用于操控车辆的方法与流程

1.本发明涉及一种用于操控车辆的以计算机实施的方法，特别是用于至少部分自主的车辆的行为规划或轨迹规划或机动规划，以及用于根据行为规划或轨迹规划或机动规划来操控至少部分自主的车辆。


背景技术：

2.开发高度自动化的或自动驾驶的车辆的一个重要组成部分是，针对尽可能多的情况和场景保障驾驶功能。这种保障措施在此要保证车辆系统在相应情况下满足特定要求，特别是安全要求，从而保证车辆的预期的目标行为。
3.在以前的方法中，例如有描述固定数量的示范性流程的严格场景目录，主要是针对特定国家的。然而，在此基础上，即使使用本体（ontologien），也几乎无法确定保障措施的覆盖程度。也很快就需要很长的场景列表，以便也能够仅仅实现最低水平的覆盖范围。
4.其他保障措施包括评估事故数据库或与安全驾驶员一起持续行进。在这两种方法中，都有非常随机的覆盖范围，恰恰后一种方法还非常复杂，成本高昂。
5.通过模糊测试或基于优化的测试（例如基于搜索的测试），可以改变给定模拟场景的主要物理参数。但是，没有对现有交通情况进行系统性抽象，因而在这里也很难确定覆盖程度。
6.除了对车辆系统进行仿真测试外，还可以在车辆中利用模型或仿真来在线地实现合适的行为规划或轨迹规划或机动规划，以操控车辆。
7.在de 10 2017 207257 a1中公开了一种用于创建和提供高精度地图的方法和装置。从de 10 2018 214999 a1已知一种用于保障针对控制器的诊断指令的装置。de 10 2017 216801 a1公开了一种用来监控机动车的至少一个用于轨迹规划的组件的方法。
8.由de 10 2019 209 544已知一种用于操控车辆的方法，其中，从数字的道路地图中导出区域，并且为这些区域确定行驶情况或交通情况的可能的流程。
9.在自动驾驶的背景下，术语“设计运行区域”（odd，operational design domain，规定运行区域）很重要。这表示车辆的运行区域，针对运行区域开发车辆，因此在该运行区域中可以预期车辆的有秩序的和安全的运行。例如，关于车辆功能安全的测试集中在这个区域。


技术实现要素：

10.提出了一种用于控制车辆的以计算机实施的方法，其特征在于以下步骤：
‑ꢀ
读取数字道路地图的数据；
‑ꢀ
为数字道路地图确定区域；
‑ꢀ
根据特定的区域，沿着数字道路地图的道路确定可能的行驶流程；
‑ꢀ
根据传感器数据和/或车辆的当前行驶数据，确定当前的或预测的交通情况是否在可能的流程之外或对应于被确定为在规定运行区域之外的可能的流程；
‑ꢀ
如果当前的或预测的交通情况超出了可能的流程，或者相应于在规定运行区域之外的可能的流程，则车辆中的被计算机实施的安全监控器会采取措施；
‑ꢀ
根据所采取的措施来操控车辆。
11.数字道路地图在此可以是详细的道路地图，但也可以通过抽象道路图的数据来给出。特别地，数字道路地图可以包含关于至少一条道路或开放区域的信息，例如关于车道宽度、车道边界、道路或开放区域的位置或尺寸、弯道半径、车道标记、交叉路口、交通灯和交通标志的信息。
12.采用所描述的方法，可以通过基于区域的方案，系统地识别与在车辆开发过程中规定的交通情况的潜在危险的偏差。用于此的被计算机实施的安全监控器可以与基于区域的行为或轨迹规划器一起使用，但也可以在没有基于区域的行为或轨迹规划器的情况下使用。所描述的方法的一个特殊优点是，特别地考虑到其他交通参与方的位置和动态行为，其方式为，将其与来自形态分析的假设和限制相关联。特别是，可以识别并非是区域建模和形态分析的一部分的交通情况（的部分）。
13.这些方法可以在运行期间使用来自区域图和scode-分析的信息，这些信息是在车辆功能的开发中由系统分析创建的。在此可以考虑例如被行为或轨迹规划器用于决策制定的假设、要求、模型等。根据在开发时刻对车辆的系统分析，做出在评估功能安全时采用的假设。采用所描述的方法，可以在车辆运行时使用包含这些假设的模型，以确定系统何时离开安全环境，以及引发或建议对其做出安全和主动的系统反应。
14.由此提高了车辆系统的安全性和可用性，通过主动行为避免了危险的或不安全的情况，并且以安全的方式处理一些情况——并未针对这些情况而开发系统。
15.在优选的设计中，“确定当前的或预测的交通情况是否在可能的流程之外”包括，确定所检测的对象特别是交通参与方在特定区域之外根据其特定的或假设的运动是否能够与当前的或预测的行驶情况相关。
16.在另一优选的设计中，“确定当前的或预测的交通情况是否在可能的流程之外”包括，确定所检测的对象特别是交通参与方是否位于特定区域之一内，在该区域中未预料到它。
17.在另一优选的设计中，所采取的措施包括车辆的替代反应或车辆的替代行为，特别是引起车辆的安全机动，产生附加的可能的流程，根据所述流程来操控车辆，或者将信息输出至车辆的行为规划或轨迹规划。
