用于调控车灯的光发射的方法和系统与流程

1.本发明涉及一种用于调控车灯的光发射的方法。本发明还涉及一种用于调控车灯的光发射的系统。


背景技术：

2.车灯除其它用途外，还用于提醒交通参与者注意驾驶行为的变化并且对危险情况发出警告。例如，可以通过点亮制动灯提醒后方的交通参与者注意车辆的制动减速。对于自适应的车灯而言，可以与交通情况对应地调整光发射。由此能够提高处于可能的危险情况中的车辆的可见性并且由此提高交通安全性。在全制动的情况下，除了制动灯外，例如还可以打开另外的制动灯。此外，环境信息可以纳入自适应的适配中。然而，车灯的光发射的与交通状况对应的适配无法始终被明确地解释。
3.由专利文献wo 2020/087352 a1已知一种用于控制车辆的照明系统的方法。收集环境信息、例如车辆周围的物体以及周围的物体与车辆的距离，并且基于该环境信息自动地调节车辆的照明系统。可以使用人工智能来分析环境信息。
4.专利文献de 10 2004 041 429 a1描述了一种用于控制车辆的后雾灯的方法，其中，使用外部数据自动地确定后雾灯是打开还是关闭或者是否保持在其打开状态。借助由人工智能确定的近似的目标切换状态，在低于预设的视距时通过自动地干预发动机控制来限制最大速度。
5.最后，专利文献wo 2020/013754 a1公开了一种用于控制车辆照明装置的方法。不同前照灯的特性可以与天气适配。外部的控制中心可以通过用户界面接收操作人员的任务并且通过人工智能执行这些任务。
6.这些装置和方法的缺点在于，尽管对光发射进行了自适应的调控，但光发射的光功能未被其它交通参与者充分地感知和理解。


技术实现要素：

7.因此本发明所要解决的技术问题在于，提供一种方法和装置，其中，自适应的光发射被其它交通参与者更好地感知和理解。
8.按照本发明，所述技术问题通过一种用于调控车辆的车灯的光发射的方法和一种用于调控车灯的光发射的系统解决。
9.在按照本发明的方法中，对沿着车灯的发光方向布置的交通参与者进行检测。改变车灯的光发射，接着检测关于交通参与者对光发射的变化做出的反应的反应数据。确定预测数据，所述预测数据给出预计会对改变的光发射做出何种反应。将检测的反应数据与确定的预测数据进行比较，并且在预测数据与反应数据存在偏差时确定通过车灯的光发射的哪种适配预测使所述偏差减小。与所确定的适配对应地调控车灯的光发射。
10.光发射的变化可能涉及尾灯、制动灯、方向指示灯和倒车灯(sbbr)或高位制动灯、单独的方向指示灯、前灯或者前雾灯。所检测的交通参与者例如可以是其它机动车的驾驶
员、骑自行车的人或者行人。该交通参与者可以位于车辆的前方、后方或者旁边，与车辆间隔由所述车辆的检测半径定义的距离。
11.反应数据提供有关所检测的交通参与者对光发射的变化的反应的信息。所述信息例如可以包含相对其它交通参与者的距离测量的数据。
12.预测数据描述了尤其是在所述方法中产生的数据，并且包含关于交通参与者的作为对光发射的变化的反应的预期的行为的情报。在制动灯强度提高时例如预期车辆与所检测的交通参与者之间的距离会增大。
13.如果尽管由于改变的光发射会预期距离增大但是距离没有增大，则例如可能存在预测数据与反应数据的偏差。针对光发射的变化的光发射调控可以依次进行多次，直到预测数据与反应数据的偏差处于容许范围内。
14.所述方法根据交通参与者的所测量的反应数据与预测数据的比较有利地自动适配车灯的设置。
15.通过检测反应数据能够有利地更好地将所述调控与所检测的交通参与者的个性化的反应方式适配。例如第一交通参与者检测到前方行驶的车辆的制动过程。在该制动过程中制动灯以低的光强度亮起，因此很快就不需要进一步的适配。第二交通参与者在这种情况下例如反应得较慢。由于反应数据与预测数据不匹配，因此会进行调控、例如提高制动灯的光发射的强度。以此方式使驾驶员有利地不必在交通流中或者在危险情况下附加地注意其它交通参与者如何对其自己车辆的光发射的变化做出的反应。
