CN103262135A - 堵车预测方法 - Google Patents

Abstract

本发明提供一种车辆的堵车预测方法，能够适当地提高对交通流的判断（推定）精度，以有助于避免或者消除堵车。本发明的堵车预测方法包括：检测出自车辆的加速度的步骤；对所检测出的加速度进行频域分析而求得与频率对应的功率谱的步骤；对所求得的功率谱进行一元回归直线运算、计算所求得的一元回归直线在规定频率范围内的斜率、计算该斜率的变化量、计算该变化量的极大值、将其作为斜率变化极大值的步骤；检测出自车辆与先行车辆之间的车间距离的步骤；根据所检测出的车间距离使用分布推定法来推定车间距离分布的步骤；根据所推定的车间距离分布计算协方差的最小值的步骤；根据所述协方差的最小值与所述斜率变化极大值的相关关系推定前方的车群分布的步骤；根据所述车群分布实时地进行堵车预测的步骤。

Description

堵车预测方法

技术领域

本发明涉及一种堵车预测方法，具体点说，即本发明涉及一种根据自车辆的加速度以及自车辆与其他车辆之间的车间距离来进行堵车预测的方法。

背景技术

现有技术中有一种应用在车用驾驶辅助装置中的堵车预测方法。例如，在专利文献1中记载有如下内容：根据雷达装置的检测结果求得存在于自车辆前方与后方规定距离范围内的其他车辆的车辆密度，使用该车辆密度判断自车辆的行驶状态是否是造成堵车发生的原因。

然而，在包含专利文献1在内的现有方法中，使用车辆密度来预测堵车，其预测的判断精度未必较高，为了回避或者消除堵车，还有改进的余地。

现有技术文献

专利文献

专利文献1：日本发明专利公开公报特开2009-286274号

发明内容

有鉴于此，本发明的目的在于，提供一种车辆的堵车预测方法，能够适当地提高对交通流的判断（推定）精度，以有助于避免或者消除堵车。

本发明的堵车预测方法包括：检测出自车辆的加速度的步骤；对所检测出的加速度进行频域分析而求得与频率对应的功率谱的步骤；对所求得的功率谱进行一元回归直线运算、在规定频率范围内计算所求得的一元回归直线的斜率的变化量的极大值、将其作为斜率变化极大值的步骤；检测出自车辆与先行车辆之间的车间距离的步骤；根据所检测出的车间距离使用分布推定法来推定车间距离分布的步骤；根据所推定的车间距离分布计算协方差的最小值的步骤；根据所述协方差的最小值与所述斜率变化极大值的相关关系推定前方的车群分布的步骤；根据所述车群分布实时地进行堵车预测的步骤。

采用本发明，根据自车辆的加速度频谱求得斜率变化极大值，根据车间距离密度求得协方差的最小值，根据斜率变化极大值与协方差的最小值的相关关系推定（估计）车群分布，根据车群分布进行堵车预测。因而，能够提高堵车预测精度。

本发明的一个实施方式为，进行所述堵车预测的步骤包括，在所述车群分布中确定车群变动大的区域与车群变动小的区域，判断是否存在这两个区域的交界区域。

采用这样的实施方式，将是否存在对应于车群变动的临界状态的交界区域（过渡区域）作为进行实时堵车预测的判断标准，从而能够在堵车的发生、发展之前实时且有效地进行堵车预测。

本发明的一个实施方式为，将所述交界区域视为位于发生堵车的可能性较低的自由流区域与车辆的制动与加速兼有发生的混合流区域之间的临界区域。

采用此实施方式，由于将临界区域用作堵车预测的判断标准（进行求交界计算），从而能够进行实时堵车预测，以有助于避免堵车以及消除堵车。另外，在附图7的（b）中表示了通过计算交界来识别临界区域的处理方式。

本发明的一个实施方式为，推定所述车群分布的步骤中包括，作成所述协方差的最小值的对数与所述斜率变化极大值的对数的相关关系图。

采用本方式，实时地求得协方差的最小值的对数与斜率变化极大值的对数的相关关系，从而能够使离线（统计）预测中在临界区域附近产生的时间延迟最小化，因而能够提高预测精度。换言之，采用本发明的此实施方式，考虑到了交通流所具有的相变特性而进行实时的处理，因而相比于离线预测，预测精度较高。