18.由于存在区域抽象，安全监控器为此能够动态地生成一个或多个附加区域，或调整现有区域的大小，从而计算用于车辆的安全替代反应的条件。
19.安全监控器还可以提供、建议或启动安全的替代行驶机动，该替代行驶机动避免了对车辆造成危险，并在必要时将车辆转移到安全状态下。这种替代反应的可接受性又可以针对区域进行检查。例如，在由于另一辆车超出规定运行区域而作为替代反应规定紧急制动的情况下，如果没有替代反应，所考察的车辆的乘客不会受到威胁，但由于替代反应，马上就要与第三车辆发生更严重的事故，那么就可以拒绝该替代反应。
20.安全监控器还可以特别是向行为或轨迹规划器输出信号，表明离开或已经离开规定的运行区域。
21.在优选的设计中，可以在该方法中生成用于自主的或至少部分自主的车辆的动态
在线规划器，该在线规划器基于识别的当前地图区段配置和对象群体，在线地分析可能的场景，并计划和预控制或控制车辆的行为。在此，这种行为规划器或轨迹规划器或机动规划器可以独立使用，或与其他行为规划器、轨迹规划器或机动规划器一起使用。如果使用此类行为或轨迹规划器，则可以规定与其紧密耦接的规定的安全监控器，以便在控制车辆时及早地识别出该车辆何时在开发中规定的情况之外运行，以便能够主动采取适当的措施，例如替代反应。
22.在一种可能的变型方案中，特别是由安全监控器采取的措施可以包括对行为规划或轨迹规划的检查，并且在必要时包括对行为规划或轨迹规划进行的干预，如果这由于检查而显得必要的话。
23.在另一个可能的变型方案中，可以根据所采取的措施进行行为规划或轨迹规划。
24.该方法尤其可以在计算机上在车辆中在线地执行。为此，处理计算机程序，其被设计用于执行该方法，并且为了处理而被存储在机器可读的存储器中。
25.所描述的方法允许在结构上推导出车辆系统或车辆的期望的行为。在此特别地，还可以优选地基于在道路交通中出现的已知特征和影响通过在结构上定义等同类来保证所考察的场景相对于已知的影响因素的完整性。如同定义和确定覆盖程度一样，自动的冗余分析和间隙分析也是可能的。
26.此外，所描述的方法显著地降低了要保护的场景的描述复杂性，描述的规模可以成指数地减小。
27.所描述的方法非常灵活且是模块化的。可以附加地添加重要的影响因素，保留现有的场景，但也可以自动地以新的影响因素来扩展。基于模型的做法允许可简单地转用到其他国家。通过将交通情况抽象到逻辑区域中，能够实现模块化地描述有助于复杂的行为决策的个体影响（例如，考察与行人所在的交叉路口分开的人行横道）。这导致复杂性的明显降低和高程度的可重复使用性。
28.实现了基于通用交通区段和主体群体针对自动驾驶车辆（汽车、机器人、自主的地面运输车等）结构化地、很大程度上自动化地推导出完整的场景考察，这能实现保护车辆的had系统，特别是用于行为规划和轨迹规划。
附图说明
29.下面参照附图更详细地解释本发明的实施方式。在附图中示意性地示出：图1示出了用于操控车辆的方法的示例性流程；图2示出了带有绘制的区域的数字道路地图的第一示例性的局部图；图3示出了从数字道路地图的区域导出的两个区域图；图4示出了车辆行为的第一行为模型；图5示出了车辆行为的第二行为模型；图6示出了带有绘制的区域的数字道路地图的第二示例性的局部图；图7示出了从数字道路地图的区域导出的区域图；图8示出了从区域图导出的第一阶段图；图9示出了带有绘制的区域的数字道路地图的第三示例性的局部图；图10示出了从数字道路地图的区域导出的第二区域图；
图11示出了从区域图导出的第二阶段图；图12示出了一种示例性的交通情况，其中行人的行为超出了规定的环境；图13示出了带有两辆车、一个行人和一个人行横道的示例性的交通情况；图14示出了用于根据安全监控器的输出来操控车辆的方法的示例性流程；图15示出了另一种示例性的交通情况，其中行人的行为超出了规定的环境；图16示出了示例性的交通情况，其中在并非为车辆规定的区域中检测到车辆；图17示出了对应于图16的交通情况的示例性的替代反应；图18示出了一种示例性的交通情况，其中行人的行为将车辆带出规定的运行区域；图19示出了对应于图18的交通情况的示例性的替代反应。
具体实施方式
30.所描述的用于操控车辆的方法尤其能够实现基于交通情况的从数字地图导出的区域和流程来确定对在车辆开发期间所限定的假设和要求的违反情况。
31.下面借助至少部分自主的或高度自动化的车辆或车辆的车辆系统来描述这些方法。车辆系统在此尤其可以是车辆的子系统。在特别优选的设计中，车辆或车辆系统包括至少一个计算机程序，该计算机程序根据传感器值引发执行器干预，其方式尤其为，根据传感器值执行车辆的行为规划，并引起执行器干预以用于实现该行为规划。于是例如可以由车辆的传感器来检测周围环境信息，并且可以根据检测的传感器值引起转向、加速或制动。该方法尤其可以用于全自动的车辆或部分自动的车辆，例如具有驾驶员辅助系统的车辆。这种交通工具可以包括汽车、机器人、火车、轮船或飞行器。