16.所述调控不仅可以通过车灯的光发射的手动改变来启动。所述调控也在车灯的光发射自动改变的情况下被激活；所述调控例如在识别出危险情况并且车灯的光发射被自动改变时，更确切地说尚在驾驶员对其反应之前就被激活。
17.根据按照本发明的方法的一种设计方案，检测车辆周围环境的环境数据并且借助所述环境数据确定周围环境中的危险严重程度的等级。在车灯的光发射改变时，根据所确定的危险严重程度改变车灯的光发射的光强度，从而与危险严重程度的等级对应地适配车灯的光发射的光强度。
18.为此，可以在车辆中设置用于观察交通环境的前置摄像机或者用于观察后方的交通情况的传感器装置、例如后部雷达、超声波、后部摄像头或者激光雷达。还可以通过gps传感器测量和传输交通参与者的相对位置或者绝对位置。环境数据因此例如可以包括摄像机的图像数据、激光雷达传感器的测量数据、雷达传感器的测量数据和超声波传感器的测量数据。此外，例如可以考虑雨水传感器的测量数据、亮度传感器的测量数据、温度传感器的测量数据、空气湿度计的测量数据和/或气压传感器的测量数据。
19.沿着车灯的光发射方向布置的其它交通参与者尤其也可以不依赖其它交通参与者的车辆的装备而借助用于检测环境数据的传感器装置来检测。此外，由此也可以检测反应数据、即其它交通参与者对光发射的变化的反应。
20.危险严重程度的计算可以包括关于交通延迟、交通拥堵、事故、由于雾导致的视线干扰、由于恶劣天气导致的困难的驾驶条件的信息。此外，可以将关于车辆或者其它交通参与者的速度或者车辆与其它交通参与者之间的距离的信息用于计算。还可以根据各个单独的信息的重要性对其进行分类。例如可以考虑拥堵处的距离或者雾的严重程度。随即由通过环境数据确定的信息确定危险严重程度的等级。
21.与之相关地，车灯的光发射的光强度尤其理解为光通量、即光源每单位时间发出多少可被人眼感知的光。光通量对应于物理的辐射功率，然而同时附加地考虑了人眼的敏感度。
22.如果根据所确定的危险严重程度改变车灯的光发射的光强度，则这尤其意味着对于低危险严重程度选择低的光强度，而对于高危险严重程度选择高的光强度。
23.交通参与者有利地通过使光强度与危险严重程度的适配来识别存在何种危险等级。例如，如果初始速度低，距离大，并且由于交通略微延迟而仅进行轻微的制动，则计算出低危险严重程度并且选择低的光强度。以此方式能够防止后面的交通参与者突然的导致事故或者影响交通流的止动过程。另一方面，例如在高速度、暴风雨和强烈制动的情况下则计算出高的危险严重程度并且选择高的光强度。以此方式警告交通参与者并且可以启动更强的制动过程。
24.无需驾驶员帮助，有利地这样调控光发射，使得车辆在危险情况下的可见性增加并且通过变化的发光最佳地识别警告和/或指示，由此能够提高交通安全性。
25.根据按照本发明的方法的扩展设计，在车灯的光发射改变时，光强度从初始的光强度连续地增大直到与危险严重程度的等级对应的光发射。
26.光强度的连续增大理解为光强度的不断单调递增的变化。例如，当在危险情况下光发射从危险严重程度的低等级到危险严重程度的高等级适配时，不是从低的光强度突然增大到高的光强度，而是连续地增大。其它交通参与者有利地不会由于强度的强烈增大而眩目，避免了惊吓其它交通参与者，由此降低了发生事故的风险。
27.也可以通过光强度的自适应的适配来传输动态的情况变化过程。如果驾驶员例如识别到交通拥堵并且缓慢地制动，则仅以低的光强度、例如以小发光面积或者低亮度的形式进行警告。而如果因为对于驾驶员的拥堵处出现得比预期的更快，使得在该制动过程中制动强度增大，则强度等级随着制动强度的增大而连续地增大。
28.在交通参与者例如是行人时，光强度的适配也可以涉及前照灯或者其它车灯。
29.根据按照本发明的方法的另一设计方案，检测车灯的周围环境中的亮度，并且当车灯的光发射发生变化时，车灯的光发射的亮度这样改变，使得实现车灯的光发射的亮度与所检测的车灯的周围环境中的亮度之间确定的对比度。
