CN104169992B - 用于借助于无线的车辆到车辆的通信进行拥堵识别的方法 - Google Patents

用于借助于无线的车辆到车辆的通信进行拥堵识别的方法 Download PDF

Info

Publication number
CN104169992B
CN104169992B CN201380013707.XA CN201380013707A CN104169992B CN 104169992 B CN104169992 B CN 104169992B CN 201380013707 A CN201380013707 A CN 201380013707A CN 104169992 B CN104169992 B CN 104169992B
Authority
CN
China
Prior art keywords
vehicle
virtual vehicle
congestion
value
spacing
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.)
Active
Application number
CN201380013707.XA
Other languages
English (en)
Other versions
CN104169992A (zh
Inventor
安德烈亚斯·洛茨
濮洪钧
张伐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Continental Automotive Technologies GmbH
Original Assignee
Continental Automotive GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Continental Automotive GmbH filed Critical Continental Automotive GmbH
Publication of CN104169992A publication Critical patent/CN104169992A/zh
Application granted granted Critical
Publication of CN104169992B publication Critical patent/CN104169992B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

发明涉及一种用于借助于无线的车辆到车辆的通信进行拥堵识别的方法，其中执行用于拥堵识别的方法的自主车辆(A)接收由位于车辆到车辆通信的接收范围中的周围车辆(5.x)的速度位置值，并且其中实施下述方法步骤：‑通过与相关标准进行比较并且在满足相关标准的情况下确定相关度来检查自主车辆(A)从中接收到消息的周围车辆(5.x)的相关度，‑选择与相关的周围车辆(5.x)相关联的速度位置值，所述周围车辆的速度值显示出与自主车辆(A)相同的行驶方向(3)，‑限定至少一个第一虚拟车辆(B，C)，将所选择的速度位置值的至少一部分或全部的评均值作为虚拟车辆(B，C)的速度位置值与所述第一虚拟车辆相关联；‑检测虚拟车辆(B，C)的速度位置值的时间变化曲线；‑检测虚拟车辆(B，C)的速度位置值的改变的时间变化曲线作为至少一个改变值；‑将改变值与至少一个预设的拥堵标准进行比较。此外，本发明涉及一种用于在构建用于执行该方法的自主车辆中进行拥堵识别的设备。

Description

用于借助于无线的车辆到车辆的通信进行拥堵识别的方法
技术领域
本发明涉及一种用于借助于无线的车辆到车辆的通信进行拥堵识别的方法，其中执行用于拥堵识别的方法的自主车辆接收由位于车辆到车辆通信的接收范围中的周围车辆的速度位置值。
背景技术
车辆到车辆通信为车辆到周围环境通信的一部分。在此，车辆通过发送和接收消息与其周围交换信息。消息大多涉及车辆特定的数值，所述数值在单独的车辆中在发送之前例如通过传感器来检测或者以不同的方式获得并且随后存储。通常，消息因此尤其也能够包含下述类型的信息或数值，所述类型表征车辆的状态。例如能够是速度位置值，但是也能够是其他的数值或信息，所述数值或信息对于行驶情况而言是特定的，如转弯角，或者为其他的数值，所述其他的数值对于行驶情况不是特定的并且涉及车辆的其他的特征，例如车辆类型。
根据研发的当前的状态，在车辆到车辆通信中提出：在标准化的方法中整合特定的数值和信息并且在同样标准化的消息中进行处理。所基于的标准例如为ITS标准。在此，IST代表英文术语“Intelligent Transportation System智能型运输系统”的缩写。因此实现，消息也能够通用地、即也由另外的车辆例如与制造商类型无关地接收。
此外，根据IST标准提出，或者连续地、即以限定的、更长或更短的时间间隔，或者根据事件发送所述消息。连续的消息在IST标准的范围内也称作为“CooperativeAwareness Messages合作意识信息交换消息”或者简称为CAM消息。CAM消息无方向性地且周期地、即类似信号灯地由车辆发送，并且能够由在接收范围内的每个相应配置的另外的车辆接收。