32.这种车辆的可能的车辆系统可以包括感知层或传感器层、用于情况分析和预测的层、用于从可能的行为模式中选择期望的车辆行为的层和/或用于操控执行器以实现期望的车辆行为的层。
33.在用于这种车辆系统或其操控的行为规划、轨迹规划或机动规划中，可以考虑该车辆系统何时或如何满足特定的要求，特别是安全要求，尤其是否响应于特定的情况分析或预测而实际引起了正确的或安全的车辆行为。
34.图1示出了用于控制车辆系统的方法的示例性的流程。
35.在图表的第一列中示出以下可能的输入变量101到106：
‑ꢀ
来自各种来源的机器可读的对系统的要求101，例如从道路交通法规（例如车辆之间的距离等）、安全法规或车辆（系统）规范导出；
‑ꢀ
数字道路地图102的数据，特别是标明了人行横道、标牌、交通灯、车道、交叉路口、环形交通的位置；例如采用opendrive格式，或由当前的环境识别而确定，或由车辆导航系统传输；
‑ꢀ
路线信息103，例如在所查看的道路地图元素上的可能路线或为车辆选择或预测的路线，
‑ꢀ
车辆信息104，例如可能的车辆状态或当前车辆状态，特别是分别包括特定的车辆特性，如重量、长度、高度等，
‑ꢀ
关于可能的主体和/或对象的信息105，特别是交通参与方，例如车辆（自行车、
乘用车、摩托车等）或行人，优选地包括行为模型或可能阻碍包含车辆系统的车辆的预期行为的对象；在此，根据车辆的环境识别，可能会出现具有可能的主体和/或对象的群体，
‑ꢀ
关于外部影响的信息106，例如天气数据。
36.在图1的图表的其他列中，示出了方法步骤111、121、131、132、141、151、152、161、162、171和172。
37.在步骤111中，基于特定的输入变量，特别是根据数字地图102、路线信息103和车辆信息104例如车辆长度，导出数字地图的静态区域。可以根据这些信息自动计算静态区域。如此计算的逻辑区域特别是固定的，并且可以映射到地图的相应的物理元素（即道路或道路车道、人行横道等）上。静态区域可以组合成静态区域图。
38.静态区域在此尤其是大小与所考察的车辆的速度无关的区域，例如给定的人行横道或交叉路口区域。它们可以从地图中自动导出。
39.在步骤121中，以动态区域进行扩展，特别地，能够以动态区域将静态区域图扩展为动态区域图。动态区域优选基于各个主体的模型、基于对车辆的允许机动的要求和车辆信息自动计算。该计算有利地通过使用模型自动扩展到其他要考察的交通参与方，并且可应用于任何类型的道路（城市、高速公路
…
）。模型，如特别是行为模型，特别用于计算还必须考虑来自哪些区域（区）的其他交通参与方，用于（可能）以后对所考察的车辆做出决定。
40.动态区域在此尤其是大小与速度相关的区域，例如交通灯前面的区域，在该区域中，当交通灯切换到“黄色”时，所考察的车辆以舒适的减速度刚好还可以或刚好不能再停在停止线前面。动态区域特别取决于所考察的车辆的位置、速度和行为模型和/或其他主体或交通参与方的位置、速度和行为模型。在此，行为模型特别是（物理的）相应对象。动态区域按可选的方式也可以取决于外部影响，例如天气，例如由于在冰面光滑的情况下的被延长的制动距离。
41.有些区域的位置是相对于所考察的车辆的位置，例如所考察的车辆前方的必要的开放区域，并且有些区域具有绝对的位置，例如在真实地图中的给定的交叉区域。
42.区域图中的区域进而区域图是相应情况的抽象，它们无关于数字地图的具体结构，例如弯道半径或交叉路口的角度。这些逻辑区域可以作为物理区域映射到地图上。
43.在步骤132中，可以导出隐蔽区域。隐蔽区域由此特别表示所限定的区域，这些区域对于所考察的车辆的诸如摄像机、雷达等传感器来说完全地或部分地隐蔽。确定先前识别或导出的区域中有哪些是隐蔽区域的过程尤其可以根据数字地图的信息、关于外部影响的信息（能见度、道路上的雪和/或车辆位置）导出。尤其可以在对于场景（可能）相关的区域和隐蔽于场景中的区域之间进行比较，以便从中导出车辆系统的薄弱之处。
44.隐蔽在此例如可能来自外部影响（例如天气，比如雾）、路边建筑、其他交通参与方等。
45.在步骤131中，可以为每个识别的或导出的区域确定一组可能的子空间或区域状态。作为可能的区域状态，优选规定了空闲、被占用和迫近的状态。被占用特别是指，另一主体、即例如交通参与方而不是所考察的车辆位于那里。迫近特别是指，在所考察的车辆想要通过区域时，另一主体、尤其是交通参与方基于其所配属的模型可能会占据该区域。空闲尤其意味着，该区域未被占用且未被迫近。可能的子空间或区域状态的集合优选地通过zwicky框（zwicky-box）来确定，其汇总了现有主体的所有相关特征和对于这些特征所允许
的所有状况，在这些状况下区域为空闲或被占用或迫近。