附图说明

图1为本发明一个实施方式涉及的堵车预测装置的结构示意框图；

图2为表示本发明一个实施方式中的加速度频率的附图；

图3为表示本发明一个实施方式中的概率密度分布的附图；

图4为示意性地表示本发明一个实施方式中的协方差值的附图；

图5为表示本发明一个实施方式中的斜率极大值与协方差最小值的相关关系的概念图；

图6为表示交通密度与交通量的关系的附图；

图7为本发明一个实施方式中的表示车间距离分布的协方差最小值的对数与加速度频谱的斜率最大值的对数的相关关系的附图；

图8为本发明一个实施方式涉及的堵车预测处理的流程图。

具体实施方式

下面参照附图对本发明的具体实施方式进行说明。图1为本发明一个实施方式涉及的堵车预测装置10的结构示意框图。该堵车预测装置10配备在车辆上。该堵车预测装置10可以作为一个独立的装置配备在车辆上，或者也可以作为其他装置的一部分配备在车辆上。

堵车预测装置10具有车速传感器11、雷达装置12、导航装置13、处理装置14、开关装置15、驱动器群16、扬声器17、显示器18以及通信装置19。另外，处理装置14也也可组装在导航装置13中。另外，扬声器17与显示器18也可以利用导航装置13所具有的相应功能（结构）。

车速传感器11检测出自车辆的加速度，将检测信号发送给处理装置14。雷达装置12在自车辆的周围设定规定的检测对象区域，将该检测对象区域分割为多个角度区域，向各角度区域发送红外激光或厘米波等的电磁波以进行扫描。雷达装置12接收位于检测对象区域中的物体所反射回来的反射信号（电磁波），将该反射信号发送给处理装置14。

导航装置13接收GPS信号等的侧位信号，根据该侧位信号计算出自车辆的当前位置。另外，导航装置13根据车速传感器11以及偏航角速度传感器（未示出）等所检测出的加速度与偏航角速度，使用自律航法计算出自车辆的当前位置。导航装置13中具有地图数据，能够显示地图，并且能够在地图上显示自车辆的当前位置、到达目的地的路径信息以及堵车信息等。

处理装置14具有频域分析部31、一元回归直线运算部32、斜率极大值计算部33、反射点检测部34、其他车辆检测部35、车间距离检测部36、车间距离分布推定部37、协方差最小值计算部38、相关关系作成部40、堵车预测部41、行驶控制部42、报知控制部43以及通信控制部44。各模块的功能由处理装置14所具有的计算机（CPU）实现。关于各模块的具体功能将在后面叙述。

例如，作为硬件结构，处理装置14具有：将模拟输入信号变换为数字信号的A/D变换电路、进行各种运算处理的中央处理器（CPU）、CPU进行运算时为了存储数据所使用的RAM、存储CPU所执行的程序以及所使用的数据（包括数据表、图表）的ROM、输出针对扬声器17的驱动信号以及针对显示器18的显示信号等信号的输出电路。

开关装置15将对自车辆进行的行驶控制所需的各种信号输送给处理装置14。此处所说的“各种信号”例如可以包含：油门踏板与制动踏板的操作（位置）信号、与恒速自动行驶控制（ACC）相关的各种信号（控制开始、控制停止、目标车速、车间距离等）等。

驱动器群16是多个驱动器的总称，例如可以包含风门驱动器、制动驱动器、方向盘驱动器等。

显示器18包含LCD等的显示器，可以是具有触摸屏功能的显示器。显示装置16可以具有声音输出部与声音输入部。显示器18根据来自于报知控制部43的控制信号，通过显示规定的警报信息、使规定的警报等闪烁或者点亮的方式来向驾驶员报知相应的信息。扬声器17根据来自于报知控制部43的控制信号，通过发出规定的警报音或者模拟人声的方式向驾驶员报知相应的信息。

通信装置19被通信控制部44控制，通过无线通信与其他车辆或服务器（未示出）、中继站（未示出）进行通信，将来自于堵车预测部41的堵车预测结果与位置信息相关联地发送出去，或者从其他车辆等接收堵车预测结果与位置信息的对应信息。该通信装置19将所获取的信息通过通信控制部44发送给报知控制部43或者行驶控制部42。

