CN102193000A - 机动车的系统与确定加速度的方法 - Google Patents
机动车的系统与确定加速度的方法 Download PDFInfo
- Publication number
- CN102193000A CN102193000A CN2011100303405A CN201110030340A CN102193000A CN 102193000 A CN102193000 A CN 102193000A CN 2011100303405 A CN2011100303405 A CN 2011100303405A CN 201110030340 A CN201110030340 A CN 201110030340A CN 102193000 A CN102193000 A CN 102193000A
- Authority
- CN
- China
- Prior art keywords
- road section
- acceleration
- parameter
- probability distribution
- new argument
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
用于机动车的系统,以及用于确定加速度的方法,其中基于当前位置(XGPS)根据地图数据确定道路路段(i);其中测量在该道路路段(i)内的多个加速度值(a(t),a1,a2)和/或多个速率值(v(t),v1,v2);其中从存储器读出在该道路路段(i)内的加速度概率分布的被存储的参数(μn,∑n,σn),该被存储的参数(μn,∑n,σn)与该道路路段(i)相关联;其中根据被读出的参数(μn,∑n,σn)并根据多个加速度值(a(t),a1,a2)和多个速率值(v(t),v1,v2)中的至少一个计算在该道路路段内的加速度概率分布的新参数(μn+1,∑n+1,σn+1);以及其中存储概率分布的新参数(μn+1,∑n+1,σn+1)。
Description
技术领域
本发明涉及机动车系统和确定加速度的方法。
背景技术
从WO 2008/112335 A1中了解到一种用于确定具有最小的车辆估计燃料用量的建议路线的设备和方法,该建议路线是基于针对车辆的不同速度估计的车辆燃料效率、并基于针对该路线的估计速度确定的。车辆的估计燃料效率基于车辆的总体数据。可替换地,该估计燃料效率基于车辆的实际数据。在某些实施例中,建议路线受用户路线优选以及实时路线信息限制。实时路线信息数据包括当前交通条件、当前事故报告、天气信息、当前施工场所等。可替换地或额外地,估计燃料用量基于实际的驾驶员行为数据。实际的驾驶员行为数据包括从用户的驾驶行为收集的数据,例如该用户是否经常变速,该用户是否很快地加速并因此在停车中使用的燃料比典型的司机多等。例如,在计算将为通常超过限速每小时10英里的用户所用的估计燃料量时,路线确定器使用路段的限速加上每小时10英里作为估计速度。在某些实施例中,路线确定器被布置成考虑了驾驶风格的列表,例如“偏爱变速”,“通常不变速”等,并且从输入装置接收被选出的用户驾驶风格。
US 2008/0004789 A1示出了为与环境有关的路线选择推断道路速度。道路速率应从道路特性和可能的受限传感数据推出。道路速度可能是道路特性或道路分类(例如二车道、四车道、高速路、国家公路、乡村公路...)、道路周围区域的类型(例如商区、住宅区、农业区...)、道路经过的地形、标定的限速、附近的资源(诸如购物区、娱乐场所等),以及其它关于道路路段/交叉口的适宜数据的函数。此外,也可使用其它信息资源,包括天气信息、道路之间的关系、道路类型和道路状况(例如附近被检测的干线上的交通阻塞),以及道路类型之间的特定的几何关系(例如始于快速路的入口或出口的道路路段之间的距离)。假设一些检测数据、统计方法(包括作为机器学习和推断技术熟知的那些方法)可被用来生成关于如何最佳地利用这样的数据的见解,以及这样的数据之间更高级的关系和模式,以预测不同环境中的道路路段速率,这些环境包括当前起作用的环境,近期未来的环境,以及更远未来的环境。这些方法可被用于构造持续计算所有道路路段的速率的概率分布的自动预测系统。
在US 2008/0004789 A1中,速度分析组件可通过研究路线快照上每对连续GPS点来学习对于每个时刻和平日/周末分类的个别速度。各对之间的驾驶员的速度可被计算,并且该速度可被用以产生为了从A到达B而经过的每个道路路段的行车平均速度。速度测量可被应用于与时间块相关联的行车平均速度,该时间块的时间特性与速度计算中所涉及的收集数据的那些时间戳相匹配。因此,速度分析组件可确定与各种范畴(时刻、周几)中的道路路段相关联的速度。
发明内容
本发明的目的是尽量地改善确定加速度的方法。
这种目的通过具有独立权利要求1的特征的方法达到。从属权利要求的主题为有利的改进,这种有利的改进包括在说明书中。
因此,提供了一种用于确定正向和/或负向的加速度的方法。该方法可有利地在例如机动车导航系统的系统中实现。该导航系统被例如安装在机动车上。该系统具有,例如,用于执行方法步骤的运算单元。
依据该方法,基于当前位置根据地图数据确定道路路段。有利地,该道路路段被定义在地图数据上的道路的两点之间。该地图数据被存储在例如半导体存储器或电磁或光数据载体的存储介质中。例如基于传感器信息或无线电单元或优选地GPS卫星数据确定当前的位置。
依据本方法,在被确定的道路路段内测量多个加速度值和/或多个速率值。有利地,加速度值和/或速率值可通过电子系统以固定时间间隔测量。在机动车上,加速度值和/或速率值是在传感器的辅助下测量的,并经由CAN总线被传输。
依据本方法,从存储器读出在道路路段内的加速度概率分布的被存储的参数。被存储的参数与被确定的道路路段相关联。这些参数映射在道路路段内的正向和/或负向加速度的动态。在该确定的路段内的加速度的频率和强度被这些参数所涉及。这些参数使得能够显示所确定路段内加速度的曲线或级数。
至少一个参数优选地为加速度的统计离差(statistical dispersion)的测量结果。加速度的统计离差测量的普通例子为方差、标准偏差和四分位范围(interquartile range)。统计离差的测量使得能够映射该道路路段内的加速度的动态。申请人的研究显示通过基于对作为加速度概率分布的参数的统计离差的测量来计算,可以更精确地确定燃料消耗。
概率分布的参数使得能够节省空间地将车辆移动的描述存储在导航系统中或导航数据库中,该描述特别包括加速度的概率分布。这些参数描述了车辆在交通流中取决于交通状况的平均动态和微动态。
取决于概率分布的类型,可使用不同的参数。该概率分布优选地为正态分布或拉普拉斯分布(Laplace distribution)。这些参数与使用的概率分布相关联。如果正态分布被使用,这些参数是,例如,期望值和标准偏差。在多维分布的情况下,这些参数可为矢量或矩阵,例如在多变量正态分布的情况下。
例如所存储的参数从至少一个在先测量结果或预设的初始值中取值。依据本方法,道路路段的加速度概率分布的新参数不仅根据读出的参数而且还根据多个加速度值和/或多个速率值计算。