消息的发送经由不同的无线通信路径进行。符合标准地，在IST标准中提出：在基于WLAN的无线电信道上交换消息。当然，其他的无线电信道尤其也能够用于发送消息。因此，例如从WO 2009/074655A1中已知一种方法，其中应用另一无线电信道，以便发送尤其相关的消息。附加的无线电信道为在无线的访问和授权系统中应用的无线电信道。
此外，在车辆到车辆通信中提出：根据出现的事件发送特定的消息。所述消息已知为DENM(“Decentralized Environmental Notification Messages分散式环境通知消息”)。根据IST标准，在突然出现的事件中、例如事故的情况下发送这种消息。因此，对位于发送DENM消息的车辆的周围中、即在围绕所述车辆的接收范围中存在的车辆提醒该事件。通过DENM消息例如能够通知车辆在其前方所发生的事故。
当然，DENM消息的发送通常取决于突然的、事件和空间上不可预见的事件的出现。然而，存在下述交通情况，其中通过车辆的或一组车辆情况的连续改变而出现危急情况。因此，例如能够仅通过在所述行车道上的车辆数量来改变该行车道上的交通流。因此，能够在没有之前的突然事件的情况下出现危急的情况，也没有发送DENM消息。此外，关于拥堵终止的DENM消息的发送的前提是：车辆已经处于拥堵中或者已经识别到该拥堵。
附加地，也能够出现下述情况：在所述情况中通过下述方式改变交通流：不参与车辆到车辆通信的交通参与者参与行驶情景并且对其影响。在此，其例如能够是行人或者其他的没有配设有相应的通信系统的车辆。因此，在城市交通中或在高速公路上通常出现：连续地提高交通量进而形成慢行交通或者拥堵。该交通情况的特征在于车辆的大多显著降低的平均速度。在拥堵的情况下，能够造成车辆的完全静止，其中车辆的速度为零。在交通流的这种连续的改变时，不存在突然的危急事件，通过所述事件可能警告后续的交通。特别地，逐步延缓交通流导致并不发送DENM消息、或者至少较晚地发送。
然而预期的是，车辆的驾驶员及早地被通知这种改变，刚好因为车辆交通中的事故的最常见的原因是出现拥堵并且尤其在那里是拥堵末尾。拥堵末尾例如是在高速公路上以合法速度前进的正常进行的交通和拥堵之间的链环节、即在极端情况下存在的车辆。因此，车辆的速度区别在拥堵末尾的区域中是大的。从中得出事故的显著提高的概率。这能够通过地理的已知条件来加强，如附加的和非概览性的街道延伸、差的能见度、正常的天气条件或者拥堵末尾之前的在正常进行的交通中的车辆的高速度。
当然已经存在不同的警告车辆驾驶员拥堵或拥堵末尾的可能性。所述可能性能够粗略地分成两种系统。在第一种系统中尝试使交通流均匀地分布在街道上。其因此针对尽可能及早地通知驾驶员。第二种系统的目的是：主动地干预到行驶情景中。由此寻求避免事故或者至少降低后续事故。
及早通知驾驶员的一种可能性例如在于：其借助于可更换标牌或者信息桥来通知正面临的拥堵。所述可更换标牌或者信息桥能够安装在行车道边缘并且可能地也推荐备用路线。由此，驾驶与能够及早地被提醒拥堵，使得其能够相应地调整其行驶路线。例如，驾驶员能够使用高速公路的最近的出口并且经由乡村公路分流。这种交通引导系统监控交通或者通过行车道上的或行车道中的传感器来监控，或者进行人工地观察交通。因此，安装和/或运行是成本密集的且耗费的。这引起：其大多限制于人口密集区并且也在那里大多仅粗网眼地监控交通。
同样，收音机中的经典的交通广播用于及早地警告。广播尽管是大面积可用的，然而为驾驶员仅实现粗略的定向。在此期间，除了交通广播之外，也经由无线电频率传递数据，例如RDS(“Radio Data System广播数据系统”)服务。在近些年中，这种交通信息的处理和可用性被显著地改进。因此，部分地进行将交通信息经由TMC(“Traffic MassageChannel交通信息信道”)直接地联接于车辆内部的导航系统中。由此能够实现空间上和时间上的精确性，所述精确性为驾驶员自动地或借助于导航系统实现发现改进的路线。然而，成功性与所接收的交通信息的质量显著相关。然而时间上和空间上的精确性通常不足以主动地干预到行驶情景中。
通过驾驶员辅助系统能够影响车辆的行驶情况。为此，例如通过车辆自身的传感器来监控周围环境。驾驶员辅助系统因此自主地工作。如果驾驶员辅助系统识别到危急的交通情况，那么其或者视觉地和/或听觉地警告驾驶员，并且例如推荐采取制动过程。一些系统在此期间也允许直接参与到行驶情景中，例如通过采取以自动的制动过程。所应用的传感器、例如雷达或激光雷达原则上是远程的，然而其中能够出现隔离效应。这表示：尽管能够检测空的路段上的远距离的车辆，然而当在其之间存在另外的物体时，可能没有或没有完整地检测到所述车辆。同样地，不能够检测到位于突起物之后的车辆。因此，工作范围在街道交通中大多受限。在密集的交通中，工作范围能也能够因此限制于直接相邻的车辆。这种驾驶员辅助系统是昂贵的并且仅警告驾驶员突然的危险。但是其在密集的交通中并没有完全发挥作用。
发明内容
本发明的目的是，提供一种用于在车辆中及早识别拥堵的方法，所述方法的特征在于改进的(尤其空间上和时间上的)精确性。
所述目的借助用于借助于无线的车辆到车辆的通信进行拥堵识别的方法来实现。该方法在自主车辆中或者在自主车辆的为此设置的控制仪器中执行，为此，由自主车辆优选以相同的方式连续地接收周围车辆的速度位置值，所述周围车辆处于车辆到车辆通信的接收范围中并且优选连续地、即持续地以特定设定的或可设定的时间间隔发送其速度位置值。连续发送和接收的数值例如根据IST标准中限定的CAM消息来捕获。在所述标准消息中，车辆传递其动态数据，例如位置、速度和形式方向(“Heading航向”)。