下面对处理装置14的各模块的功能进行说明。频域分析部31对车速传感器11输出的自车辆的加速度进行频域分析，求得功率谱。图2所示的例子为，2两个不同的行驶状态（a）、（b）下的功率谱。在图2中，作为功率谱，例示的是与频率对应的加速度频谱51、53。

一元回归直线运算部32对所得到的功率谱进行一元回归分析而求得一元回归直线。在图2所示的例子中，符号52、54所指的直线分别为对加速度频谱51、53进行一元回归分析所得到的一元回归直线。

斜率极大值（斜率变化极大值）计算部33根据所得到的一元回归直线计算斜率极大值（斜率变化极大值）。在图2所示的例子中，先计算出一元回归直线52、54的斜率。即，在图2中，根据在规定的频率范围Y（例如，对应于数秒～数分的时间范围的频率范围，例如，0～0.5Hz的频率范围等）内速度量的变化量X计算出斜率α。在图2中，得到（a）与（b）两情况下的斜率α1与α2。

之后计算出所得到的斜率α的差分即规定时间间隔的两个值α_k与α_k-1之差Δα（Δα=α_k－α_k-1）。求得所得到的差分Δα的随时间的变化或者由差分Δα得到的参数（例如，乘方（Δα）²、绝对值|Δα|等）的随时间的变化的极大值。将所得到的极大值作为斜率极大值存储在处理装置14内的存储器（RAM等）中。

反射点检测部34根据雷达装置12检测出的反射信号检测出反射点（物体）的位置。其他车辆检测部35，根据从反射点检测部34输出的对反射点的位置的检测结果，并根据相邻的反射点之间的距离与多个反射点的分布状态等，检测出存在于自车辆周围的其他车辆。其中，检测的其他车辆的数量至少在1台以上。车间距离检测部36，根据反射点检测部34所检测出的其他车辆信息检测出检测出自车辆与其他车辆之间的车间距离，并将检测结果与其他车辆的检出数量（检出台数）一起输出。

车间距离分布推定部37根据车间距离检测部36输出的车间距离与车辆数量的信息推定车间距离分布。下面参照图3对车间距离分布推定进行说明。图3为表示概率密度分布的附图。

在根据车间距离与车辆数量的信息能够检测到位于前方的车群即车间距离比较密集的车辆的集合时，利用变分贝叶斯法等分布推定法（算法，概率分布估计算法）对各车群求高斯分布（概率密度分布）。例如，在有两个车群时，可以将高斯分布看做是两个车群的高斯分布的线性相加，由两个高斯分布的线性叠加可以掌握车群的情况。即，如图3所示，概率函数P1（X）与P2（X）表示两个高斯分布，概率函数P（X）表示全体的高斯分布，是前两个高斯分布P1（X）与P2（X）的和（叠加）。

用N（X|μ，Σ）表示高斯分布（概率函数）。图3所例示的多个高斯分布的叠加如下式（1）所示。

$p\left(x\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\π}}_{k}N\left(x\right|{\mathrm{\μ}}_k,{\mathrm{\Σ}}_k)\·\·\·\left(1\right)$

在上式（1）中，μ_k为期望值（平均值），表示密度为最高的位置。Σ_k为协方差值（矩阵），表示分布的偏度即表征了密度向某一方向减小的状况。π_k为高斯分布的混合系数（mixing coefficient，混合比），表示各高斯分布所占的比例（0≤π_k≤1）。

协方差最小值计算部38例如利用变分贝叶斯法进行计算，以求得由上述概率函数P（X）得到的似然函数为最大的参数（协方差）。在高斯分布P（X）为例如图3所例示的多个高斯分布的叠加时，对每个高斯分布分别计算出协方差值Σ_k。

协方差最小值计算部38求得针对各高斯分布P（X）得到的协方差值Σ_k的最小值。图4为示意性地表示协方差值Σ_k的附图。在图4中（a）中，表示协方差值Σ_k的分布曲线（graph，图形）56中，在δ=0处存在尖角，此种情况意味着没有车群的变动，即，处于车间距离大致恒定的行驶状态。另一方面，图4的（b）中，有两个分布曲线（graph，图形）即57与58，其中，曲线57在与协方差值Σ_k相关的变量δ值为负区域中的值δ1处存在峰值，曲线58在正区域中的值δ2处存在峰值。曲线57与58都具有规定的变动幅度（δ），此意味着存在车群的变动，换言之，即存在车间距离不同的多个车辆集合。另外，在图4的（a）中，协方差值Σ_k的最小值大致为零，在（b）中，协方差值Σ_k的最小值为δ1与δ2中较小的那个即δ1。