在计算新参数之后,加速度概率分布的新参数被存储。优选地,为了取决于道路路段的额外功能,对被存储的加速度概率分布的新参数进行评估。
优选地,为加速度值和速率值被测量的特定道路路段计算新参数。备选地或此外,为与该道路路段关联的某种类别的道路路段计算新参数,使得新参数被专用于该特定道路路段或该种类别的道路路段。被专用于该特定道路路段的新参数可能不同于被专用于该种类别的道路路段的新参数。
本发明进一步的目的是提供一种被尽量改善并适合用于机动车的系统。
这种目的通过具有独立权利要求9的特征的系统达到。从属权利要求的主题为有利的改进,该有利的改进被包括在说明书中。
因此,提供了一种用于机动车的系统。该导航系统具有用于执行程序运行的运算单元。该运算单元为例如中央处理单元(CPU)的处理器。该系统优选地具有作为组件的导航系统,被配置成接收卫星信号。
该系统具有包含地图数据的存储器,地图数据包括道路路段。优选地在存储器中存储了附加参数和/或测量值。该存储器优选地为非易失性存储器。
该系统优选地具有连到用于接收速率和/或加速度的被测量值的数据总线的接口。该数据总线优选地为机动车的现场总线(field bus),例如控制器区域网络(CAN)总线。
该系统具有用于确定当前位置的接收机,该接收机优选地为全球定位系统(GPS)接收机或用于从传感器或类似设备接收其它位置数据的接收机。该接收机、接口和存储器优选地连接到运算单元。
运算单元被配置成基于当前位置确定当前道路路段。为了这种目的,被存储的地图数据被运算单元所存取,以便确定属于被确定当前位置的当前道路路段。
运算单元被配置成从存储器加载加速度概率分布的参数。这些参数关联地图数据的至少一个道路路段。这些加速度概率分布的参数是根据速率测量结果和/或加速度测量结果确定的。
以下描述的改进涉及用于确定加速度的系统以及方法。方法特征可对应于系统的功能。系统的功能可暗示着相应方法步骤。
依据优选的改进,地图数据具有多个类别的道路路段。具有预设的与道路相关的标准的道路路段与各类别相关联。与被确定的道路路段关联的类别优选地通过运算单元确定。优选地为道路路段和/或为与道路路段关联的类别存储加速度概率分布的新参数。为了将所有道路路段分级,优选地将每个道路路段分配到一种类别。类别的划分可依据不同的道路相关标准,例如在与国家有关的基础上。一种分级的方法是,例如,通过法律设定的可容许的最大速率或备选地或依据不同城市、短距离和长距离道路或快速公路的(子)区分的组合。
为了计算路线信息,优选地运算单元被配置成从存储器中加载加速度概率分布的参数。这些加速度概率分布的参数优选地使用以上解释的方法来计算。加速度的概率分布优选地为正态分布或拉普拉斯分布。
依据有利的改进,可为任意路线计算路线信息。为了计算该路线信息,加速度概率分布的参数被输入算法。可在系统的显示装置的辅助下,将路线信息直接显示给用户。还可以使用该路线信息计算进一步数据,例如计算在例如考虑路线信息的特定受限条件下计算路线。
依据有利的改进,使用递归公式计算加速度概率分布的新参数。道路路段的被测量的加速度值和/或速率值以及加速度概率分布的被存储的参数被输入该递归公式。额外地可以预先计算与若干预设频率相对应的系数(均值、幅度),作为递归公式的一部分。
依据备选的改进,具有当前的概率分布参数的加速度当前概率分布是根据被测量的多个加速度值和/或多个速率值计算的。加速度概率分布的新参数是根据加速度当前概率分布的当前参数和被存储参数计算的。这种中间步骤可用于在计算加速度概率分布的新参数之前,首先计算加速度的当前概率分布和检查当前分布的有效性。额外地或备选地,用于频率集合的系数可被计算并被输入以计算加速度的当前概率分布,和/或被输入递归公式,递归公式中的系数是从多个加速度值和/或多个速率值获得的。
依据有利的改进,为了计算新参数,被存储在存储器中的和被分配给道路路段的参数被读出。为了这种目的,道路路段优选地具有标识符,该标识符与被存储的参数存储在一起,并被分配给被存储的参数。
在备选的改进中,被存储的参数被分配给与道路路段有关的类别。该类别的被存储的参数优选地被读出,用于计算新参数。通过使用该标识符,也可因此选出一种类别的道路路段。
依据优选的改进,优选地通过使用GPS接收机确定(导航)系统的当前位置。当前的道路路段优选地根据当前位置和地图数据确定。地图数据优选地存储在(导航)系统的存储器中。
在另一种有利的改进中,除加速度概率分布的新参数外,还计算可靠性信息的项目。该可靠性信息被分配给加速度的概率分布的计算参数的有效性,用于后续评估。不同的变量,例如,道路路段内的测量数可被用作可靠性信息。加速度概率分布的新参数优选地与关联新参数的可靠性信息存储在一起。
依据有利的改进变型,测量的时间段,例如一天中的时刻和周几,被确定。例如,测量结果被分配给工作日或给非工作日,以便考虑工作日中典型的偏差交通量。还可能分配给历月,以便考虑统计的天气影响。
优选地从存储器中读出被分配给时间段(和分配给道路路段/道路路段的类别)的加速度概率分布的存储参数,以便计算新参数。被分配给该时间段(和分配给道路路段/道路路段的类别)的计算出的加速度概率分布的新参数优选地被存储起来。
依据另一种尤其有利的改进变型,使用加速度概率分布的与交通相关的参数,将加速度概率分布的参数分配给不同交通量。与交通相关的参数优选地具有例如从0到1的值范围。可替换地,与交通相关的参数具有固定数量的值,例如值1和0。这两种情况均使得能够给不同的交通量分配变量。例如,移动交通被分配到值为0的与交通相关的参数,而更高的交通量-例如客流运输量-被分配到值为1的与交通相关的参数。
在系统的有利的改进中,运算单元被优选地配置成评估道路路段内速率和/或加速度的测量值。运算单源优选地被配置成基于存储在存储器中的参数以及道路路段内的速率和/或加速度的测量值来计算加速度概率分布的新参数。运算单元有利地配置成将被分配给道路路段和/或被分配给道路路段类别的计算出的新参数存储在存储器中。
依据有利的改进变型,运算单元被配置成基于加速度概率分布的参数计算路线信息。该路线是根据地图数据的道路路段确定的。
在另一种有利的改进变型中,运算单元被配置成读出与当前位置的道路路段关联的加速度概率分布的参数。该运算单元被进一步配置成基于所读出的加速度概率分布的确定用于控制机动车的驾驶的控制数据。
优选地将加速度概率分布的参数分配给一个特定的道路路段。这使得能够毫不费力地为每个单独的道路路段存储加速度的概率分布。尤其是,通过这种方式可以在统计学上准确地检测出被驾驶员频繁使用的道路路段。
在另一种尤其有利的改进变型中,加速度概率分布的参数被分配给一种类别的道路路段。地图数据具有多个类别的道路路段。符合预定义的道路特定标准的道路路段与相应的类别关联。
还可通过给单独的道路路段分配参数,以及通过给被关联的道路路段类别分配(其它)参数,将参数与道路路段和类别的关联相互组合起来。如果单独道路路段的参数存在,这些参数比相应类别的参数具有更高的优先权。