30.环境亮度可以通过车辆后部的传感器以及整个交通环境中的传感器、尤其是后方的交通的区域中的传感器进行测量。在将环境亮度与车灯的光发射的亮度进行比较时，可以确定它们之间的对比度。对比度理解为环境亮度与车灯的光发射的亮度之间的强度差异。
31.车灯的光发射的亮度在此尤其是车灯的光出射面的光密度。所述光密度考虑了由车灯发出的光通量的位置方向相关性。所述光密度表示以何种表面亮度使眼睛感知车灯的表面。
32.有利的是，交通参与者应当清楚地识别出车灯的光发射，因此对比度应该相应地较高。然而，过高的对比度是有妨碍性的，因为这会使交通参与者眩目。
33.与之相应地，在例如由于强烈的阳光而使得环境亮度较高时，车灯的标准地设置的光发射亮度将仅实现较低的对比度。交通参与者因此较难察觉到车灯的光发射。为了改善车灯的可识别性，需要提高亮度。由此确保了尤其在危险情况下能够保证车灯的信号功
能。交通参与者不太可能感到眩目，因为其由于强烈的阳光照射已经习惯了该亮度。
34.反之，例如在夜间或者在隧道中由于黄昏或黑暗而使得环境亮度较低时，车灯的标准地设置的光发射亮度实现了非常高的对比度。为了避免使交通参与者眩目，需要降低亮度。尤其是当车辆在交通拥堵期间或者在排队的情况下行驶时，这种持续的眩目会造成干扰。然而，亮度仍被选择得足够大，以确保仍能识别车灯。
35.根据按照本发明的方法的扩展设计，根据危险严重程度的等级设置定义的对比度，其中，在危险严重程度的等级较高时设置较高的对比度。
36.根据危险严重程度适配对比度可以与根据环境亮度适配对比度相结合。为了产生与相应的危险严重程度对应的定义的目标对比度，在例如在白天周围亮度较高时需要比例如在夜间或者在驶过隧道时更高的亮度。
37.例如，这是通过对比度矩阵实现的，其中，为低亮度和高亮度以及低危险严重程度和高危险严重程度的不同组合分配了相应的对比度。例如，在高环境亮度和高危险严重程度的情况下，设置最大的对比度，也就是说车灯的亮度会相应较高。这实现了高的信号效果，以便最佳地警告交通参与者。而当环境光线较暗时、例如在隧道中，以及在危险严重程度较低时，最小的信号效果就足以通知交通参与者，而不会使其眩目或者受到惊吓。
38.中等环境亮度和中等危险严重程度的情况相应地被适配。因此，对交通参与者的有利效果可以用于所有的环境亮度和危险严重程度。
39.根据按照本发明的方法的扩展设计，车灯具有具备多个照明器件的表面并且通过车灯的亮度和/或发光的表面来适配光强度。光发射的改变因此可以通过光发射的强度改变、即亮度改变、即单位面积的辐射通量的改变实现，或通过具有相同光密度的更大的面积来实现。
40.多个照明器件尤其可以是多个发光二极管(led)。因此，尤其可以通过各个单独的led中的自适应的强度控制来改变光强度。
41.车灯还可以包括各个单独的led，其中一些led可以组合形成相应的照明装置的局部区域。例如尾灯可以由多个独立的子部件构成。根据应当达到的信号效果，可以缩小或扩大发光面。通过相应的照明装置的能单独控制的发光面元件实现发光面的扩大。
42.作为车灯的定义的面的亮度的补充或备选，也可以适配车灯的发光面的尺寸。所述尺寸可以与对比度和/或危险严重程度的等级相应地进行适配。
43.例如在危险严重程度较低时激活小的发光面，在危险严重程度较大高时激活大的发光面。发光面越大，警告效果的直观性就越高。由此可以在危险严重程度较高的情况下更好地警告交通参与者，所述危险严重程度例如与增大的碰撞风险相关联。在这种情况下，发光面的亮度没有改变。
44.车灯的光发射的两种变化、即亮度的变化和车灯的发光面的尺寸的变化优选可以组合。既可以根据对比度也可以根据危险严重程度的等级进行适配。例如如果在明亮的环境中存在高的危险严重程度，则既激活大的发光面又设置增大的亮度。
45.在改变车灯的光发射时，发光面可以与危险严重程度的等级对应地从初始发光面连续地增大到目标发光面。