根据本发明的方法划分成多个方法步骤。
首先，确定周围车辆的相关度，自主车辆(A)从所述周围车辆中接收消息。通常，这通过将周围车辆的数据与预设的相关度标准进行比较来进行，其中将满足预设的相关度标准的车辆分级为相关的。可行的相关度标准例如能够位于相关区域的定义中，其中检查周围车辆与相关区域的所属性。
例如，在行驶方向上在自主车辆之前限定相关区域。相关区域然后在更优选显著大于自主车辆的驾驶员视野的范围上延伸。这尤其当驾驶员的视野例如由于地理的给定条件而显而易见受限时是有利的，例如在弯曲的或山区的地区中是这种情况。相关区域的大小在技术上通过所发送的消息的作用范围来限制，所述消息又通过所应用的技术而受限。相关地带的形状根据本发明也能够根据街道延伸来调整。相关地带例如能够具有四边形的形状来作为几何上简单的形状，尤其是在直街道上具有四边形的形状。
在复杂的街道拓扑中通常使得并非每个周围车辆都潜在地影响自主车辆。精细地校验为自主车辆发送的周围车辆的相关度能够借助在DE 10 2010 007 262A1中描绘的方法来极其有效地执行。
在下文中，术语“相关地带”因此理解为街道网的一定区域，所述街道网满足相关度检查的相关度标准。在相关地带中，每个周围车辆的表现潜在地影响到自主车辆。但是，相关地带不必通过地带选择来预设或可预设。
根据所接收到的消息，在下一步骤中，选择与相关的周围车辆相关联的速度位置值，其位置值位于相关地带中(即仅考虑相关周围车辆的位置和速度值)并且其速度值显示出与自主车辆相同的行驶方向。为此提出或者需要：速度值作为定向的信息存在。这例如是CAM消息，所述CAM消息包含速度值和进行发送的车辆的航向。例如，这也能够通过下述方式来实现：即发送和检测速度直接作为速度向量，或者速度能够通过规定在坐标系中的速度分量作为速度向量来示出。坐标系优选能够是通用的坐标系，所述通用的坐标系例如也由基于卫星的定位系统来应用。在该坐标系中，能够通过规定由经度和纬度组成的2元组(L，B)来显示车辆的位置。关于限定的坐标系原点，具有x和y值的常见的坐标说明当然是可行的。当在该坐标系中存在速度分量还有自主车辆的坐标时，能够将速度简单地视作为向量。速度分量在此能够作为绝对值存在，或者相对于自主车辆来说明。有利地，将自主车辆视作为或限定为坐标系的中点或原点。在该情况下，为车辆分配坐标L＝0，B＝0或者x＝0，y＝0。同样地，周围车辆的坐标如果其作为绝对值存在的话就与此相应地相对于自主车辆示出。
此外，将自主车辆的当前的速度坐标值与其相关联，即在方法的范围内检测所述速度位置值，使得所述速度位置值是可用的。所述数值在大多数车辆中总归作为可调用的数据在车辆通信系统之内可用。
在下一方法步骤中，限定至少一个第一虚拟车辆，将所选择的速度位置值的至少一部分或全部作为虚拟车辆的速度位置值与第一虚拟车辆相关联。因此，至少在位置和速度方面，第一虚拟车辆能够代表位于相关地带的周围车辆的一部分或全部。
在另一方法步骤中，检测虚拟车辆的速度位置值的时间变化。因此，例如能够为第一虚拟车辆、为一个虚拟车辆或为多个或全部虚拟车辆在不同的时间检测速度位置值并且至少暂时存储。类似地，也能够为自主车辆在其时间变化中至少暂时地存储速度位置值。此外，位置速度值也能够仅在预设数量的时间点来存储。优选地，针对至少三个不同的时间点存储所述数值。
在下一步骤中，检测该虚拟车辆或多个或全部虚拟车辆的速度位置值的改变的时间变化曲线作为至少一个改变值，尤其通过在不同的时间点比较特定值的方式来进行检测。在此，能够绝对地或者相对彼此或者也相对于自主车辆来检测改变。还能够提出：所检测的速度位置值在没有中间存储的情况下直接地被处理，并且代替原本的速度位置值仅存储在该方法步骤中确定的改变值。仅对改变值进行检测和进一步处理降低存储器需求和对于传输带宽的需求，并且同时是运算经济的。必要时，也能够提出：检测自主车辆的改变值或速度位置值的时间变化曲线。
所确定的改变值能够随后与至少一个预设的拥堵标准进行比较，其中当识别到拥堵时，能够产生拥堵警告作为比较的结果。
该方法实现及早地识别自主车辆周围中的拥堵。通过检测在自主车辆的直接的周围中的车辆发送的消息实现时间上和空间上的高精确性。通过车辆到车辆通信的、与已知的车辆辅助系统的传感器检测范围相比相对较长的作用范围，在自主车辆本身处于拥堵中或者驶入拥堵末端前的危险区域中之前，自主车辆的驾驶员能够被警告拥堵。同样地，该方法能够警告下述拥堵，所述拥堵还位于其形成的初期，并且仅在周围车辆的集体表现中现出。因此同样可行的是，快速地处理关于所识别的拥堵的信息，以便警告后续的车辆拥堵。这例如能够通过发送DENM消息来进行。
在该思想的改进形式中，根据本发明能够提出，在也称作第一虚拟车辆中检测全部所选择的速度位置值。由此，通过仅一个虚拟车辆描绘在车辆之前展开的相关地带。所述方法是一种特别运算经济的、但是也粗略的方法，以便确定可能的拥堵。
为了简化该方法能够提出：在另外的、也称作第二虚拟车辆中检测所选择的速度位置值的子选择，由此尤其考虑预设数量的下述速度位置值，所述速度位置值的位置值具有距自主车辆最大的间距。当所选择的周围车辆的总数和其速度位置值大于预设的总数、例如多于五个周围车辆时，优选地使用所述方法。通过第二虚拟车辆提供伪传感器，所述伪传感器将自主车辆的“视界”显著地扩展，其中所述第二虚拟车辆是优选地在相关地带的远离自主车辆的外部边缘上的车辆的子选择。此外，通过将预设的进而还有受限数量的车辆结合来实现：与第二虚拟车辆相关联的速度位置值更精确地以提高的概率描绘了各个周围车辆的实际存在的车辆情况。然而同时由此也实现下述统计，通过所述统计至少部分地补偿可能有错的数据。如此为第二虚拟车辆总结的车辆例如能够是三个车辆的子选择。