以上描述的改进变型不论单独地应用还是组合起来应用都是特别有利的。所有的改进变型均可相互组合。在附图中的示范性实施例的描述中解释了某些可能的组合。然而,其中所示的关于组合改进变型的这些可能性并不构成限制。
附图说明
以下基于附图中说明的示范性实施例更加详细地解释本发明,其中:
图1a示出了机动车系统的示意性说明;
图1b示出了系统的示意性框图;
图2示出了说明相对于时间的速率和加速度曲线的示意图;
图3示出了二维概率分布的示意图;以及
图4示出了示意性流程图。
具体实施方式
图1示出了机动车1,其中驾驶员2经由机动车1的驾驶和控制系统3确定该机动车的移动。机动车1被置于道路交通环境4中,驾驶员2经由交通规则5和物理限制条件5与该环境4相互作用。可用于导航的系统10,具有装置100、GPS接收机101和连接总线(CAN)以及因此连接机动车1的电子系统的接口102,系统10被装备在机动车1中。装置100可经由接口102读入机动车1的数据。装置100可经由GPS接收机101读入位置数据。
基于图1b来详细地解释装置100的组件。装置100具有运算单元110、输入装置120、显示器130、存储单元140以及可选路线计算器150和可选的用于无线通信的通信单元160。
参数存储区域142中的参数和/或被测数据和/或地图数据141可存储在存储器140中。装置100经由接口102连接到数据总线CAN,其中接口102用于接收速率和/或加速度的测量值v(t)、a(t)。该装置还连接到通过使用卫星或其它信号确定当前位置XGPS的接收机101。
运算单元110具有多种功能111、112、113、114。功能111使用位置数据XGPS确定当前位置。运算单元110被进一步配置成用于功能112,以便在当前位置XGPS和地图数据141的基础上确定当前道路路段。通过使用功能113将速率和/或加速度的被测量值v(t)、a(t)组合起来,以便达到数据累积的目的。
车辆在交通流中的复杂移动不仅决定了通过某道路路段所需的总体行驶时间而且还确定了所需的燃料量。系统10包括车辆移动的紧凑数学描述,其适用于在系统的存储器140中或在有线/无线连接的外部数据库中的节省空间的存储(space efficient storage)。该系统被配置成节省空间地存储车辆移动的描述,尤其包括加速度的曲线或分布,该曲线或分布描述了车辆在交通流中的取决于交通状况的平均动态和微动态。额外地,平均速度参数可被有利地组合。
常规导航系统使用的静态参数不足以确定汽车在道路路段上的燃料消耗。特别是结合动态改变的交通状况,开发出图1b的系统10。该系统10包括描述了在一定交通状况下单个车辆在给定道路路段上的移动的模型。该模型通过功能114被映射,其中运算单元110被配置成,例如为了计算路线信息,从存储器140加载机动车1的加速度概率分布的参数。例如,正态分布或拉普拉斯分布可被用作概率分布。在加速度正态分布的情况下,使用的参数为加速度的方差和平均值。额外地,使用在道路路段内速率或平均速率的分布。
每个道路路段被分配到一种类别的道路路段。所有道路路段被划分成预设数目的类别。在每个国家中可以不同方式实现道路路段的分类。例如,道路路段被分配以路线内的重要性。例如,诸如快速路、高速路、国家高速路或地方性道路的长距离道路路段具有最高的重要性。另一方面,两个城市或城镇之间的短距离道路路段具有次高的重要性。其它分类方法依据法律允许的最高速率(不限速、130km/h、120km/h、50km/h等)来划分道路路段。再进一步的分类方法是依据道路的地理特征,例如转弯数、上坡倾斜度、下坡倾斜度等来划分道路路段。依据不同类别的道路路段分类的类型还可彼此结合。
加速度概率分布的参数是从速率测量和/或加速度测量确定的,并且作为每个道路路段类别的默认值被存储在存储器140中。可通过使用一辆或多辆车辆的测试旅行来提前为每个道路路段类别测量和计算参数。据此,概率分布的参数被分配给包括道路路段的类别。还可能将与路段有关的参数额外地分配给特定道路路段。在依据图1b的示范性实施例中,例如,使用了8×8×8个类别。
可基于加速度概率分布的参数来计算指定路线的燃料消耗,作为路线信息。额外地,算法考虑了车辆模型和驾驶员的例如变速调档的行为。例如,在显示器130的辅助下,燃料消耗可被显示。基于加速度概率分布的参数确定的燃料消耗继而还可被用于计算该路线,例如确定总燃料消耗最低的路线,或在计算范围内具有加油站的最佳路线。
路线信息的另一项是,例如,由于加速和刹车操作的数量引起的驾驶员压力,该数量是在加速度概率分布的参数的基础上计算的,并且例如在压力指标的辅助下,被显示成例如在显示器130上的曲线图的形式。
与例如距离、转弯数或最大或平均速率的静态地图数据比较,在一个道路路段内或一种类别的道路路段内实际加速度的更精确的描述是在该道路路段内多个被测值的辅助下,以及在加速度概率分布的参数的计算的辅助下获得的。
加速度概率分布的参数可在各自道路路段上行驶的车辆的驾驶-培训控制中被使用,以便优化驾驶-培训效率和行驶舒适度。例如在特定路段内加速度的方差较大的情况下,驾驶-培训的控制可适用于更动态地控制功率,改变例如压强和/或空气燃料比。
在依据图1b的示范性实施例中,对于每个类别的道路路段的参数被作为默认值存储在存储器140中。而且,在依据图1b的示范性实施例中的系统10的装置100被配置成,基于机动车1的被测值v(t)、a(t)持续地适配用于特定道路路段和/或用于一种类别的道路路段的参数。装置100因此被实现为关于加速度分布概率的参数的自学习(self-learning)装置100。
为了进一步加强加速度概率分布的参数的可用性和描述能力,使用在被安装在车辆上的系统10运行时收集的驾驶数据来适应性地估计参数。以这种方式,与攻击型驾驶员相关联的参数方差将比冷静型驾驶员的情况下具有更大的值。从而更大的方差也将导致更大的燃料消耗,这可使用参数的适应性估计来计算。
运算单元110被配置成基于道路路段上的速率和/或加速度的测量值v(t)、a(t)确定加速度当前概率分布的当前参数。这些进一步的参数可能与已经存储的现有参数不同。运算单元110被配置成基于存储器140中存储的参数和通过测量确定的当前参数两者计算新的参数。备选地,运算单元110被配置成以基于存储器140中存储的参数和测量值,例如通过使用递归函数计算新的参数。
运算单元110随后将被分配给道路路段的新参数存储在存储器140中。新参数据此可被用作计算路线信息的算法的输入值。
图2示出了具有测量值v1、v2、a1、a2在时间t的范围内的曲线的示意图。被测值v1、v2、a1、a2是在道路路段i上测定的。在前道路路段i-1和后续道路路段i+1的被测值未被说明。例如,被测值v1、v2、a1、a2等是在时间间隔相等(例如1/10秒)的离散测量时间点t1、t2,...,tn处测定的。测量时间点被包括在该时间段内,该时间段分辨能力为,例如,一小时并指示该天是否为工作日。上/下午或白天/夜晚的时间段分辨能力也是可以的。
