。在机动车辆1的内部空间40中，驾驶员13坐在座椅41上。此外，根据该实施例，机动车辆1具有方向盘42、显示单元43、内部空间照相机44和扬声器45。

可以在机动车辆1的内部空间40中视觉和/或触觉和/或听觉地输出超车可能性提示21和/或警告提示22。从而例如可以经由座椅41的振动、方向盘42的振动、通过显示单元43的显示或通过扬声器45的声音输出来完成所述输出。超车可能性提示21以及警告提示的输出不只是信息的再现，还包括出于振动的目的向座椅41或座椅41的致动器和/或向方向盘42或方向盘42的致动器施加电压和/或出于激活像素或发光二极管的目的向显示单元43施加电压。

根据另一实施例，检测驾驶员13的当前生理上可识别的标志46。可以将标志46例如预给定为紧张、眼睛运动、尖叫、出汗或其他特征性动作。生理上可识别的标志46是涉及驾驶员13的身体的行为。标志46同样可以像超车信息15那样经过训练。基于标志46与多个参考标志的比较来识别驾驶员13的超车意图31。

标志46可以例如利用内部空间照相机44、麦克风47或未进一步示出的脉搏或呼吸频率测量仪或同样未进一步示出的蒸腾测量仪来加以检测。

因此，标志46特别是驾驶员13的紧张程度47和/或驾驶员13的眼球运动48和/或由驾驶员13发出的声音49。然而，也可以检测由驾驶员13发出的声音49的语义。从而例如可以利用驾驶员辅助装置2的语音识别程序将驾驶员13的话语识别为脏话。

例如可以基于呼吸频率识别出紧张程度50。

驾驶员特征12的检测可以例如通过内部空间照相机44、麦克风47、座椅41的座椅调节、无线电接收器或指纹读取器来完成。然而，驾驶员特征12也可以是驾驶员13本人的驾驶风格或还有对机动车辆1的操作元件的特征性致动，所述操作元件特别是转向信号灯操作件、加速踏板或制动踏板。

图4示出了该方法的流程图。可以以各种顺序来执行以下步骤。在步骤S1中，检测传感器数据10和运行参数30。一般而言，也就是从车辆外部的服务器接收车辆数据、车辆信号、传感器数据以及例如还有后端数据。在步骤S2中，对超车信息15进行训练或者说学习或进行分析。然后可以在步骤S3中提供超车信息15。超车信息15也可以例如从机动车辆1传输到机动车辆外部的设施51。如果在操作机动车辆1期间基于当前检测的特性（例如包含在运行参数30中的特性）来适配所述超车信息，则特别是将所述超车信息传输到机动车辆外部的设施51。然后，可以将超车信息15从机动车辆外部的设施51例如发送给其他机动车辆。因此，机动车辆外部的设施51例如作为计算机云存在，所述计算机云可以例如是固定的、分布式的或中央式的。

在步骤S4中，计算个人的超车路线34。在步骤S5中，识别超车意图31。

优选地，利用机器学习和人工智能的方法，特别是利用神经网络、SVM方法（SVM-support vector machine，支持向量机）、深度学习、KNN（KNN-k最近邻）或回归来训练超车信息15。所述训练可以例如在机动车辆1内部或在车辆外部的设施51中进行。

作为用于计算超车路线34的其他输入变量，例如考虑机动车辆1的重量、机动车辆1的机动化和机动车辆1的物理阻力。

可以将超车信息15例如存储在便携式车辆钥匙中，或者如已经提到的存储在车辆外部的设施51中，从而驾驶员13在改变车辆时（例如在改变为租用车辆时）可以随身携带所述超车信息。优选地，也通过驾驶员类别14提取超车信息15，使得可以例如利用不同的配置，特别是机动化传输到不同的车辆上。

此外规定，将经过适配的超车信息15作为所谓的群数据从多个机动车辆传输到车辆外部的设施51，以便从那里分发给其他机动车辆。从而例如可以加快其他驾驶员将来的首次学习。