根据本发明，通过两个预先描述的虚拟车辆能够以高精度以概览的方式和对于拥堵识别描绘相关地带中的交通流。
在该方法的一个改进形式中能够提出：从自主车辆的位置值和周围车辆的、尤其在自主车辆的相关地带中的周围车辆的位置值中确定距自主车辆的间距，并且根据距自主车辆的上升或下降的间距在表格中分类和存储速度位置值。通过形成这种分类的表格，以概览的方式显示出周围车辆并且准备用于进一步处理。在表格的开始或结尾处因此存在下述车辆，所述车辆距自主车辆最远并且其中在自主车辆的形式方向上、因此最早地以位置速度值显示拥堵。在表格中除间距之外，例如也能够共同存储位置速度值以及其时间变化曲线。因此，表格允许快速地且简单地访问车辆，所述车辆在邻近的将来对于预报拥堵是尤其重要的。根据本发明，这种表格也简化对所设置的至少一个虚拟车辆或者多个虚拟车辆的限定。
在本发明的改进形式中，确定虚拟车辆的加速度作为可能的改变值。因为加速度相应于速度的时间导数，所以根据本发明尤其提出：根据速度值的实现检测的时间变化曲线确定加速度。因此，根据虚拟车辆的两个时间上依次的速度值，在考虑依次的速度值的检测之间的时间间距的情况下考虑加速度。对相关的周围车辆的加速度的检测是用于检测拥堵的重要的特征。在拥堵末端，正常进行的交通的车辆和现有交通(拥堵)的车辆彼此相遇。在那里，在极其短的距离上调整速度。所述速度调整强制地显示出车辆的加速度(或者作为具有负号的加速度的延迟)，使得通过确定具有符号的加速度而能够可靠地确定拥堵或者刚刚形成的拥堵，例如通过与适当确定的拥堵标准进行比较的方式来确定。
此外，同样能够在上述表格中存储如此检测的加速度的时间变化曲线。由此，检测虚拟车辆的加速度的动态并且在时间上进行绘制。这相应于速度的二次导数。由此变得可行的是，根据对加速度的时间上的分析简单地检测危险情况、如拥堵。因此，根据本发明，能够识别总加速度方案，即例如时间上长时间持续的制动过程。
在该思想的改进形式中，将减速度的改变值与用作为拥堵标准的阈值进行比较。尤其优选的是，考虑小于或等于零的数值作为加速度的阈值。这种负加速度伴随速度的降低，并且如所提及的那样也称作为延迟。因此，延迟标识制动过程。因此，能够考虑所述数值以确定虚拟车辆、即周围车辆的聚集是否处于集体的制动机动中，或者是否存在这种制动机动。通过应用阈值，该方法相对于误差更加健全。由此例如能够以不由拥堵识别来考虑的方式保持简单的制动过程，所述制动过程根据本发明不归因于拥堵。
基于该实施方式也能够考虑速度的更高阶的导数作为变化值。加速度的时间的变化、即速度的二次导数显示出加速度的动态。由此能够显示出下述行驶情况，在所述行驶情况中车辆首先弱制动并且随后强减速。这是通常要在突然的和不预期的情况中要注意的形式表现。
基于该思想，能够将虚拟车辆的加速度或加速度变化曲线的时间偏移考虑作为另一变化值。该有意的实施方式基于下述知识：一旦车辆接近拥堵，虚拟车辆的延迟具有类似的、但是时间上偏移的变化曲线。因此，加速度的时间变化曲线的相似性引起：车辆时间偏移地经过相似的交通情况。由此，车辆的驾驶员被激发采用与制动机动类似的方式，然而分别以时间偏移直到相应的车辆到达拥堵末端。此外，这能够归因于整体阻碍的出现。变化曲线的时间偏移因此引起：周围车辆进而还有虚拟车辆作为周围车辆的组位于空间上的不同的位置上。因此，距可能的拥堵的空间上的间距变化进而时间点变化，在所述时间点出现延迟。在该方法变型形式中，根据本发明能够分析在哪个虚拟车辆中首先开始延迟。根据定义，第二虚拟车辆与第一虚拟车辆相比进一步远离自主车辆。因此当第二虚拟车辆的延迟在第一虚拟车辆的延迟之前进行时，存在拥堵的可能性。直观地，延迟的时间偏移随后导致紧邻拥堵的车辆的驾驶员更早地识别所述拥堵进而更早地制动。因此，通过分析加速度的时间偏移可以在该方法中考虑在前行驶的驾驶员的反应。所述方法还能够通过下述方式来简化：即限定多个虚拟车辆，基于所述车辆的周围车辆分别遵守距自主车辆的特定的间距区间。
在根据本发明的思想的改进形式中，根据本发明可行的是，至少一个虚拟车辆、但是优选为两个虚拟车辆到自主车辆和/或到另一虚拟车辆的间距的总和形成作为改变值，并且在拥堵标准中考虑所述间距。车辆的间距能够由对应于车辆的位置值中求出。这表示：在仅一个虚拟车辆的情况下，间距的总和刚好相应于自主车辆和虚拟车辆之间的间距。优选地，当将自主车辆和第一虚拟车辆之间的间距用作为上述总和的第一被加数并且将第一虚拟车辆距第二虚拟车辆的间距用作为第二被加数。
优选地，在此也能够提出：分析所述改变值、即间距的总和的时间变化曲线。如果从这种分析中得出：间距的总和随累进的时间而减低，因此这能够暗示拥堵。该特征基于下述知识：与速度相关，各个车辆之间的间距占有特定的数值，并且所述数值与速度正相关。此外，这是车辆之间的速度相关的安全间距的基础。由此得出：间距在高速度的情况下是大的并且在低速度的情况下是小的。对车辆之间的间距的总和的时间变化曲线的分析因此能够是降低的速度的指标或者出现拥堵的指标。