例如,在根据图2的图中示意性地说明了对于测量时间点t1和t2中的每一个的速率被测值v1或v2和加速度被测值a1或a2。然而,通常为道路路段i测定更多个被测值。被测值v1、v2、a1、a2,例如,通过车辆电子系统测定,并且通过数据总线被传输到装置100,并且至少临时地存储在装置100中。例如将使用导航系统10的接口102通过CAN总线传输这些被测值。
图3使用示意图,在加速度和速率的二维概率分布的辅助下,示出了被测值的评估的示范性实施例。被测值(v1,a1)...,(vn,an)被解释成随机变量x=(v,a)(随机矢量)的实现。在图3中,通过分配给加速度的值a和速率的值v的叉号(cross)说明各个值x。还说明了在被考查道路路段i上法律容许的最大速率vmax。
图3示出了取决于交通量的两个概率分布。这两个概率分布可被描述为:
(v,a)~λ·N(μ1,∑1)+(1-λ)·N(μ2,∑2) (1)
其中
λ∈{0,1} (2a)
被用于名数(concrete number),或者
λ∈[0,1] (2b)
被用于从零到1的范围。
λ是描述(中量)交通量的概率的叠加参数(overlay parameter)。在道路路段i内的参数λ优选地被假定为常数。
N(μ,∑)为二维正态分布,μ,∑为被称为二维正态分布的期望值矢量μ(x)和协方差矩阵∑的参数。在图3中,属于协方差矩阵∑1的值被分配给中量交通量,并且属于协方差矩阵∑2的值被分配给自由移动的交通。图3中的图示出,尽管对于自由移动交通的第二概率分布的平均速率μ2(v)较高,但是平均加速度值和加速度的动态较低。因此在中量交通的情况下,燃料消耗明显更高,这不是从平均速率而是从加速度分布概率中得出的结论。
如果出现车队,可在道路路段i中进行的多个测试旅行的辅助下确定概率分布。为道路路段i计算的概率分布的参数可经由,例如,根据图1b中的通信单元160被传输到中央计算机。该中央计算机继而可以将该道路路段的概率分布的参数以更新的形式一起发送到车队中的所有车辆的所有导航系统。
依据另一个示范性实施例,计算了对于固定集合的频率fk,加速度的概率分布,例如
在以下等式的基础上在道路路段i中局部地定义速率曲线
其中s为秒,υ0是平均速率,并且Ak是每个加速度的幅度。在该示范性实施例中,考虑了持续时间为2秒至5秒的驾驶动作。公式4a适合零至5秒的时间间隔,然而在另一个实施例中公式4b适合零至10秒的时间间隔:
在道路路段i中确定的系数被解释成随机变量,矢量x=(v0,A0,A1,A2,A3,A5,A5)的实现。幅度和频率的组合与加速度的强度(负向=刹车/正向=加速)相互关联。对于k的上升,幅度Ak的重大衰减表现很明显。在该示范性实施例中,考虑了持续时间为2秒到10秒的驾驶行为。具有随机变量x=(v0,A0,A1,A2,A3,A4,A5)的概率分布类似于x=(v,a)的概率分布,即v≈v([0,10s]),a≈dv/dt([0,10s])或者简化的v≈v0,Ak≈a。
正态分布或拉普拉斯分布可被用作,例如,多维的概率分布。
在图4中示意性地说明了方法步骤的可能序列的流程图。在步骤1中,机动车沿着当前道路路段i行驶。在第二步骤2中,在信号的辅助下执行定位,确定位置XGPS。在第三步骤3中,从被测定位置XGPS和地图数据确定当前道路路段i。
在第四步骤4中,被测量数据被累积。在道路路段i上的速率和/或加速度曲线-如在图2中说明的-在此被标绘出。在第五步骤5中,数据被累积并且/或者中间的数据被计算出。如果无中间数据被进一步使用,可省略步骤5。在第五步骤5中,基于被测值计算出例如加速度的当前概率分布-例如正态分布-的参数。在多维正态分布的情况下,如图3所示,当前期望值矢量μ和当前协方差矩阵∑被计算。在当前一维正态分布的情况下,可至少为加速度计算当前期望值μ和当前标准偏差σ。还可计算与在公式(3)和(4)中描述的频率集合相应的系数
在第六步骤6中,执行了与存储器140中存储的关联参数μn,∑n或σn的比较。这些存储参数μn,∑n或σn是通过使用当前参数μn,∑n,σn或递归公式,例如在下面描述的递归公式(5)、(6)计算新的参数μn+1,∑n+1或σn+1更新的。新参数μn+1,∑n+1或σn+1在第七步骤7中被存储-被分配给道路路段i或一种类别C(i)的道路路段。
基于加速度a的示例来详细解释概率分布的参数的更新。以下的递归公式是针对加速度a从期望值和方差的统计公式推导出的:
分别地
其中n是在先观测的次数,μn是先前为a计算出的均值,是先前为a计算出的方差,且an+1是新的加速度观测结果。因此,期望矢量μ n和协方差矩阵∑n可为多维计算所用。
速率的概率分布的附加参数可被计算。以下递归公式是针对速率从期望值和方差的统计公式推导出的:
分别地
其中n为在先观测的次数,μn是先前为v计算出的均值,是先前为v计算出的方差,且vn+1是新的速率观测结果。因此,期望矢量μ n和协方差矩阵∑n可为多维计算所用。
在新的参数μn+1,∑n+1或σn+1在步骤7中被存储之后,这些参数可用作下次更新的存储参数。可靠性信息的项目也被存储,其指示了在例如计算燃料消耗的进一步评估中使用时参数有多可靠。不同的值可被用作可靠性信息。例如,期望矢量μ n+1的当前值和存储的期望矢量μ n之间的差异可被存储并且/或者被评估。另一个可能性是存储并且/或评估测量次数n。当加速度a的下一个值是针对相同的路段i测量的时,可靠性信息n可额外地被用于递归公式(5)、(6)。当速率v的下一个值是针对相同的路段i测量的时,可靠性信息n可额外地被用于递归公式(7)、(8)。
在步骤8中,车辆离开道路路段i并且可能随后进入新的道路路段i+1,步骤1至8因此被执行。
本发明不被限制到图1a至图4说明的实施例的变形中。例如,可以使用不同于正态分布或拉普拉斯分布的概率分布函数。还可以为新的计算或为显示输出其它路线信息。依据图1b的导航装置的功能性特别有利于在机动车中使用。
参考编号列表
1 车辆
2 驾驶员
3 驾驶系统,控制系统
4 交通、道路
5 相互作用
10 系统、导航系统
100 装置
101 GPS接收机
102 接口
110 运算单元
111,112,113,114 运算单元的函数
120 输入装置
130 显示装置
140 存储单元
141 地图数据
142 参数存储区域
150 路线计算器
160 通信单元
a 加速度
a(t),a1,a2 加速度被测量值
Ak,A1,A2,A3,A4,A5 幅度
fk 频率
i,i-1,i+1 道路路段
n 测量数
t 时间
t1,t2,t3,tn 测量时间点
C(i) 道路路段的类别
N 正态分布
v 速率
v0 平均速率
v(t),v1,v2 速率被测值
vmax 合法的最大速率
X 随机变量
XGPS 位置(GPS)
μ,μ1,μ2,∑1,∑2,σ 概率分布的参数
λ 与交通相关的参数
Claims (13)
1.一种用于确定加速度的方法,
-其中基于当前位置(XGPS)根据地图数据确定道路路段(i);
-其中在所述道路路段(i)内测量多个加速度值(a(t),a1,a2)和/或多个速率值(v(t),v1,v2);
-其中从存储器读出在所述道路路段(i)内加速度概率分布的存储参数(μn,∑n,σn),该存储参数(μn,∑n,σn)与所述道路路段(i)相关联;