图1所示的相关关系作成部40作成由斜率极大值计算部33所计算出的斜率极大值与协方差极小值计算部38计算出的协方差最小值的相关关系图（correlation map）。图5为斜率极大值与协方差最小值的相关关系图的概念图，在该图5中，横（X）轴为协方差最小值X，纵（Y）轴为斜率极大值Y，图中建立（mapping）了变量（X，Y）之间的相关性。图中存在用符号（附图标记）59与60所指示的两个区域，这两个区域存在重合，即交界区域61。区域59的协方差值相对较小，表示处于车群的变动较小的状态，换言之即车间距离较为恒定的状态。相反地，区域60的协方差最小值相对较大，表示处于车群的变动较大的状态，换言之即存在多个车间距离不同的车辆集合。交界区域61是从车群的变动较小的状态向较大的状态转变的区域，本发明的特征在于，定量地检测出对应于该交界区域61的车群状态，对堵车进行预测。

下面参照图6对图5所例示的各区域进行进一步的说明。图6为表示交通密度与交通量的关系的附图。在图6中，横（X）轴为交通密度，该交通密度表示距车辆规定距离内存在的其他车辆的数目。该交通密度的倒数相当于车间距离。纵（Y）轴为交通量，该交通量表示通过规定位置的车辆数。由图6能够掌握表示车辆流动的交通流的情况。

图6所例示的交通流的状态（区域）大致可以分为四种。

其1为发生堵车的可能性较低的自由流状态，在此状态下，车辆能够保持一定程度以上的加速度与车间距离。其2为制动状态的车辆与加速状态的车辆皆有的混合流状态，该混合流状态是车流向堵车流转变前的状态，该状态下驾驶员的驾驶自由度降低，随着交通密度的进一步增大（车间距离减小）车流向堵车流转变的可能性较大。其3为表示发生堵车的堵车流状态。其4为交通流从自由流状态向混合流状态转变期间存在的过渡状态，是处于临界区域的状态（临界状态）。该状态是交通量与交通密度比自由流状态更高的状态，随着交通量的降低以及交通密度的增大（车间距离减小）交通流会转变为混合流。另外，临界区域也可以称为准稳定流或中间稳定流。

由图5与图6的关系可知，图5中所示的区域59包含图6所示的自由流与临界区域的状态（临界状态），另外，图5所示的区域60包含图6所示的混合流与堵车流的状态。因而，图5中所示的临界区域为包含图6所示的临界区域的状态与混合流状态这二者的临界状态，在此，如图6所示将其称为临界区域的边界。在本发明中，目的是通过定量地掌握包含该边界区域的边界的临界区域的情况，以达到抑制交通流向混合流状态转变，防止堵车发生的目的。

下面参照图7来说明临界区域的状态的定量化方法。该图7为表示车间距离分布的协方差最小值的对数与加速度频谱的斜率最大值的对数的相关关系的附图。图7中（a）为示意性地描绘图6所示的交通流的情况的附图，（b）表示的是协方差最小值的对数与斜率最大值的对数的相关关系的附图。图10中（b）所示的协方差值最小值的对数与斜率极大值的对数，是由斜率极大值计算部33所计算出的斜率极大值与由协方差最小值计算部38所计算出的协方差最小值的对数值。图7中（b）表示的是由一个车辆引起的在临界区域发生的相变状态，是将相变状态以参数的形式所作的表示。

在图7的（b）中，符号62所指的区域包含（a）中所示的临界区域，符号63所指的区域包含（a）中所示的混合流的状态。符号64所指的线为临界线，临界线的涵义为临界点，如果车流超过该临界线向混合流转变时则发生堵车的可能性较大。区域62、63的交界区域65相当于进入临界线64前的临界区域的交界。图7的（b）所例示的相关关系图存储在处理装置14内的存储器（RAM等）中。