46.通过行为分析，现在可以系统地且完整地分析可能场景的空间，并且完整地且一致地将其划分为等同类。在此，等同类包括所考察的车辆的行为相同或应该相同的所有情况。
47.为此，在步骤141中，根据所确定的动态区域图，并使用所获知的子空间，确定由数字地图、所考察的车辆、主体行为和其他输入变量构成的现有组合的可能的流程或场景的完整集合，并划分为等同类（
ä
quivalenzklasse）。在此，在一些影响因素下，所考察的车辆在特定的区域应该表现出或表现出特定的相同的行为，这些影响因素的每种组合都归入相同的等同类中。
48.在步骤151中，相关要求被分配给每个等同类。为此，该要求以机器可读的形式存在。它们例如可以作为“允许的行为”、“禁止的行为”或“强制行为”存在。也可以将强制性的、减少损害的行为作为要求存储起来。
49.在步骤161中，为每个等同类自动生成一个或多个监控器。监控器包括安全监控器。安全监控器根据传感器数据和/或车辆的当前行驶数据来确定当前的或预测的交通情况是否位于可能的流程之外或者对应于被确定为在规定运行区域之外的可能的流程。如果当前的或预测的交通情况在可能的流程之外，或者对应于在规定运行区域之外的可能的流程，则车辆中的被计算机实施的安全监控器可以采取措施，根据该措施来操控车辆。其它的监控器可以监控或预测所考察的车辆是否处在相应的等同类中以及车辆系统是否满足配属于该等同类的要求，即特别是按照要求规范或测试规范运行。
50.在此，可以有针对性地为了监控odd（operative design domain（设计运行区域），规定运行区域）而生成监控器，即针对下述类别的场景或要求，对于所述类别应该设计或应该测试车辆系统。
51.与在所考察的车辆系统中可能的调节器相比，监控器在此可以以不同的、特别是更慢的周期运行。
52.在步骤152中，可以基于区域图和规定的等同类自动生成阶段图。
53.在步骤162中，阶段图能够实现通过系统地检测所考察的车辆的所有可能的行为过程并与其所考察的变体进行比较来获知所确定的可能的流程的覆盖程度。
54.在此，阶段图中的特定的过程对应于特定顺序的特定区域的序列，对于每个区域分别具有规定的等同类。结果，可以在使用覆盖程度（例如路径覆盖）的情况下自动确保实现对可能的流程的特定的、特别是完全的覆盖。
55.在步骤172中，可以基于所考察的并且为满足要求而分析的可能的流程来执行车辆的行为、轨迹或机动规划或车辆的操控。
56.具有具体主体的各个区域的群体和对其起始点和起始状态（即速度等）的确定可以基于车辆的环境识别来进行。
57.此外，可以改变的连续参数（在等同类中的所谓连续的子空间）从在等同类中所包含的关于车辆和其他主体特别是交通参与方的信息中自动导出。这种连续参数的例子例如是摩擦系数、速度或弯道半径。
58.在步骤171中的输出优选地是用于车辆或车辆执行器的行为、轨迹或机动规划或操控指令的结果。
59.这些方法可以包括，从物理区域导出车辆系统的感知的关键的可见区域，并将其与车辆系统的实际感知进行比较。为此尤其可以确定是否需要检查特定区域以满足对车辆系统的要求。由此又可以推导出对车辆系统或车辆的传感器架构的要求。在此，也可以使用与距离相关的度量，即考虑感知（perzeption）与所考察的车辆相距要查看的特定区域的距离之间的关系。
60.为了评估车辆的感知，在此可以考虑其他的输入变量。这样的输入变量可以包括感知度量，特别是用于评估感知品质的标准度量。
61.然后还可以根据对所进行的感知分析来操控车辆。
62.图2示意性地示出了具有两条车道以及所考察的车辆203的数字道路地图的简单的道路区段。同样示出了速度限制为60的交通标志。在相关的车道中，由带有速度限制的交通标志产生了静态区域201——从该静态区域起适用新的速度规定——以及尚不适用新的速度规定的静态区域200。此外，根据所考察的车辆203的速度，可以推导出动态区域202，在该动态区域中，车辆203仍然可以在交通标牌前尤其是安全的且优选舒适的减速度的情况下充分减速到允许的速度（d
adapt
）。
63.图3中现在示出了针对图2所示场景所导出的两个区域图。在此，区域图对应于逻辑区域之间的关联，这些逻辑区域由地图的物理区域导出。根据车辆的速度，产生了两种可能的区域图。除了静态区域301和300之外，在第一区域图中还包含针对图2所解释的动态区域302，该动态区域对应于仍然足够的减速路径。在第二区域图中，不包含取决于车速的这个动态区域，例如因为车辆无论如何已经足够慢地行驶。
64.作为行为空间，现在产生例如取决于以下变量及其可能状况的流程：
‑ꢀ
当前的最大速度
○ꢀ
从交通标牌起较小的目标速度
○ꢀ
从交通标牌起相同的目标速度
○ꢀ
从交通标牌起较大的目标速度
‑ꢀ
当前的速度
○ꢀ
较小的当前目标速度
○ꢀ
相同的当前目标速度
○ꢀ
较大的当前目标速度
