[发明专利]自动优化车辆照明系统的预测动态弯道灯功能的方法、照明系统、车辆和计算机程序产品

权利要求书

1.一种用于自动优化车辆照明系统的预测动态弯道灯功能的方法(100)，包括：

-配置(103)用于控制车辆照明系统的弯道灯控制单元以将初始弯道灯控制参数值作为要使用的弯道灯控制参数值；

-配置(104)分类单元以根据所述弯道灯控制单元的输出值将所述弯道灯控制单元的表现自动分类为期望的表现类别和至少一个另外的表现类别；

-配置(105)控制参数优化单元以根据所述弯道灯控制单元的输入值和分配给所述输入值的所述弯道灯控制单元的表现类别确定更新后的弯道灯控制参数值；

-获取(106)行驶轨迹参数值作为所述车辆至少一个行程期间所述弯道灯控制单元的所述输入值；

-确定(107)所述弯道灯控制单元的输出值，并且根据在所述至少一个行程期间所确定的所述输出值对所述弯道灯控制单元的表现进行自动分类(108)；和

-确定(109)更新后的弯道灯控制参数值并且将所述要使用的弯道灯控制参数值调整(110)为所述更新后的弯道灯控制参数值，其中：

确定(109)更新后的弯道灯控制参数值包括应用(113)遗传算法，通过所述遗传算法将所述弯道灯控制单元的表现分类为所述期望的表现类别的频率增加。

2.根据权利要求1所述的方法，其中，确定(109)更新后的弯道灯控制参数值以及将所述要使用的弯道灯控制参数值调整(110)为更新后的弯道灯控制参数值发生在所述至少一个行程期间。

3.根据权利要求1或权利要求2所述的方法，其中，确定(109)更新后的弯道灯控制参数值包括根据所述要使用的弯道灯控制参数值和存储的先前要使用的弯道灯控制参数值执行(112)所述自动分类的元建模。

4.根据权利要求3所述的方法，其中，应用(113)遗传算法包括使用所述元建模生成的模型通过非支配遗传排序算法来执行全局优化。

5.根据前述权利要求之一所述的方法，其中，所述自动分类(108)包括使用(114)受过训练的人工神经网络。

6.根据权利要求5所述的方法，其中，在使用机器学习方法执行(102)训练阶段的同时训练所述人工神经网络，所述机器学习方法至少评估以下值：所述车辆的车速、所述车辆的方向盘的转向角、以及所述车辆的行车前照灯的对焦。

7.根据权利要求6所述的方法，其中，当执行(102)所述训练阶段时，由专家评估测试行程数据以及相关的表现的手动分类。

8.根据权利要求6或权利要求7所述的方法，其中，所述机器学习方法针对所述分类单元的每个表现类别使用分配的机器学习模型。

9.根据前述权利要求中任一项所述的方法，其中，所述期望的类别涉及所述弯道灯控制单元的正确反应，并且所述至少一个另外的类别包括第一另外的类别和第二另外的类别，其中所述第一另外的类别涉及所述弯道灯控制单元的延迟反应，并且所述第二另外的类别涉及所述弯道灯控制单元的不稳定反应。

10.根据前述权利要求中任一项所述的方法，其中，所述自动分类(108)还包括向分别分类的表现分配(115)信任级别。

11.根据前述权利要求中任一项所述的方法，其中通过存储的可用测试行程数据来模拟所述至少一个行程。