46.因此，不同的信号组合可以用于不同的警告情况和警告等级，交通参与者可以直观地将所述信号组合与当前情况联系起来。
47.按照本发明方法的另一设计方案，使用机器学习方法来确定预测数据。通过使用机器学习方法能够有利地确定特别可靠的预测数据。
48.根据按照本发明的方法的扩展设计，反应数据被存储在数据库中并且使用数据库的反应数据来训练用于确定预测数据的机器学习方法的参数集。
49.在使用该方法之前，例如在交付车辆之前训练人工智能，其中，收集驾驶员在不同行驶情况下的反应数据，并且将所述反映数据储在数据库中并且使用该反应数据来进行训练。在所述方法中，借助使用机器学习方法的人工智能实时地确定预计对哪种行驶情况做出何种反应，以便由此产生预测数据。除了驾驶员的实际反应外，机器学习方法尤其还包括不同的环境因素。所述方法由此能够针对多种行驶情况产生可靠的预测数据，即使是针对那些未事先直接地确定并且存储在数据库中的行驶情况。
50.产生用于确定预测数据的数据库的另一种可能性是，在车辆使用期间或者在应用所述方法期间持续地存储当前的反应数据。因此，每次使用所述方法时，可用于训练机器学习方法的数据集都会得到扩展。由此能够不断地完善预测数据的确定，这产生了车灯的优化的设置并且由此产生更安全的行驶情况。
51.在使用用于确定预测数据的方法之前使用的数据集分别可以与当前数据集组合。因此可以将提前已经确定的行驶情况、尤其是罕见的行驶情况记录在数据库中，然而数据集此外也可以不断地以当前的行驶情况进行扩展。由此例如也将交通状况的新的扩展或未知的环境也包括在内。
52.因此，使用机器学习方法的人工智能能够自动地识别不同的环境因素并且对设置进行整体优化。人工智能学习在哪种情况下哪种灯光设置是最好的。所述情况在此由灯光情况、周围的交通、驾驶员的操作和其它环境因素组成。该基于人工智能的算法尤其可以从交通参与者针对照明的行为中进行学习。这例如包括，由于眩目造成的快速反应或者根本没有反应或者错误驾驶。
53.由此可以充分利用来自不同传感器的大量数据。所确保的是能够快速地适配车辆照明，并且这样对所述适配进行调控，使得向驾驶员和后面的交通参与者产生直观的信号。
54.为了机器学习方法可以使用来自环境数据的信息，以便由环境数据确定危险严重程度的等级。人工智能从反应数据中学习：危险严重程度的估计并因此车灯的设置是否产生了期望的结果，或者是否错误地估计了危险严重程度。
55.按照本发明的方法的另一设计方案，反应数据通过车辆之间的直接通信(车对车通信)由所传输的数据确定。以此方式例如可以直接地传输所检测的交通参与者的驾驶员的制动活动和/或转向行为和/或所检测的交通参与者的驾驶员的眼睛运动。
56.作为直接检测的环境数据的备选或者补充，可以分析车辆之间的直接通信(车对车)的数据。例如可以确定后面的交通参与者是否也是停止的或者队列中是否存在运动。此外可以传输有关驾驶员或车辆的信息。环境数据由此能够有利地以无法直接通过传感器测量的数据进行扩展。
57.按照本发明的用于调控车灯的光发射的系统包括用于检测沿着光发射的方向布置的交通参与者的检测单元和用于改变车灯的光发射的设置单元。所述系统还包括计算单元，其用于检测交通参与者对光发射变化做出的反应的反应数据、用于确定预测数据，所述预测数据给出了预计对光发射的变化的反应，所述计算单元还用于将检测的反应数据与所
确定的预测数据进行比较。调控单元设计用于在预测数据与反应数据存在偏差时确定车灯的光发射的哪种适配预测使偏差减小并且根据所确定的适配调控车灯的光发射。
58.按照本发明的系统尤其用于执行按照本发明的方法。所述系统具有与按照本发明的方法相同的优点。
59.对于车辆的驾驶员，可以在车辆中的组合显示器中显示所计算和应用的对车灯的设置。以此方式使驾驶员了解其它交通参与者看到的灯光显示。驾驶员由此能够检查调控的作用方式是否正确并且由此对光发射进行检查。此外，如果系统由于驾驶员本人未识别或过晚地识别危险情况而产生危险信号，则会警告驾驶员。两者都提高了驾驶员和其它交通参与者的安全性。