‑ꢀ
车辆相距交通标牌的距离
○ꢀ
小于适应距离
○ꢀ
等于适应距离
○ꢀ
大于适应距离在此，适应距离表示已经描述的减速路径，其中仍然可以实现特别是安全和舒适的减速。
65.基于这样的列表，可以系统地考察或预测所有可能的场景。通过抽象为逻辑区域，通过选择相关的参数和划分为相关的参数范围，大大降低了场景的复杂性。通过选择相互排斥的参数和参数范围，可以确定相互独立的场景，这些场景完全覆盖可能的场景范围。
66.图4示出了属于图3的第一区域图的、所考察的车辆的参数化的行为模型的图。在此，关于距离s地绘制了目标速度v
target
。还示出了图3的静态区域，此处为400或ds和401或
nls，以及图3的动态区域，此处为402。当前区域的最大速度v
max
(cls)，进而所考察的车辆的当前速度，高于从交通标牌起的最大允许速度v
max
(nls)，相应地在动态区域402或d
adapt
内，产生从当前的速度v
max
(cls)到那时最大允许的速度v
max
(nls)的减速度d
decel
(av)。
67.图5示出了属于图3的第二区域图的、所考察的车辆的参数化的行为模型的图。在此，关于距离s地绘制了目标速度v
target
。还示出了图3中的静态区域，此处为500或ds和501或nls。当前区域的最大速度v
max
(cls)，进而所考察的车辆的当前速度，低于从交通标牌起的最大允许速度v
max
(nls)，相应地在静态区域500或ds内，产生从当前的速度v
max
(cls)到那时最大允许的速度v
max
(nls)的加速度a
accel
(av)。
68.这种行为模型优选地考虑交通规则、行驶动态限制、系统限制和舒适性限制。模型的具体形式在很大程度上是无关紧要的。借助区域图进行的行为分析，包括其中使用的术语，例如特定的距离、速度、加速度和舒适参数（例如行驶平稳），优选如此进行，使得它在宽广的范围内保持稳定，即使行为模型的模型参数发生变化。这使得行为分析在很大程度上独立于行为模型的具体参数，因此可适用于许多不同的情况。其前提是，在行为分析中适当地选择抽象。
69.图2-5所示的“在静态限制下依循空车道”的通用行为在更具体的情况下在层级上从属于每种行为，例如“在有红绿灯和人行横道的交叉路口右转”。
70.相应的行为空间优选地分层级地构造。每个道路区段的基本行为特别是由纵向行为“在静态限制下依循空车道”给出。空在这里是指没有其他主体或交通参与方。静态限制（statische constraints）可以是速度限制、狭窄的车道、弯道等，它们导致下一个道路区段的另一种最大速度。由于与将来的限制之间的距离和当前的速度，所考察的车辆有时必须相应地调整速度。
71.图6中示出了四条支路的交叉路口的示意图，其具有红绿灯、交通标牌、人行横道6011和6012、所考察的车辆600以及其他交通参与方（其他车辆，例如60和行人6），其中，所考察的车辆600应向右转弯。
72.还示出了用于在随后的图7和图8中绘制的行为分析的相关区域600、602、603、604、605、606、607、608、609、610、611。
73.在此产生静态区域：
‑ꢀ
交叉路口区域600；
‑ꢀ
附近的人行横道6011；
‑ꢀ
远处的人行横道本身（在道路上）601；
‑ꢀ
广义上的远处的人行横道（例如包括等候区）6012；
‑ꢀ
在远处的人行横道后的部分602；此外产生了动态区域：
‑ꢀ
西边车辆的车辆区603；
‑ꢀ
南边车辆的车辆区604；
‑ꢀ
北边车辆的车辆区605；
‑ꢀ
在远处的人行横道两侧的行人区609、610；
‑ꢀ
南区，远离交叉路口（图6中所考察的车辆后方的区域）608；
‑ꢀ
附近的人行横道前的停车区611；
‑ꢀ
可能进入远处的人行横道的行人的在远处的人行横道两侧的危险区606、607。
74.在所配属的行为分析中，例如只考察“在有人行横道的四支路的交叉路口右转”的具体情况。因而于是假设，已经掌握“在没有行人且没有其他交通参与方的情况下绿灯时右转”的行为，这对应于“在静态限制下依循空车道”，因此不再明确描述。静态限制在此主要由一般允许的最大速度、车道宽度、车道倾斜度（纵向和横向）和必要的转弯轨迹的弯道半径给出。
75.在图7中示出了图6中所示区域的相应的区域图。
76.静态区域：
‑ꢀ
交叉路口区域701；
‑ꢀ
附近的人行横道702；
‑ꢀ
远处的人行横道本身（在道路上）7022；
‑ꢀ
广义上的远处的人行横道（例如包括等候区）7021；
‑ꢀ
在远处的人行横道后的部分703；动态区域：
‑ꢀ
西边车辆的车辆区704；
‑ꢀ
南边车辆的车辆区705；
‑ꢀ
北边车辆的车辆区706；
‑ꢀ
在远处的人行横道两侧的行人区710、711；
‑ꢀ
南区，远离交叉路口709；
‑ꢀ
附近的人行横道前的停车区712；
‑ꢀ