在该思想的一个改进形式这种，将虚拟车辆的预期的拥堵末尾估算为改变值，在拥堵标准中考虑所述拥堵末尾。在本发明的范围中，术语“拥堵”理解为车辆堆积(组或累积)，所述车辆以步速范围中的速度前进。因此通常，当速度低于10km/h的时间长于一分钟时为拥堵。也可行的是下述定义：根据所述定义，堆积车辆的速度位于平均最大步速的范围中(小于10秒每千米)。因此，当速度位于10km/h至30km/h的范围中时为慢速度交通。当然，在本发明的范围内，也能够将慢速的或缓慢的交通称作为拥堵。
能够局部地大多不精确地确定这种形成拥堵的堆积车辆的末端，因为持续地有新的车辆出现于拥堵中并且整个拥堵大多沿形式方向前进。附加地，如果车辆经过产生拥堵的事件，车辆也向前离开拥堵。当然，并不总是存在产生拥堵的事件。也能够部分地出现：由于提高车流量而形成拥堵。由于拥堵的自身运动和正常交通和拥堵末端之间流动地过渡，甚至不可能的是：精确地限定拥堵末端。然而虚拟车辆的位置根据本发明聚集成能够视作为不危险的拥堵末端的位置。
为了就本发明而言计算所述拥堵末端因此能提出：从虚拟车辆的加速度中、并且假设虚拟车辆以所述加速度制动至静止的情况下，计算出警告间距。警告间距规定虚拟车辆的相关联的位置直到虚拟车辆的可能静止的距离。然后，从自主车辆至虚拟车辆的间距和警告间距中确定预期的拥堵末尾。如此确定的预期的拥堵末尾优选地作为绝对位置来存储，由此，在存在多个可能的预期的拥堵末端的情况下简化平均值形成。这种类型的计算是用于计算拥堵末端的计算经济的可能性。根据本发明能够提出：对于全部虚拟车辆和/或周围车辆计算出预期的拥堵末端。当为虚拟车辆在不同的时间检测拥堵末端并且进行分析时，拥堵末端的计算还变得更加精确。通过对于每个时间区间对拥堵末端优选连续地进行该计算，能够与估算的拥堵末端朝实际的拥堵末端逐步地汇聚。这能够基于：接近拥堵的车辆的制动表现为拥堵端部估算随距拥堵末端的间距下降而提供更加可靠的信息。此外，能够通过连续的计算共同考虑精确的拥堵末端的动态移动。例如，例如在向后定向的拥堵建立时同样如在向前定向的拥堵解除时出现拥堵末端的这种移动。
优选地，将如此计算的拥堵末端位置存储为绝对值。由此简化时间上的观察。特别地，因此容易可行的是对拥堵末端分析时间上的汇聚。
优选地能够提出：对全部改变值、即虚拟车辆的速度下降、虚拟车辆和自主车辆之间的间距的总和的分析和拥堵末端的计算考虑作为不同的或组合的拥堵标准。一旦满足全部所选择的或限定选择的特定的拥堵标准，就将该情况识别为拥堵。
在根据本发明的方法的改进形式中，根据本发明可行的是：确定用以检测周围车辆的速度位置值的精度，并且在确定速度位置值的平均值的情况下考虑精度。精度能够由周围车辆本身来确定，并且连同速度位置值一起传递。此外，也能够根据数据检测的类型确定精度。因此，例如由全球卫星定位系统所检测的位置数据具有模糊性。
本发明还涉及一种用于在自主车辆中进行拥堵识别的设备、尤其是控制仪器。设备具有通信系统，所述通信系统与自主车辆周围的接收区域中的周围车辆以无线的车辆到车辆的通信交换信息、例如CAM消息。此外，设备具有计算单元，所述计算单元构建用于执行上述的方法或者其一部分。通过如此构建的进而“智能的”车载系统能够可靠地识别“拥堵”。
附图说明
从实施例和附图的下面的描述和中得出本发明的其他的优点、特征和应用可能性。在此，全部所描述的和/或图形示出的特征本身或者以任意组合的方式形成本发明的主题。其示出：
图1示意地示出具有在自主车辆的和多个周围车辆的多车道的行车道上的交通情况；
图2示意地示出具有在自主车辆的和多个虚拟车辆的多车道的行车道上的交通情况；
图3示意地示出如图2中的、然而在稍后的时间点的交通情况；
图4示出拥堵末端位置关于时间的图形。
具体实施方式
在图1中示出的多车道的行车道1上的交通情况中有一个车辆，在该车辆中执行用于拥堵识别的方法并且下面将其称为自主车辆A，所述行车道具有三个车道2.1，2.2和2.3。在那里，所述车辆沿行驶方向3在中间的车道2.2上运动。在自主车辆A之前存在相关地带4，所述相关地带在所示出的直行车道的情况下具有四边形的形状，并且其中存在多个周围车辆5.1至5.8和6.1至6.6。但是通常，相关地带通过满足相关度标准来限定，其在通常情况下不必为闭合示出的几何建筑。
在所示出的、不限制本发明的情况下，相关地带具有侧向的伸展4.1和行驶方向上的伸展4.2。相关地带4的侧向的伸展4.1延伸超过车道2.1，2.2和2.3并且也检测行车道之外的区域，使得覆盖可能的侧向带或者分离带。侧向带在行车道2.3附近延伸并且在高速公路或快速车道上大多称作为紧急带或故障带。分离带将高速公路或快速车道中相反的行车道彼此分开并且-在右侧通行的情况下-位于车道2.1附近。通过检测相关地带4中的侧向带确保：同样检测例如位于行车道1附近的且在其上转弯的车辆。此外，这在驶进和/或示出高速公路时或在危险的拥堵情况时出现。
相关地带4沿行驶方向4.2的扩展延伸超过多个车辆间距并且基本上通过无线的车辆到车辆通信的接收区域来限制，自主车辆(A)和所示出的周围车辆5.1至5.8参与所述车辆到车辆通信。在当前的情况下，将相关地带设计为矩形并且沿行驶方向4.2具有600m的长度并且侧向上与行驶方向4.2具有50m的宽度，而本发明不限制于所述典型的尺寸。根据几何的给定条件和对于拥堵识别的要求，根据情况不同地限定相关地带并且匹配于当前的给定条件。例如，相关地带能够以曲线跟随曲线变化，进而具有弯曲的形状。
相关地带4中的周围车辆5.x和6.x能够划分成两个等级。在第一等级5.x中是参与无线的车辆到车辆通信的车辆5.1至5.8。因此，车辆5.1至5.8连续地发送CAM消息。所述消息还包含关于车辆的定向的速度和位置的信息。