60.光发射的表示例如可以通过各个单独的照明器件的符号来可视化，一旦调控被激活，那么所述照明器件就会亮起。在显示中可以类似地采用扩大发光表面和/或提高光发射的亮度的向外应用的技术。如果危险严重程度特别高，则可以响起附加的声学的警告信号。
61.与没有强度控制的标准车灯相比，在所述方法中提到的对车灯的控制的所有的变型方案都自动地提高能效。
附图说明
62.以下根据实施例参照附图阐述本发明。
63.图1示意性地示出了所述系统的部件，
64.图2示出了按照本发明的方法的第一实施例的方法步骤的流程图。
具体实施方式
65.首先参照图1描述按照本发明的装置的实施例：
66.所述包括多个布置在车辆8中的环境传感器4。这些环境传感器可以包括摄像机、激光雷达传感器、雷达传感器、超声波传感器、雨水传感器、测量车辆8的交通环境中的环境亮度的亮度传感器、温度传感器、空气湿度计和/或空气压力传感器。由这些环境传感器4检测的数据作为环境数据传输给检测单元1。
67.其它交通参与者6(车对车)或者交通设施(车对x)的其它外部的环境数据通过通信单元9传输给检测单元1。检测单元1还与卫星信号接收器、例如gps(全球定位系统)接收器10连接，从而可以确定车辆8的当前位置。由检测单元1接收的环境数据被传输给计算单元2并由所述计算单元进一步地处理。
68.计算单元2由环境数据计算关于交通参与者6对光发射的变化做出的反应的反应数据。此外，计算单元2产生预测数据，所述预测数据给出了预计会对光发射的变化做出何种反应。
69.计算单元为此与内部的或者外部的数据库11连接。数据库11包含提前收集的反应数据和提前通过机器学习方法训练的人工智能。传输给计算单元2的环境数据用于借助使用机器学习方法的人工智能产生预测数据。借助环境数据确定的反应数据也存储在数据库11中，以便扩展用于机器学习方法的数据集。
70.此外，计算单元2由环境数据确定危险严重程度的等级。为此使用存储在数据库11中的反应数据，以便通过人工智能由之前的行驶情况确定正确的危险严重程度的等级。
71.计算单元2还用于将所检测的反应数据与所确定的预测数据进行比较。结果被传输给调控单元3，在预测数据与反应数据存在偏差时，所述调控单元3确定车灯5的光发射的哪种适配预测使偏差减小。
72.所述装置还包括用于改变车灯5的光发射的设置单元12。对车灯5的光发射的所确定的适配的结果和相应所需的调控被发送给设置单元12并且车灯5的光发射由所述设置单元进行设置。
73.车灯5包括用于尾灯、制动灯、方向指示灯和倒车灯(sbbr)或高位制动灯、单独的方向指示灯和/或前雾灯的照明装置。此外，车灯5也可以作为前灯使用。车灯5包括多个单独的发光二极管(led)，其中一些发光二极管被组合以形成用于确定的光照功能的局部区域。以此方式能够由led构成发光面元件。设置单元12根据所计算的调控来控制车灯5的各个单独的led，并以此方式改变车灯5的发光面和车灯5的光发射的光强度。
74.该适配同样被传输给显示单元7，所述显示单元向驾驶员示出车灯5的设置。
75.以下参考图2阐述按照本发明的方法的实施例，其中，描述了按照本发明的装置的实施例的其它细节：
76.在执行所述方法之前，在步骤s0中训练用于确定危险严重程度的等级和预测数据的人工智能。为此，收集驾驶员对不同的行驶情况的反应数据和对应的环境数据，将其存储在数据库11中并用于训练。
77.在行驶期间，在第一步骤s1中检测沿着车灯5的光发射方向布置的交通参与者6。交通参与者6是沿着制动灯的光发射方向、即位于车辆8后方的机动车辆的驾驶员。在另一个实施例中，交通参与者6也可以是骑自行车的人或者行人并且也可以位于车辆8的旁边或者前方。