可能进入远处的人行横道的行人的在远处的人行横道的两侧的危险区707、708。
77.在图8中，示出了图6和图7中场景的阶段图。在这里，所考察的车辆最初在阶段801中处于所述区域（在图6中为南区，远离交叉路口）内，在阶段802中处于南边车辆的车辆区（在图6中为所考察的车辆的区域）内，在阶段803中处于在附近的人行横道前面的停车区的区域内，在阶段804中处于下述区域之一内：即交叉路口、附近的人行横道或远处的人行横道，并且在阶段805中处于在远处的人行横道后面的区域内。可能的过渡用箭头标出。于是，根据附近的人行横道前方停车区域中的情况而定，车辆可能会或可能不会停止，即从阶段802到阶段804的阶段过渡可以直接进行，或者经过阶段803来进行。
78.作为等同类，在此优选规定了所考察的车辆的参数如速度、加速度、在车道中的位置的参数组合，这些参数组合导致所考察的车辆的相同的目标行为。对于每个等同类都可生成监控器，这些监控器检查所考察的车辆或车辆系统的被观察的和预测的行为，以确定是否遵守等同类的规范。
79.将等同类投影到所考虑的经分析的道路区段的区域上，其具有潜在的主体群体和所考察的车辆的所预先给定的意图（任务），在考虑到所考察的主体-群体的行为的情况下，该投影提供了所考察的车辆移动通过道路区段的区域的阶段。
80.一个阶段由道路区段的行为分析的在相关区域中可能发生的等同类的子集形成。根据区域的大小而定，所考察的车辆在该区域内还可以在该阶段的等同类之间来回切换，例如在大区域内在走走停停式的交通中在启动、滚动、停止和等待之间进行多次切换。
81.在行驶通过道路区段时的阶段的序列形成了阶段图。所考察的车辆始终处于一个阶段，并且在每个阶段中恰好处于形成了该阶段的等同类之一中。
82.如果例如所考察的车辆的预定路线例如由于事故而被持久地阻塞，更复杂的阶段图可以动态地产生。然后可以计算新的路线，这通常会导致所考察的车辆的局部不同的意图，从而导致新的阶段、区域等。这可以被所考察的车辆所掌握，如果掌握了必要的机动（例如在车道中逆行或倒车以及尽早转弯）并且在替代路线上预期的道路区段也被所考察的车辆所掌握的话。
83.这些阶段为所考察的车辆的行为提供了组合性基础。如果道路区段的每个分析都有入口区域和出口区域，从而有入口阶段和出口阶段，那么在道路区段的拓扑层级上和在阶段的行为层级上就可以实现组合性。在此特别地，下一区段的入口区域包含前一区段的出口区域。
84.道路区段的出口区域优选能完全容纳所考察的车辆，但不应大得多，以便可以在最低限度的条件下离开相应区段。道路区段的入口区域通常是相对于道路区段的相关部分（交叉路口、环形交通
…
）远离所考察的车辆的区域。
85.优选地对特定的通用的道路区段（简单的路段、简单的交叉路口、简单的环形交通、简单的停车场等）进行分析，并作为模型存储在相应的模型库中。相对较少的此类通用模型足以覆盖所有可能的或实际发生的道路区段的大部分。通过选择此类通用道路区段的相关属性，由此可以创建小型的、可配置的和可参数化的模型库，然后可以在此基础上容易地计算更复杂的道路图。于是例如可以由四支路交叉路口的通用模型，通过省略交叉支路，生成不同类型t形路口。交叉支路之间的角度、车道宽度、车道数量、配备先行标志和交通灯尤其可以是模型中的参数。
86.在图9中，以道路示意图的形式示出了两个可以组合的道路地图区段。这些道路地图区段具有：
‑ꢀ
所考察的车辆，从左侧下方开始，其预期的机动标有一系列细箭头，并将车辆引导至右侧下方，
‑ꢀ
其他交通参与方（带有用粗箭头标记的预期机动的车辆，行人为方框），
‑ꢀ
交通灯和交通标志，
‑ꢀ
人行横道。
87.图10示出了图9中的道路地图区段的区域图。在此，图10中的左侧区域或右侧区域参照图9中的左侧或右侧道路地图区段来确定。同类的区域用相同的附图标记表示：
‑ꢀ
交叉路口区域1001；
‑ꢀ
远处的区域1009；
‑ꢀ
附近的人行横道1002；
‑ꢀ
带有所配属的行人区域和行人危险区域的远处的人行横道（10021、10022、1010、1011、1007、1008）；
‑ꢀ
车辆区1004、1005、1006；
‑ꢀ
停止区域1012；
‑ꢀ
在远处的人行横道后面的区域1003。
88.图11示出了图10中区域图的阶段图。在此，图11中左侧的阶段1101-1104或右侧的
阶段1106-1109参照图10中区域图的左侧部分或右侧部分来确定。两个部分之间的阶段1105表示过渡，并对应于图10中的区域图之间以及图11中的地图区段之间的过渡。
89.如果已经考察了两个或多个道路地图区段，例如存储在模型库中，那么如果仅再次考察未知的过渡，则由具有过渡的道路地图区段构建的更复杂的道路地图场景就足够了。除此之外，可以采用已经进行的分析。