在第二等级6.x中是不参与车辆到车辆通信的车辆6.1至6.6。因此，与第二等级6.x的车辆不发生直接的通信。等级5和6的车辆之间的信息交换因此最多间接地发生，例如经由距第一等级5的相邻车辆的间距来进行，所述间距通过第一等级5的车辆来检测和发送。当然，所述车辆6.1至6.6通常不能参与根据本发明的方法，这是因为其缺乏所需要的通信可能性。因此，所述车辆6.1至6.6就本发明而言也不称作为周围车辆。
从所示出的周围车辆中，车辆5.1，5.6，5.7和6.2已经激活警告灯进而指示危险情况，所述危险情况现在能够被另外的车辆的驾驶员更容易地识别。
车辆6.6，6.4和5.2位于靠外的车道2.1上，所述车道在右侧通行的情况下距中间分离带最近。车辆5.8，5.7，5.5，5.4，6.2和6.1在行驶方向上直接地在自主车辆A之前位于中间车道2.2上。车辆6.5，5.6，6.3，5.3和5.1位于车道2.3上进而在可能的紧急带附近。车辆5.1，5.2和6.1距自主车辆A最远，进而位于相关地带4的最远的边缘上，然而所述车辆中仅两个车辆5.1和5.2参与无线的车辆到车辆通信。车辆5.1，5.2距自出车辆1的间距大致刚好相应于车辆到车辆通信的作用范围，使得自主车辆A能够接收所述车辆5.1，5.2的CAM消息。
在根据本发明的方法中，通过接收CAM消息首先自动地选择参与车辆到车辆通信的周围车辆，所述周围车辆因此属于等级5.x。随后检查车辆是否位于相关地带4中。这根据通过CAM消息传递的位置值来进行。其检查传递的位置值是否位于相关地带4的区域之内。如果是这种情况的话，那么选择相应的车辆或者其速度位置值并且在另外的方法中考虑。
周围车辆的位置值监测为2元组Pj＝(Lj(ti)，Bj(ti))。系数j为j＝1，2...8并且表示第一等级5.x的车辆。通过2元组Pj将位置值作为在时间点ti在全球卫星定位系统中的经度Lj和纬度Bj示出。替选地也考虑另外的坐标描述，所述坐标描述然后也在关于2元组Pj的另外的描述中出现。该数值连同其测量精度G一起是已知的。测量精度G例如能够在传输时被共同传递。根据测量精度，测量精度例如取决于通过全球卫星定位系统或标定系统进行对位置的原理上有错的检测。这在于：位置数据或从中确定位置的数据具有模糊性。
同样如位置值Pj，速度值Vj(ti)连同其精度G一起被传递。在速度的精度G中例如考虑单独车辆中的测量的不精确性。
在表格1中示出相关地带中的三个车辆的相应的数值，在所述相关地带中通常存在n个车辆，使得全部所述n个车辆的数值在表格中列出：
从周围车辆5.x和自主车辆A的如此已知的位置值中能够计算出周围车辆5.x在时间点ti距自主车辆A的间距Sj。周围车辆5.x和间距Sj一起在表格2中分类，并且根据距自主车辆A的间距Sj下降地排列。
车辆编号 距自主车辆A的间距
1 S1(t1)
2 S2(t1)
3 S3(t1)
4 S4(t1)
N Sn(t1)
在下一步骤中，将如此选择的且在表格2中分类的周围车辆5.x、即车辆5.1至5.N、与虚拟车辆(B，C)相关联。上述表格开头的周围车辆5.x位于相关地带4的远边缘进而距自主车辆A最远。所述周围车辆5.x原则上与位于自主车辆A附近的周围车辆5.x相比，能够更早地达到拥堵或拥堵末端位置。一方面，为了实现良好的统计而期望的是：在虚拟车辆中考虑尽可能多的周围车辆5.x，另一方面，通过平均值形成也降低了对拥堵的预测精度，因为各个数值失去意义。
因此，仅将三个最远的周围车辆5.1，5.2和5.3中的一部分与第二虚拟车辆B相关联。这根据本发明被证实为统计和预测精度之间的良好的评定。
具体地，通过从分别选择的周围车辆5.x的位置值中形成加权平均值的方式，实现周围车辆5.x与虚拟车辆B，C相关联。加权以用于已知或测量的位置值的精度G进行。
对于第二虚拟车辆B而言，单独地为经度LB(ti)和纬度BB(ti)借助下面的公式F.1和F.2来确定2元组(LB(ti)，BB(ti))：
在时间点ti将虚拟的车辆B的速度VB(ti)相关联中的操作类似于在将位置数值相关联时的操作。为此，应用下面的公式F.3，其中包括周围车辆5.1，5.2和5.3的速度和用于确定所述速度的精度：
在下一步骤中，限定第一虚拟车辆C。将全部周围车辆5.x与所述虚拟车辆相关联，所述周围车辆参与车辆与车辆通信，并且位于相关地带中。因此，虚拟车辆C代表等级5.x的全部车辆。相应的位置速度值在表格中示出。
车辆编号 速度 速度的精度 位置:经度,纬度 位置的精度
1 V1(t1) G1(v1,t1) L1(t1),B1(t1) G1(p1,t1)
2 V2(t1) G2(v2,t1) L2(t1),B2(t1) G2(p2,t1)
3 V3(t1) G3(v3,t1) L3(t1),B3(t1) G3(p3,t1)
4 V4(t1) G4(v4,t1) L4(t1),B4(t1) G4(p4,t1)
… … … … …
n Vn(t1) Gn(vn,t1) Ln(t1),Bn(t1) Gn(pn,t1)
周围车辆5.1至5.8与第一虚拟车辆C的关联如周围车辆5.1至5.3与第二虚拟车辆B的关联进行。因此，虚拟车辆C的速度位置值相应于第一等级5的全部车辆的速度位置值的加权平均。因此，对于该计算而言，类似地应用公式F.4，F.5和F.6：