78.在第二步骤s2中通过环境传感器4检测环境数据。该步骤s2包括通过亮度传感器测量亮度、测量与其它交通参与者的距离以及检测天气状况。通过计算单元2由环境数据确定危险严重程度的等级。在所述实施例中，驾驶员以高速度处于高速公路上。虽然明亮，但是下着大雨。由于附近发生事故，司机不得不强烈地制动。因此确定了高的危险严重程度等级。该确定借助人工智能实现，所述人工智能从先前的反应数据和环境数据中学习估计危险严重程度以及哪种与之相关的对车灯5的设置适用于在此产生期望的结果、例如对跟随的交通参与者进行警告。
79.在接下来的第三步骤s3中，通过设置单元12改变车灯5的光发射。驾驶员进行制动并且制动灯亮起。在此激活现有的led中的一半，并选择中等亮度等级。在另一实施例中，光发射的变化例如也可以通过闪烁或通过打开前灯来实现。
80.在第四步骤s4中，通过检测单元1检测关于交通参与者7对光发射的变化做出的反应的反应数据。这些信息来自用于观察后方交通的传感器、例如后部雷达、超声波、后部摄像机或者激光雷达，这些传感器被周围环境传感器4包括。然而，如果交通参与者6具有可以与车辆8的通信接口9交换数据的通信接口(车对车)，则也可以通过传输交通参与者6的制动行为、转向行为或眼睛运动直接地实现所述信息。此外可以使用用于观察交通环境的前置摄像机。在所述实施例中，计算单元2根据后置摄像机的图像确定交通参与者6尚未开始进行制动过程。计算单元2在此还可以考虑雷达传感器和/或激光雷达传感器的数据。
81.在第五步骤s5中，将反应数据存储在计算单元2的数据库11中以扩展用于机器学
习方法的参数集。数据库11包括已经提前存储的来自其它交通情况的反应数据，这些反应数据是在使用所述方法期间或者使用所述方法之前收集的。
82.在第六步骤s6中确定预测数据，所述预测数据给出预计会对改变的光发射做出的反应。为此，访问数据库11的反应数据并且借助机器学习方法通过预先训练的人工智能确定预测数据。预测数据预测，交通参与者将不得不紧急刹车以对光发射的变化做出反应。
83.在第七步骤s7中将反应数据与预测数据进行比较。在所述实施例中，将未制动的车辆8检测作为反应数据并且将强烈制动的车辆8预测为预测数据。因此确定了预测数据与反应数据的偏差。
84.由于确定了偏差，因此在第八步骤s8中，计算单元2确定通过对光发射的何种适配预测使偏差减少。在此一方面考虑危险严重程度的等级。由于危险严重程度的等级被分级为高，因此要扩大发光面或者提高发光的led的亮度。
85.另一方面确定车辆灯5的光发射在周围环境中的对比度。将亮度传感器检测的亮度与车灯5的当前设置的亮度进行比较。确定设置为中等亮度等级的车灯5与环境亮度之间的对比度。确定以更高的亮度等级能够实现更好的对比度。机器学习方法与这些输入信息对应地产生对光发射的优化的设置。在这种情况下，亮度增大，并且发光面连续地增大至最大可能的面积。
86.在车辆8中的组合显示器中向驾驶员显示车辆灯5的所计算的和所应用的设置。由于危险严重程度提高，因此还发出声学的警告信号。
87.现在重复调控的过程。光发射的新的设置可以等同于上述步骤s3。在所述实施例中，现在由于光发射的变化检测到交通参与者6的强烈的制动过程。两个车辆之间的距离增大。根据步骤s5，将重新设置光发射之后检测的反应数据存储在数据库11中，以进一步地改善机器学习方法。在这种情况下，反应数据在预先定义的公差范围内与预测数据相一致，因此不需要进一步的适配并且使所述方法终止。
88.附图标记清单
[0089]1ꢀꢀꢀꢀꢀꢀ
检测单元
[0090]2ꢀꢀꢀꢀꢀꢀ
计算单元
[0091]3ꢀꢀꢀꢀꢀꢀ
调控单元
[0092]4ꢀꢀꢀꢀꢀꢀ
环境传感器
[0093]5ꢀꢀꢀꢀꢀꢀ
车灯
[0094]6ꢀꢀꢀꢀꢀꢀ
交通参与者
[0095]7ꢀꢀꢀꢀꢀꢀ
显示单元
[0096]8ꢀꢀꢀꢀꢀꢀ
车辆
[0097]9ꢀꢀꢀꢀꢀꢀ
车对车通信接口
[0098]
10
ꢀꢀꢀꢀꢀ
gps信号
[0099]