90.通过将给定的地图自动地抽象为用于地图上可能的机动的逻辑区域图，可以确定如下准确信息：地图的哪些组成部分在使用该方法执行的分析中已经被掌握，并且还必须另外考虑哪些。
91.通过所选择的抽象（区域、等同类、阶段），实现了结构组合性和行为组合性。结构组合性能够基于区域实现连接几个基本元素（例如直线道路和弯道）。利用通过定义阶段实现的行为组合性，确保在分析中考虑单个元素对于在复杂地图上正确行为来说足够了。
92.图12示出了行人行为处于规定的环境之外的示例性交通情况。所有六个场景都包括车道上的车辆、在车道旁边或边缘处的行人以及指定用于该行驶情况的区域。区域g包括人行横道前面的车道区域。区域m包括在车道旁边的处于人行横道水平的人行横道区域。区域p包括区域m中的一个范围，该范围与车道和人行横道起点直接相邻。在车道另一侧的与人行横道区域p或m对应的区域标明为q或l。
93.在上方一行的三个场景中示出了不使用所提出的方法之一的场景。
94.在第一场景中，车辆接近区域g中的人行横道并且行人走向区域m和人行横道，但不在下述特定区域之一内，即：车辆为了其控制可以考虑所述特定区域。因此，行人（尚未）被认为与车辆的行为或决策相关。区域l和m的大小取决于车辆直至穿过人行横道所需的（预测）时间，以及取决于根据车辆的规定运行区域（odd）所假设的行人最大速度。
95.在第二场景中，车辆进一步接近人行横道，由此减少了预期的直至通过人行横道的时间，进而减小了区域l和m的大小。行人也进一步接近人行横道，但仍被评估为无关，因为他在特定区域特别是区域m之外。
96.在第三场景中，车辆已经进一步靠近人行横道，由此又缩小了区域m的大小。然而，车辆尚未到达人行横道。而行人现在已经穿过了区域m和区域p，并处于人行横道的起点，因此与车辆的安全运行非常相关。因此发生了危险的、不希望的情况，其中行人直接在车辆前方进入车道。
97.在下方一行的三个场景中，示出了在使用所提出的方法之一的情况下的场景，由此可以预测危险的、不希望的情况。
98.第一场景对应于上方一行的第一场景。在车辆和行人接近人行横道时，监控器可以观察交通情况，并确定当前的或预测的交通情况是否超出针对特定区域推导出的可能的流程。例如，可以确定检测到的行人相距区域m的距离。如果例如从第一场景到第二场景的距离出乎意料地迅速减小，则会识别到与预期交通情况的偏差。作为对策，在此例如在第二场景中，在行人周围增加了一个新的区域o1，在操控车辆时考虑到该新的区域。相应地，车辆可以在第三场景中已经进行安全的机动，并且可以在其前方的行人进入车道时安全地停在人行横道前。防止了危险的、不希望的情况。
99.图13示出了示例性的交通情况，其带有在不同的车道上以相反的方向移动的两个车辆、行人以及人行横道。区域g、l、m、p、q对应于图12中描述的区域：所考察的车辆在车道
上的行驶区域g、在人行横道正前方的车道旁边的区域p和q——在该区域中预计行人在其进入道路之前会（短暂）等待——以及区域l和m，其表明位于其中的行人仍然可以在车辆穿过人行横道之前到达人行横道。如针对图12所描述的那样，区域l和m的大小尤其基于关于行人和其他交通参与方的可能运动（加速度和速度）的模型和假设进行调整。如果行人行为不对应于这些模型和假设，这可能会导致意外情况。
100.根据图13的区域图，现在可以对车辆的预期的或期望的行为进行形态分析。在这个简单的场景中，可以从这种情况中推导出两种可能的行为方式：“穿过人行横道！”或“停在人行横道前！”。该分析允许可能的行为方式或流程是完整和一致的，但仅仅在交通参与方的行为处于先前确定的限制和假设之内时才是如此。
101.图14示出了根据安全监控器的输出来操控车辆的方法的示例性流程。此处，车辆系统1400具有安全监控器1406，该安全监控器具有区域或区域图以及形态分析的结果，借此从相应的区域图导出交通情况的可能的流程。这些也可以任选地通过软件更新进行更新。
102.附加地，监控器可以访问车辆模型（例如关于加速度、减速度、转向可行方案等）以及行为模型，这些行为模型描述了其他交通参与方如行人或其他车辆的预期行为。
103.在车辆运行中，安全监控器从各种来源1401到1405获得其它信息，所述其它信息例如关于车辆的当前状态（例如数字地图上的速度和当前位置）以及关于所检测的包括其他交通参与方在内的车辆周围环境。这些信息可以从车辆的传感器数据中导出，或者可以从外部特别是通过车辆对车辆的通信或基础设施对车辆的通信来接收。
104.安全监控器可以通过以各种不同的方式输出至不同的组件或单元来影响对车辆的操控。
105.在一种可能的实现方式中，安全监控器例如输出如下信息：已离开规定的运行区域，或者，交通情况与相应的区域图的现有可能的流程不对应，并且根据这一点来操控车辆。