-其中根据读出的参数(μn,∑n,σn)并根据所述多个加速度值(a(t),a1,a2)和所述多个速率值(v(t),v1,v2)中的至少一个计算在所述道路路段(i)内加速度概率分布的新参数(μn+1,∑n+1,σn+1);以及
-其中存储所述概率分布的新参数(μn+1,∑n+1,σn+1)。
2.如权利要求1所述的方法,
-其中所述地图数据具有多个类别的道路路段,道路路段与各类别相关联,并且每个类别的道路路段具有相同的预设的道路特定标准;
-其中确定至少一个与被确定的道路路段(i)相关联的类别(C(i));以及
-其中为所述道路路段(i)和/或为与所述道路路段(i)相关联的类别(C(i))存储加速度的概率分布的新参数(μn+1,∑n+1,σn+1)。
3.如权利要求1或2所述的方法,
-其中使用递归公式计算所述新参数(μn+1,∑n+1,σn+1);以及
-其中将测量的所述道路路段(i)的加速度值(a(t),a1,a2)和/或速率值(v(t),v1,v2)以及存储的参数(μn,∑n,σn)输入所述递归公式中。
4.如权利要求1至2中的任一项所述的方法,
-其中根据测量的多个加速度值(a(t),a1,a2)和/或多个速率值(v(t),v1,v2)计算加速度当前概率分布的当前参数(μ,μ1,μ2,∑1,∑2,σ);以及
-其中根据所述当前参数(μ,μ1,μ2,∑1,∑2,σ)和存储的参数(μn,∑n,σn)计算加速度概率分布的新参数(μn+1,∑n+1,σn+1)。
5.如权利要求1至4中的任一项所述的方法,
-其中存储的参数(μn,∑n,σn)被分配给所述道路路段(i)并被读出,以便计算被估计的道路路段(i)的新参数(μn+1,∑n+1,σn+1)。
6.至少如权利要求2所述的方法,
-其中存储的参数(μn,∑n,σn)被分配给被估计的类别(C(i))的道路路段(i)并被读出,以便计算对于被估计的类别(C(i))的新参数(μn+1,∑n+1,σn+1)。
7.如权利要求1至6中的任一项所述的方法,
-其中除了计算的新参数(μn+1,∑n+1,σn+1)以外,还计算可靠性信息(n)的值;以及
-其中将计算出的加速度概率分布的新参数(μn+1,∑n+1,σn+1)和与计算的新参数(μn+1,∑n+1,σn+1)相关联的可靠性信息的值(n)一起存储起来。
8.如权利要求1至7中的任一项所述的方法,
-其中使用加速度概率分布的与交通相关的参数(λ)将概率分布的新参数(μn+1,∑n+1,σn+1)分配给不同交通量,所述与交通相关的参数(λ)基于被估计的道路路段(i)内的交通密度,与交通相关的参数(λ)是从所述多个加速度值(a(t),a1,a2)和/或所述多个速率值(v(t),v1,v2)和/或接收到的交通数据估计的。
9.一种用于机动车的系统(10),
-包括运算单元(110);
-包括存储器(140),该存储器(140)包含具有道路路段的地图数据;
-包括连到数据总线(CAN)的接口(102),用于传输速率和/或加速度的测量值(v(t),a(t));
-包括接收机(101),用于确定当前位置(XGPS);
-其中所述运算单元(110)被配置成确定与所述当前位置(XGPS)相关联的道路路段(i);并且
-其中所述运算单元(110)被配置成从所述存储器(140)加载加速度概率分布的参数(μn,∑n,σn),参数(μn,∑n,σn)与所述地图数据的道路路段相关联,并且加速度概率分布的参数(μn,∑n,σn)是根据速率测量和/或加速度测量确定的。
10.如权利要求9所述的系统(10),
-其中所述运算单元(110)被配置成基于加速度概率分布的参数(μn,∑n,σn)计算路线的信息,所述路线从所述地图数据的所述道路路段确定。
11.如权利要求9或10所述的系统(10),
-其中所述运算单元(110)被配置成读出加速度概率分布的参数(μn,∑n,σn),该参数与当前位置(XGPS)的道路路段(i)相关联;并且
-其中所述运算单元(110)被配置成基于读出的加速度概率分布的参数(μn,∑n,σn),确定关于控制机动车的驾驶的控制数据。
12.如权利要求9至11中的任一项所述的系统(10),
-其中所述加速度概率分布的参数(μn,∑n,σn)被分配给一个特定的道路路段(i);或者
-其中所述加速度概率分布的参数(μn,∑n,σn)被分配给一种类别(C(i))的道路路段(i),所述地图数据具有多个类别的道路路段,并且符合预设的道路特定标准的道路路段与各类别相关联。
13.如权利要求9至12中的任一项所述的系统(10),
-其中所述运算单元(110)被配置成评估在被确定的道路路段(i)上的速率和/或加速度的测量值(v(t),a(t));
-其中所述运算单元(110)被配置成基于存储在所述存储器(140)中的参数(μn,∑n,σn)和在所述道路路段(i)内的速率和/或加速度的测量值(v(t),a(t))计算加速度概率分布的新参数(μn+1,∑n+1,σn+1);并且
-其中所述运算单元(110)被配置成将计算出的加速度概率分布的新参数(μn+1,∑n+1,σn+1)存储到所述存储器(140),该新参数(μn+1,∑n+1,σn+1)被分配给被确定的道路路段(i)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP10001189.9 | 2010-02-05 | ||
EP10001189 | 2010-02-05 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102193000A true CN102193000A (zh) | 2011-09-21 |
Family
ID=42288845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100303405A Pending CN102193000A (zh) | 2010-02-05 | 2011-01-28 | 机动车的系统与确定加速度的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8645052B2 (zh) |
EP (1) | EP2354762B1 (zh) |
JP (1) | JP5542712B2 (zh) |
CN (1) | CN102193000A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104919509A (zh) * | 2013-03-11 | 2015-09-16 | 本田技研工业株式会社 | 服务器装置、交通堵塞预兆信息显示系统、交通堵塞预兆信息发布方法、交通堵塞预兆信息显示方法及程序 |
CN113015885A (zh) * | 2018-11-13 | 2021-06-22 | 麦格纳国际公司 | 使用大数据进行车辆路由的系统和方法 |