11
ꢀꢀꢀꢀꢀ
数据库
[0100]
12
ꢀꢀꢀꢀꢀ
设置单元

技术特征：
1.一种用于调控车辆(8)的车灯(5)的光发射的方法，在所述方法中，检测沿着所述车灯(5)的光发射方向布置的交通参与者(6)，并且改变所述车灯(5)的光发射，接着检测关于所述交通参与者(6)对光发射的改变做出的反应的反应数据，确定预测数据，所述预测数据给出沿着所述车灯(5)的光发射方向布置的交通参与者(6)预计会对改变的光发射做出何种反应，将所检测的反应数据与所确定的预测数据进行比较，在所述预测数据与所述反应数据存在偏差时确定通过所述车灯(5)的光发射的哪种适配预测使所述偏差减小并且根据所确定的适配调控所述车灯(5)的光发射。2.根据权利要求1所述方法，其特征在于，检测所述车辆(8)的周围环境的环境数据并且借助所述环境数据确定所述周围环境中的危险严重程度的等级，在所述车灯(5)的光发射发生变化时，根据所确定的危险严重程度改变所述车灯(5)的光发射的光强度，从而与所述危险严重程度的等级对应地适配所述车灯(5)的光发射的光强度。3.根据权利要求2所述方法，其特征在于，在改变所述车灯(5)的光发射时，所述光强度从初始发光强度连续地增大到与危险严重程度的等级对应的光强度。4.根据权利要求1所述方法，其特征在于，检测所述车灯(5)的周围环境中的亮度，在改变所述车灯(5)的光发射时，这样改变所述车灯(5)的光发射的亮度，使得实现在所述车灯(5)的光发射的亮度与所检测的所述车灯(5)的周围环境中的亮度之间的确定的对比度。5.根据权利要求2和4所述的方法，其特征在于，根据危险严重程度的等级设置定义的对比度，其中，在危险严重程度的等级较高时设置较高的对比度。6.根据权利要求5所述方法，其特征在于，所述车灯(5)具有具备多个照明器件的面并且通过所述车灯(5)的亮度和/或发光面适配所述光强度。7.根据权利要求1所述方法，其特征在于，使用机器学习方法确定所述预测数据。8.根据权利要求7所述方法，其特征在于，反应数据存储在数据库(11)中，并且使用所述数据库的反应数据来训练用于确定预测数据的机器学习方法的参数集。9.根据权利要求1所述方法，其特征在于，通过车对车通信装置(9)由所传输的数据确定所述反应数据。10.一种用于调控车灯(5)的光发射的系统，具有用于检测沿着光发射方向布置的交通参与者(6)的检测单元，用于改变所述车灯(5)的光发射的设置单元(12)和计算单元(2)，所述计算单元-用于检测关于所述交通参与者(6)对所述光发射的改变的反应的反应数据，
‑
用于确定预测数据，所述预测数据给出了预计会对改变的光发射做出何种反应，-用于比较所检测的反应数据与所确定的预测数据，所述系统还具有调控单元(3)，所述调控单元设计用于在所述预测数据与所述反应数据存在偏差时确定所述车灯(5)的光发射的哪种适配预测使偏差减小并且根据所确定的适配调控所述车灯(5)的光发射。

技术总结
本发明涉及一种用于调控车辆的车灯的光发射的方法，在所述方法中，检测沿着所述车灯的光发射方向布置的交通参与者，并且改变所述车灯的光发射，接着检测关于所述交通参与者对光发射的改变做出的反应的反应数据，确定预测数据，所述预测数据给出沿着所述车灯的光发射方向布置的交通参与者预计会对改变的光发射做出何种反应，将所检测的反应数据与所确定的预测数据进行比较，在所述预测数据与所述反应数据存在偏差时确定通过所述车灯的光发射的哪种适配预测使所述偏差减小并且根据所确定的适配调控所述车灯的光发射。此外，本发明涉及一种用于执行所述方法的装置。及一种用于执行所述方法的装置。及一种用于执行所述方法的装置。


技术研发人员：S.兰普 C.斯图登尼 A.布苏斯 R.达诺夫 B.巩特尔 K-W.古特雅尔 I.彼得曼-斯托克 J.罗思 M.塞姆 S.沃格勒 M.温格
受保护的技术使用者：大众汽车股份公司
技术研发日：2022.12.21
技术公布日：2023/7/5