如此建立的虚拟车辆B和C的数值联通所述自主车辆A的所述数值一起在下面的表格中详述。通过将周围车辆5.x概况成两个不同的虚拟车辆B、C能够在视图中显著地降低交通情况的复杂性。这也从示出之前确定的虚拟车辆B，C和自主车辆A的图2中与图1相比较地示出。
车辆 注释 速度、位置
A 自主车辆 VA(ti)，(LA(ti)，BA(ti))
B 表格1中的第一车辆3的绘图 VB(ti)，(LB(ti)，BB(ti))
C 表格1的全部车辆的绘图 VC(ti)，(LC(ti)，BC(ti))
在图2中也示出：虚拟车辆B的位置值并不位于中间车道2.2上，而是稍微朝车道2.3偏移。这是由于：车辆5.1和5.3位于另外的车道2.3上并且仅车辆5.2位于靠外的车道2.1上。
在下一步骤中，在不同的时间点ti检测速度位置值，其中i＝1，2...m。脚注表示连续的自然数。由此，能够从虚拟车辆x＝B，C的时间上依次的速度中确定加速度ax(ti)。一个车辆的加速度的确定根据下面的公式F.7来进行。为了计算加速度，必要地需要两个不同的时间点的速度值。
除加速度a之外，也能够在不同的时间检测虚拟车辆彼此间的间距Sxy以及其距自主车辆的间距。
在此，x，y是表征车辆的注脚。因此，其能够在所描述的实例中假设为数值A，B，C。
间距Sxy从各个车辆的位置值的差中得出。分开地对于经度L的位置值和纬度B的位置值来确定差。从所述间距中也检测间距相互间的和Sabc(ti)。其中考虑虚拟车辆C分别距虚拟车辆B和自主车辆A的间距。
在下面的表格中在三个时间点t1，t2和t3示出所述数据。
在下一步骤中，分析加速度。一旦所确定的加速度为负，那么涉及车辆的延迟。如果延迟位于预先限定的、负的阈值之下，那么这就评估为虚拟车辆的制动过程，该制动过程暗示拥堵，其中所述阈值的绝对值为2m/s2。
在假设恒定地保持该延迟的情况下，根据下面的公式F.8计算警告间距Swarn；
警告间距Swarn相应于虚拟车辆X＝B，C所需要以便将其速度VX降低到零的路段。因此，将警告间距Swarn也称作停止距离。因此推测：拥堵末端SE是车辆可能停止的位置。因此，警告间距Swarn规定虚拟车辆B，C和大约的拥堵末端SE之间的瞬时间距。在不同的时间ti同样将警告间距Swarn记录在上面的表格中。
从警告间距出发，能够根据下面的公式F.9和F.10从自主车辆A的视角计算推测的拥堵末端。拥堵末端SE的位置根据时间ti和虚拟车辆B，C来改变，基于其原理进行计算。
SE(B，ti)＝SBA(ti)+Swarn(B，ti) (F.9)
SE(C，ti)＝SCA(ti)+Swarn(C，ti) (F.10)
随着累进的时间ti改进拥堵末端SE的计算精度。这是由于：车辆随着累进的时间接近实际上的拥堵末端SE，并且所述车辆的延迟过程递增地匹配于拥堵情况。这使基于这两个虚拟车辆的延迟进行的拥堵末端计算更加可靠。因此也能够预期：估算SE(B，t)与SE(C，t)相比更加精确。
在图3中示出在稍后的时间点t2的图1中示出的情况。能够明显识别的是：不同的预期的拥堵末端SE(B，t2)和SE(C，t2)与时间点t1的拥堵末端相比接近实际的拥堵末端SEt。
为虚拟车辆X＝B，C在不同的时间点ti检测和存储该拥堵末端SE(X，ti)。因此，能够连续地调整拥堵末端SE的位置。由此可行的是：绘制拥堵末端SE的动态移动。例如在沿反向方向形成拥堵时并且在沿正向方向解除拥堵时，形成所述拥堵末端的动态移动。
在图4中关于时间ti绘制推测的拥堵末端SE的从中得出的图形。图4中的图形示出虚拟车辆B，C至推测拥堵末端SE的间距。如已经从图2和图3中可见的是，如果车辆实际上向拥堵移动，那么推测的拥堵末端SE随累进的时间彼此接近并且聚集至实际的拥堵末端SEt。在此，预期的拥堵末端SE(B，ti)和SE(C，ti)之间的距离也随累进的时间t聚集。
根据如此确定的数据和其时间分析设立不同的标准，所述标准暗示危险情况。但是尤其在概览中，标准对于在相关地带4中或稍微在其之前形成的或已经形成的拥堵是特征性的。
将速度的时间分析用作为第一拥堵标准。首先车辆B的速度降低和随后车辆C的速度降低暗示危险的情况。
附加地，分析车辆A，B和C之间的间距Sabc并且考虑作为第二拥堵标准。如果Sabc随累进的时间ti持续地变小，那么这表示危险的情况。
第三拥堵标准使用所确定的拥堵末端SE的时间聚集。为此，在不同的时间在不同的拥堵位置SE(X)，X＝A，B之间形成差D(ti)。通过差D(ti)的时间变化识别危险的情况。潜在的拥堵在于：差D随累计的时间向零聚集，或者小于特定的阈值。
这三个拥堵标准在表格6中总结。一旦满足全部三个标准，就将该情况理解识别为拥堵末端。
如果存在其中仅五个或更少的周围车辆5.x位于相关地带4的交通情况，那么执行上面描述的方法的稍微修改的变型形式。
在第二实施例中，与第一实施例不同，从最远的车辆中不确定虚拟车辆B。由于周围车辆数量低，虚拟车辆B时间上和空间上不再代表“早期的拥堵末端识别”。可能通过两个虚拟车辆B，C代表的周围车辆5.x的大部分是相同的。因此，在处于相关地带4的远的边缘处的周围车辆5.x和周围地带4中的另外的周围车辆5.x之间的区别不与预测精度的收获联系在一起。
因此，稍微修改拥堵标准。在车辆彼此间的间距的时间观察中，仅观察虚拟车辆C距自主车辆的间距。同样地，拥堵端部仅根据虚拟车辆C来计算。
拥堵标准编号 条件
1 aC(ti)≤0；i＝1，2，3
2 Sac(t1)≥Sac(t2)≥Sac(t3)
3 SE(C，ti)在时间变化曲线中聚集，

Claims (18)