CN113066282A (zh) * | 2021-02-26 | 2021-07-02 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 一种面向混行环境下车辆跟驰耦合关系建模方法及系统 |
CN114435364A (zh) * | 2022-01-27 | 2022-05-06 | 东风汽车集团股份有限公司 | 车辆加速踏板控制方法及相关设备 |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2570773A1 (en) * | 2011-09-13 | 2013-03-20 | Nederlandse Organisatie voor toegepast- natuurwetenschappelijk onderzoek TNO | Method and system for obtaining emission and fuel consumption data |
JP5803645B2 (ja) * | 2011-12-15 | 2015-11-04 | アイシン・エィ・ダブリュ株式会社 | 評価表示システム、方法およびプログラム |
US9057622B2 (en) * | 2012-02-08 | 2015-06-16 | Here Global B.V. | Method and system for routing using uncertainty data |
DE102012008688B4 (de) * | 2012-04-28 | 2020-08-13 | Audi Ag | Verfahren zum Bestimmen eines zu erwartenden Verbrauchswertes eine Kraftwagens |
US9081651B2 (en) | 2013-03-13 | 2015-07-14 | Ford Global Technologies, Llc | Route navigation with optimal speed profile |
CN104139782B (zh) * | 2013-05-07 | 2018-03-23 | 日电(中国)有限公司 | 用于配置车辆设备参数的系统和方法 |
KR101509701B1 (ko) * | 2013-08-21 | 2015-04-07 | 현대자동차 주식회사 | 경제운전 안내 방법 및 시스템 |
KR102113769B1 (ko) * | 2013-11-26 | 2020-05-21 | 현대모비스 주식회사 | V2x 기반 안전운전지원서비스를 위한 운전자 맞춤형 다운 경고 중재 장치 및 방법 |
DE102014208757A1 (de) * | 2014-05-09 | 2015-11-12 | Continental Automotive Gmbh | Verfahren zur Prädiktion eines Treibstoffverbrauchs und der Ankunftszeit für eine Fahrzeugnavigationsvorrichtung |
JP5855163B2 (ja) * | 2014-05-13 | 2016-02-09 | 三菱電機株式会社 | 車両用エネルギーマネジメント装置 |
CN104590275B (zh) * | 2014-11-27 | 2019-01-08 | 厦门雅迅网络股份有限公司 | 一种驾驶行为分析方法 |
US9891982B2 (en) | 2015-12-04 | 2018-02-13 | Microsoft Technology Licensing, Llc | Error handling during onboarding of a service |
US9798583B2 (en) | 2015-12-04 | 2017-10-24 | Microsoft Technology Licensing, Llc | Onboarding of a service based on automated supervision of task completion |
US10072937B2 (en) | 2016-07-14 | 2018-09-11 | Here Global B.V. | Map having computer executable instructions embedded therein |
FR3057951B1 (fr) * | 2016-10-25 | 2020-07-17 | IFP Energies Nouvelles | Procede de determination d'un itineraire minimisant la depense energetique d'un vehicule au moyen d'un graphe adjoint |
CN107145989A (zh) * | 2017-06-12 | 2017-09-08 | 南京航空航天大学 | 基于人‑车‑交通路况的实际行驶工况构建方法 |
KR101952037B1 (ko) * | 2017-10-23 | 2019-02-25 | 한양대학교 산학협력단 | 차량의 속도를 예측하는 방법 |
US10533862B1 (en) * | 2018-11-28 | 2020-01-14 | Uber Technologies, Inc. | Biasing map matched trajectories based on planned route information |
DE102019215587A1 (de) * | 2019-10-10 | 2021-04-15 | Continental Automotive Gmbh | Verfahren zum Berechnen von relativen positiven oder negativen Beschleunigungen mittels Crowdsourcing |
CN115179950B (zh) * | 2021-03-26 | 2023-09-08 | 广州汽车集团股份有限公司 | 基于驾驶行为的驾驶模式调整方法和车辆 |
CN113682316B (zh) * | 2021-08-24 | 2024-01-02 | 武汉理工大学 | 一种监测车辆驾驶行为中偏态数据的方法 |
US20230227046A1 (en) * | 2022-01-14 | 2023-07-20 | Toyota Motor North America, Inc. | Mobility index determination |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5594414A (en) * | 1994-08-02 | 1997-01-14 | Namngani; Abdulatif | Collision probability detection system |