106.在另一种可能的实现方式中，安全监控器输出用于可能的安全机动的条件或限制。这些条件或限制例如可以以新占用区域、阻塞区域、规避轨迹建议、一组线或多边形的形式提供，或者提供为一种区域，成本函数的成本与该区域相关联。这些条件或限制然后可以特别地被传输到车辆中的行为、轨迹或运动规划器1407或类似模块，以便计算车辆的安全行为或安全轨迹。
107.在另一可能的实现方式中，安全监控器直接计算安全的机动，可能包括轨迹计算在内。然后可以将计算出的机动（man
ö
ver）传输到车辆的操控单元1408，该操控单元相应地操控车辆。
108.在图15到19中给出了所提出的方法的三个可能的例子。
109.图15示出了另一示例性交通情况，其中行人的行为超出了规定的环境（kontext）。这是一种与图13所描述的情况相仿的情况。两个车辆再次在不同的车道上以相反的方向驶向人行横道，而行人从车道外接近人行横道。区域g、l、m、p、q也相应于图13被标明。
110.在此示例中，探测到对象的行为超出了其运动可能性的假设，这可能导致危险的情况。形态行为分析结合区域图确定：如果行人位于m、p、l、q区域之一中或在人行横道上，则所考察的车辆必须在人行横道前的区域g内制动。区域m和p的大小又基于对相关的交通
参与方的预期移动特性的假设来计算。这些移动特性例如包括交通参与方的最大速度、最大加速度以及它们改变方向的可能性。
111.安全监控器现在监控区域外的对象或交通参与方，并确定它们的行为是否与现有的模型假设一致，并且尤其确定它们是否会恰恰因为这种意外行为而在将来会进入特定区域之一中。如果存在这种情况，则可能是处于假设之外的交通情况，车辆针对这些假设经过了测试和批准。应在由此产生危险情况之前识别出此类交通情况。
112.图16示出了示例性的交通情况，其中在并非为车辆所设定的区域中检测到了车辆。
113.所考察的车辆正在向人行横道移动。区域g、l、m、p、q也相应于图13被标明。
114.安全监控器访问关于在哪个区域中允许哪些对象或交通参与方的信息。由此当对象或交通参与方位于并非为其所设定的区域中时，所述安全监控器能够识别。在如图16所示的带有人行横道的区域图中，例如可以规定，仅允许行人停留在区域p、m、l和q中。在图16中，现在第二辆车位于区域m中，因此这表示违反了所做的假设。安全监控器可以相应地确定这一点。
115.图17示出了对应于图16的交通情况的示例性替代反应。在此，在图17中示出了与图16中相同的交通情况，仅补充了用于第二车辆的另一区域，该第二车辆意外地处于区域m中。如果交通情况不符合任何可能的或规定的流程，则可以由安全监控器执行这种补充，作为措施或替代反应。如果检测到的对象，这里是区域m中的第二车辆，属于已知的对象类别，并且因此可以使用其行为的模型，则这尤其是可能的。该模型于是可以用于计算第二车辆的新区域，该新区域考虑了车辆的可能的或预期的运动情况。
116.在替代的设计中，安全监控器可以只向车辆中的另外的机构发出通知，表明它已经识别出意外的交通情况，或者对象或交通参与方位于意外的区域中。这种另外的机构尤其也可以引起通过hmi向驾驶员输出。
117.图18示出了示例性的交通情况，其中行人的行为将车辆带出规定的运行区域。在这种交通情况下，车辆也朝着人行横道移动。区域g、l、m、p、q也相应于图13被标明。附加地示出了四组交通灯，两组用于人行横道前面的位于车道上的车辆，以及各有一组用于在人行横道每一侧的行人。在交通情况的两个场景中，用于车辆的交通灯为绿色，用于行人的交通灯为红色。
118.在第一场景中，所考察的车辆向人行横道移动，而m区域的行人也在接近人行横道。在第二场景中，车辆进一步接近人行横道，并且行人从区域m经过区域p进入了人行横道。
119.在这种情况下，m区域行人的出现及其运动行为处于规定的限制和模型假设之内。在第一场景中，行人停留在与车辆行为相关的区域中。但是，现在可以在规定的运行区域（odd）内对交通参与方的允许的行为方式有额外的限制。例如可以假设，其他交通参与方遵守交通规则。相应地，违反交通规则于是可以被定义为在规定的运行区域（odd）之外的交通情况，例如行人不顾红色的行人交通灯进入人行横道。这因而是一种意外的且具有潜在危险的交通情况。
120.图19示出了对应于图18的交通情况的示例性替代反应，并且示出了与图18的第二场景相对应的情况。
121.通过相应地扩展形态行为分析，可以将交通灯状态记录为所考察的流程的特性。如果现在假设交通参与方遵守交通规则，则针对“行人在人行横道处横穿马路”和“人行横道处的交通灯为红色”的组合确定：该组合对应于在预期的运行区域之外的情况。该信息可供安全监控器使用，该安全监控器可以相应地将当前交通情况识别为危急，并启动适当的通过车辆进行的安全对策。
122.尽管所描述的例子是借助人行横道处的交通情况来说明的，但是所提出的方法特别是在使用安全监控器的情况下也可以用于所有类型的交通情况和各种规定的运行区域，例如城市交通、高速公路交通或在限制区域中。