图1中的堵车预测部41判断由相关关系作成部40所作成的相关关系图中，是否存在临界区域的状态，当判断为存在时，将包含堵车预测结果的控制信号发送给行驶控制部42、报知控制部43以及通信控制部44，以阻止交通流向堵车方向发展。从而，后述的各种控制被执行，能够防止交通流转变为图7所例示的混合流，从而能够进行堵车预测，不仅能够使自车辆避免遇到堵车还能够有助于消除堵车。

另外，堵车预测部41将堵车预测结果输出给导航装置13。导航装置13根据从交通流判断部41接收到的堵车预测结果以及由通信控制部41输出的其他车辆所预测到的堵车预测结果，来进行自车辆的路径搜索以及路径导航从而避免堵车。

行驶控制部42根据由堵车预测部41所输出的交通流判断结果、由通信控制部44输出的来自于其他车辆等的堵车预测结果、由开关装置15输出的各种信号、由车速传感器11输出的对自车辆的加速度的检测结果、由车间距离检测部36输出的对车间距离的检测结果，对各种驱动器进行控制，从而对自车辆的行驶进行控制。即，例如，行驶控制部42根据开关装置15所输出的信号开始或停止自适应巡航控制（ACC）的执行，设定或者变更ACC所使用的目标车速与目标车间距离。

报知控制部43根据堵车预测部41所述的堵车预测结果、通信控制部44输出的由其他车辆所预测到的堵车发生预测结果，对显示器18与扬声器17进行报知控制。例如，报知控制部43发出控制信号，使显示器18上显示“减速以保证车间距离”等，或者使扬声器17发出模拟人声以进行报知。

图8为本发明一个实施方式涉及的堵车预测处理的流程图。另外，各步骤中的具体处理已经说明。在步骤S10中，由车速传感器11检测出自车辆的加速度。与此相并行，在步骤S11中，根据雷达装置12的输出信号检测出自车辆与位于自车辆周围的车辆之间的车间距离（图1中的模块34～36）。在步骤S12中，进行加速度频谱一元回归极大化处理。具体而言，即，计算上述的斜率极大值（图1中的模块31～33）。与此相并行，在步骤S13中，进行协方差奇异值求解处理。具体而言，即，计算出上述协方差最小值（图1中的模块37、38）。

在步骤S14中，建立临界区域的模型。具体而言，即，作成上述图7中（b）所例示那样的相关关系（图1中的模块40）。在步骤S15中，判断是否存在临界区域。临界区域是指图6、图7的（a）所例示的处于上述临界区域的状态。在此判断结果为“是”（Yes）时，在其后的步骤S16中，进行堵车预测（图1中的模块41）。在步骤S17中，根据堵车预测结果进行相应的各种控制（图1中的模块42～44）。

在上面对本发明的具体实施方式进行了说明，然而本发明并不限于上述实施方式，可以在不脱离本发明主旨精神的范围内进行改变。

附图标记说明

10         堵车预测装置

14         处理装置

51、53     加速度频谱（功率谱）

52、54     一元回归直线

56、57、58 协方差

Claims (4)

1.一种堵车预测方法，其特征在于，

包括：

检测出自车辆的加速度的步骤；

对所检测出的加速度进行频域分析而求得与频率对应的功率谱的步骤；

对所求得的功率谱进行一元回归直线运算、在规定频率范围内计算所求得的一元回归直线的斜率的变化量的极大值、将其作为斜率变化极大值的步骤；

检测出自车辆与先行车辆之间的车间距离的步骤；

根据所检测出的车间距离使用分布推定法来推定车间距离分布的步骤；

根据所推定的车间距离分布计算协方差的最小值的步骤；

根据所述协方差的最小值与所述斜率变化极大值的相关关系推定前方的车群分布的步骤；

根据所述车群分布实时地进行堵车预测的步骤。

2.根据权利要求1所述的堵车预测方法，其特征在于，

进行所述堵车预测的步骤包括，在所述车群分布中确定车群变动大的区域与车群变动小的区域，判断是否存在这两个区域的交界区域。

3.根据权利要求2所述的堵车预测方法，其特征在于，

将所述交界区域视为位于发生堵车的可能性较低的自由流区域与车辆的制动与加速兼有发生的混合流区域之间的临界区域。

4.根据权利要求1～3中任一项所述的堵车预测方法，其特征在于，

推定所述车群分布的步骤中包括，作成所述协方差的最小值的对数与所述斜率变化极大值的对数的相关关系图。

Images