US20060058954A1 (en) * | 2003-10-08 | 2006-03-16 | Haney Philip J | Constrained tracking of ground objects using regional measurements |
US20080004789A1 (en) * | 2006-06-30 | 2008-01-03 | Microsoft Corporation | Inferring road speeds for context-sensitive routing |
CN101218486A (zh) * | 2005-07-22 | 2008-07-09 | 特拉戈公司 | 用于对道路网图进行建模的方法、装置及系统 |
CN101334287A (zh) * | 2007-06-29 | 2008-12-31 | 爱信艾达株式会社 | 本车位置识别装置和本车位置识别程序 |
JP2009264798A (ja) * | 2008-04-22 | 2009-11-12 | Panasonic Corp | 速度検出装置、および傾斜角度算出装置 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3022115B2 (ja) * | 1993-12-27 | 2000-03-15 | 日産自動車株式会社 | 車載制御システムの制御目標変更装置 |
JP2002319096A (ja) * | 2001-04-18 | 2002-10-31 | Mazda Motor Corp | 車両情報収集方法、車両情報収集システム、車両情報収集装置、車両用制御装置及びそのコンピュータ・プログラム |
JP2004026098A (ja) * | 2002-06-28 | 2004-01-29 | Hitachi Ltd | 交通安全診断方法 |
JP2004110590A (ja) * | 2002-09-19 | 2004-04-08 | Natl Inst For Land & Infrastructure Management Mlit | 自転車の走行路面状況の評価モデルを生成する方法、自転車の走行路面環境評価方法及び評価システム |
JP4469297B2 (ja) * | 2005-03-01 | 2010-05-26 | 日立オートモティブシステムズ株式会社 | 運転診断方法およびその装置 |
JP2006300780A (ja) * | 2005-04-21 | 2006-11-02 | Denso Corp | 経路探索装置 |
US7783417B2 (en) | 2007-03-09 | 2010-08-24 | Mitac International Corporation | Methods and apparatus for determining a route having an estimated minimum fuel usage for a vehicle |
EP2174838B1 (en) * | 2007-07-24 | 2020-09-23 | Nissan Motor Co., Ltd. | Drive assistance apparatus for vehicle and vehicle equipped with the apparatus |
JP4728315B2 (ja) * | 2007-12-03 | 2011-07-20 | 住友電気工業株式会社 | 交通量算出装置、交通量算出プログラム及び交通量算出方法 |
JP2009181289A (ja) * | 2008-01-30 | 2009-08-13 | Hitachi Ltd | 安全運転度診断システム及びその端末 |
US8155868B1 (en) * | 2009-03-31 | 2012-04-10 | Toyota Infotechnology Center Co., Ltd. | Managing vehicle efficiency |
JP4876159B2 (ja) * | 2009-09-04 | 2012-02-15 | クラリオン株式会社 | カーナビゲーションシステム |
US8190319B2 (en) * | 2010-06-08 | 2012-05-29 | Ford Global Technologies, Llc | Adaptive real-time driver advisory control for a hybrid electric vehicle to achieve fuel economy improvement |
JP6881396B2 (ja) | 2018-06-15 | 2021-06-02 | マツダ株式会社 | 下部車体構造 |
-
2010
- 2010-12-20 EP EP10015809.6A patent/EP2354762B1/en active Active
-
2011
- 2011-01-28 CN CN2011100303405A patent/CN102193000A/zh active Pending
- 2011-02-04 JP JP2011023381A patent/JP5542712B2/ja active Active
- 2011-02-04 US US13/021,145 patent/US8645052B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5594414A (en) * | 1994-08-02 | 1997-01-14 | Namngani; Abdulatif | Collision probability detection system |
US20060058954A1 (en) * | 2003-10-08 | 2006-03-16 | Haney Philip J | Constrained tracking of ground objects using regional measurements |
CN101218486A (zh) * | 2005-07-22 | 2008-07-09 | 特拉戈公司 | 用于对道路网图进行建模的方法、装置及系统 |
US20080004789A1 (en) * | 2006-06-30 | 2008-01-03 | Microsoft Corporation | Inferring road speeds for context-sensitive routing |
CN101334287A (zh) * | 2007-06-29 | 2008-12-31 | 爱信艾达株式会社 | 本车位置识别装置和本车位置识别程序 |