附图标记列表

1 机动车辆

2 驾驶员辅助装置

3 行驶道路

4 车道

5 其他车道

6 目标车辆

7 行驶道路标记

8 边缘标记

9 环境传感器

10 传感器数据

11 环境区域

12 驾驶员特征

13 驾驶员

14 驾驶员类别

15 超车信息

16 超车习惯

17 评估单元

18 控制信号

19 多个参考控制信号

20 超车过程

21 超车可能性提示

22 警告提示

23 行驶速度

24 规定速度

25 交通标志

26 距离行为

27 前进速度行为

28 横向距离

29 横向行驶曲线

30 运行参数

31 超车意图

32 车辆长度

33 距离

34 超车路线

35 切出角

36 切出距离

37 安全距离

38 必要的切入距离

39 天气状况

40 内部空间

41 座椅

42 方向盘

43 显示单元

44 内部空间照相机

45 扬声器

46 标志

47 麦克风

48 眼睛运动

49 声音

50 紧张程度

51 机动车辆外部的设施。

Claims (13)

1.一种用于操作机动车辆（1）的驾驶员辅助装置（2）的方法，具有以下步骤：

-检测所述机动车辆（1）的环境区域的传感器数据（10），在该环境区域中存在至少一个目标车辆（6），所述至少一个目标车辆位于所述机动车辆（1）的前面并且与所述机动车辆（1）位于同一个车道（4）上；

其特征在于，

-检测至少一个描述所述机动车辆（1）的驾驶员（13）的驾驶员特征（12）；

-基于所述驾驶员特征（12），将所述驾驶员（13）分配给预定的驾驶员类别（14）；

-基于分配了超车信息（15）的驾驶员类别（14），读取描述所述驾驶员（13）的超车习惯（16）的特定于驾驶员类别的超车信息（15）；

-依据所述超车信息（15）和所述传感器数据（10），从分配了超车信息的多个参考控制信号（19）中选择所述驾驶员辅助装置（2）的控制信号（18），所述控制信号评估所述机动车辆（1）相对于所述目标车辆（6）的超车过程（20）；以及

-通过所述驾驶员辅助装置（2）输出所述控制信号（18）。

2.根据权利要求1所述的方法，

其特征在于，

基于具有以下表征所述驾驶员（13）的特性至少之一的训练数据来产生所述超车信息（15）：相对于规定速度（24）的行驶速度（23）、超车过程（20）完成之后重新切入时的安全距离（37）或超车过程（20）完成之前与所述目标车辆（6）的切出距离（36）。

3.根据权利要求1或2所述的方法，

其特征在于，

依据当前天气状况（39）和/或当前时间和/或当前星期几来产生所述超车信息（15）。

4.根据前述权利要求中任一项所述的方法，

其特征在于，

检测所述机动车辆（1）的至少一个当前运行参数（30），并且基于所述运行参数（30）和所述超车信息（15）识别所述驾驶员（13）的超车意图（31），并且依据检测到的超车意图（31）选择所述控制信号（18）。

5.根据前述权利要求中任一项所述的方法，

其特征在于，

检测所述驾驶员（13）的当前生理上可识别的标志（46），并将所述标志（46）与多个参考标志进行比较，其中基于所述比较识别所述驾驶员（13）的超车意图（31）。

6.根据权利要求5所述的方法，

其特征在于，

作为所述当前生理上可识别的标志（46），检测紧张程度（50）和/或眼睛运动（48）和/或由所述驾驶员（13）发出的声音（49）的音量和/或由所述驾驶员（13）发出的声音（49）的语义。

7.根据权利要求5或6所述的方法，

其特征在于，

依据所述传感器数据（10）和所述超车信息（15）和/或所述生理上可识别的标志（46），确定相对于所述目标车辆（6）的超车过程（20）的个人超车路线（34）。

8.根据前述权利要求中任一项所述的方法，

其特征在于，

在操作所述机动车辆（1）期间，依据所述驾驶员（13）的当前车辆引导来适配所述超车信息（15）。

9.根据权利要求8所述的方法，

其特征在于，

在操作所述机动车辆（1）期间适配的超车信息（15）被传输到机动车辆外部的至少一个设施（51）。

10.根据前述权利要求中任一项所述的方法，

其特征在于，

通过所述控制信号（18）由所述驾驶员辅助装置（2）输出针对所述机动车辆（1）相对于所述目标车辆（6）的超车过程（20）的超车可能性提示（21）或警告提示（22）。

11.根据前述权利要求中任一项所述的方法，

其特征在于，

基于所述控制信号（18）至少半自主地执行所述机动车辆（1）相对于所述目标车辆（6）的超车过程（20）。

12.一种驾驶员辅助装置（2），具有评估单元（17），所述评估单元被构造为执行根据前述权利要求中任一项所述的方法。

13.一种机动车辆（1），具有根据权利要求12所述的驾驶员辅助装置（2）。

Images