JP2009264798A (ja) * | 2008-04-22 | 2009-11-12 | Panasonic Corp | 速度検出装置、および傾斜角度算出装置 |
Non-Patent Citations (1)
Title |
---|
MAYA ABOU ZEID ET AL.: "Probabilistic Modeling of Acceleration in Traffic Networks as a Function of Speed and Road Type", 《TRB 2003 ANNUAL MEETING CD-ROM》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104919509A (zh) * | 2013-03-11 | 2015-09-16 | 本田技研工业株式会社 | 服务器装置、交通堵塞预兆信息显示系统、交通堵塞预兆信息发布方法、交通堵塞预兆信息显示方法及程序 |
CN113015885A (zh) * | 2018-11-13 | 2021-06-22 | 麦格纳国际公司 | 使用大数据进行车辆路由的系统和方法 |
CN113066282A (zh) * | 2021-02-26 | 2021-07-02 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 一种面向混行环境下车辆跟驰耦合关系建模方法及系统 |
CN114435364A (zh) * | 2022-01-27 | 2022-05-06 | 东风汽车集团股份有限公司 | 车辆加速踏板控制方法及相关设备 |
CN114435364B (zh) * | 2022-01-27 | 2023-08-04 | 东风汽车集团股份有限公司 | 车辆加速踏板控制方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
EP2354762A1 (en) | 2011-08-10 |
US20110196817A1 (en) | 2011-08-11 |
US8645052B2 (en) | 2014-02-04 |
JP2011162181A (ja) | 2011-08-25 |
EP2354762B1 (en) | 2013-11-27 |
JP5542712B2 (ja) | 2014-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102193000A (zh) | 机动车的系统与确定加速度的方法 | |
Gayah et al. | Using mobile probe data and the macroscopic fundamental diagram to estimate network densities: Tests using microsimulation | |
JP5027777B2 (ja) | カーナビゲーション装置およびカーナビゲーション方法 | |
US8290695B2 (en) | Method for computing an energy efficient route | |
Li et al. | Road risk modeling and cloud-aided safety-based route planning | |
CN103562978B (zh) | 车辆数据分析方法和车辆数据分析系统 | |
US8457869B2 (en) | Method for ascertaining consumption and/or emission values | |
CN107000750A (zh) | 用于车辆经济性改进的设备及方法 | |
CN103364006A (zh) | 用于确定车辆路径的系统和方法 | |
CN101795919A (zh) | 燃料节省驾驶辅助设备 | |
Anya et al. | Application of AIMSUN microsimulation model to estimate emissions on signalized arterial corridors | |
KR20080029505A (ko) | 도로 차선 종류를 고려한 구간 교통량 예측 시스템 및 그방법 | |
US20220215749A1 (en) | Method for predicting at least one profile of the speed of a vehicle on a road network | |
EP2949501A1 (en) | Central apparatus, driving support system, and driving support method | |
CN103325268A (zh) | 交通信息创建装置和交通信息创建方法 | |
US20220335822A1 (en) | Method of determining the amount of pollutant emissions from a vehicle over a road network section | |
CN110186428A (zh) | 一种基于大数据曲线拟合的道路坡度确定方法及系统 | |
Xu et al. | Embedding local driving behaviour in regional emission models to increase the robustness of on-road emission inventories | |
US20200258381A1 (en) | Traffic predictions at lane level | |
CN105185107A (zh) | 一种基于gps的交通运行趋势推测方法 | |
Klunder et al. | Improvement of network performance by in-vehicle routing using floating car data | |
KR101574137B1 (ko) | 도로 기울기 변화량에 따른 배터리 소모량 가중치 알고리즘을 적용한 전기자동차 특화 내비게이션 장치 및 그 방법 | |
CN107657814B (zh) | 一种路况信息生成方法和装置 | |
Jackson et al. | Analysis of real-world lead vehicle operation for modal emissions and traffic simulation models | |
US20220114628A1 (en) | Vehicle fuel efficiency system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110921 |