1.一种用于借助于无线的车辆到车辆的通信进行拥堵识别的方法，其中，执行用于拥堵识别的方法的自主车辆(A)接收由位于所述车辆到车辆通信的接收范围中的周围车辆(5.x)的速度位置值，并且其中实施下述方法步骤：
-通过与相关度标准进行比较检查所述自主车辆(A)从中接收到消息的周围车辆(5.x)的相关度，并且在满足所述相关度标准的情况下确定相关度；
-选择与相关的所述周围车辆(5.x)相关联的速度位置值，所述速度位置值的速度值显示出与所述自主车辆(A)相同的行驶方向(3)，
-限定至少一个虚拟车辆(B，C)，将所选择的速度位置值的至少一部分或全部的平均值作为所述虚拟车辆(B，C)的速度位置值与所述虚拟车辆相关联；
-检测所述虚拟车辆(B，C)的速度位置值的时间变化曲线；
-检测所述虚拟车辆(B，C)的速度位置值的改变的时间变化曲线作为至少一个改变值；
-将所述改变值与至少一个预设的拥堵标准进行比较。
2.根据权利要求1所述的方法，其特征在于，在一个虚拟车辆(C)中检测全部所选择的速度位置值。
3.根据权利要求2所述的方法，其特征在于，在另一虚拟车辆(B)中检测所选择的速度位置值的子选择。
4.根据权利要求3所述的方法，其特征在于，所述子选择考虑预设数量的下述速度位置值，所述速度位置值的位置值具有所述周围车辆距所述自主车辆(A)的最大间距(S)。
5.根据权利要求1至4中任一项所述的方法，其特征在于，从所述自主车辆(A)的位置值和周围车辆的位置值中确定所述周围车辆距所述自主车辆(A)的间距，并且根据所述周围车辆距所述自主车辆(A)的上升或下降的间距在表格中分类和存储所述速度位置值。
6.根据权利要求1至4中任一项所述的方法，其特征在于，从所述虚拟车辆(B，C)的两个时间上依次紧随的相关联的速度值中确定所述虚拟车辆(B，C)的加速度作为改变值。
7.根据权利要求5所述的方法，其特征在于，从所述虚拟车辆(B，C)的两个时间上依次紧随的相关联的速度值中确定所述虚拟车辆(B，C)的加速度作为改变值。
8.根据权利要求6所述的方法，其特征在于，将所述虚拟车辆(B，C)的所述加速度的时间偏移作为改变值。
9.根据权利要求7所述的方法，其特征在于，将所述虚拟车辆(B，C)的所述加速度的时间偏移作为改变值。
10.根据权利要求1至4中的任一项所述的方法，其特征在于，将至少一个虚拟车辆(B，C)到所述自主车辆(A)和/或到另一虚拟车辆(B，C)的间距(Sabc)的总和形成作为在拥堵标准中考虑的改变值。
11.根据权利要求9所述的方法，其特征在于，将至少一个虚拟车辆(B，C)到所述自主车辆(A)和/或到另一虚拟车辆(B，C)的间距(Sabc)的总和形成作为在拥堵标准中考虑的改变值。
12.根据权利要求1至4中任一项所述的方法，其特征在于，将虚拟车辆(B，C)的预期的拥堵末尾(SE)估算为改变值，在拥堵标准中考虑所述拥堵末尾。
13.根据权利要求11所述的方法，其特征在于，将虚拟车辆(B，C)的预期的拥堵末尾(SE)估算为改变值，在拥堵标准中考虑所述拥堵末尾。
14.根据权利要求12所述的方法，其特征在于，从所述虚拟车辆的时间上依次紧随的相关联的速度值中确定所述虚拟车辆(B，C)的加速度(a)，并且从中在假设所述虚拟车辆(B，C)以所述加速度制动至静止的情况下确定用于所述虚拟车辆(B，C)的相关联的位置直到所述虚拟车辆(B，C)尽可能静止的距离的警告间距，并且从所述自主车辆(A)至所述虚拟车辆(B，C)的间距和所述警告间距中确定预期的所述拥堵末尾。
15.根据权利要求13所述的方法，其特征在于，从所述虚拟车辆的时间上依次紧随的相关联的速度值中确定所述虚拟车辆(B，C)的加速度(a)，并且从中在假设所述虚拟车辆(B，C)以所述加速度制动至静止的情况下确定用于所述虚拟车辆(B，C)的相关联的位置直到所述虚拟车辆(B，C)尽可能静止的距离的警告间距，并且从所述自主车辆(A)至所述虚拟车辆(B，C)的间距和所述警告间距中确定预期的所述拥堵末尾。
16.根据权利要求1至4中的任一项所述的方法，其特征在于，确定用以检测所述周围车辆(5.x)的所述速度位置值的精度(G)，并且在确定所述速度位置值的所述平均值的情况下考虑所述精度(G)，将所述平均值指配给所述虚拟车辆(B，C)。
17.根据权利要求15所述的方法，其特征在于，确定用以检测所述周围车辆(5.x)的所述速度位置值的精度(G)，并且在确定所述速度位置值的所述平均值的情况下考虑所述精度(G)，将所述平均值指配给所述虚拟车辆(B，C)。
18.一种用于在自主车辆(A)中进行拥堵识别的设备，所述设备具有通信系统，所述通信系统与围绕所述自主车辆(A)的接收区域中的周围车辆(5.x)以无线的车辆到车辆的通信交换信息，并且具有计算单元，其特征在于，所述计算单元构建用于执行根据权利要求1至17中任一项所述的方法。
CN201380013707.XA 2012-03-15 2013-03-06 用于借助于无线的车辆到车辆的通信进行拥堵识别的方法 Active CN104169992B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102012204098A DE102012204098A1 (de) 2012-03-15 2012-03-15 Verfahren zur Stauerkennung mittels einer drahtlosen Fahrzeug-zu-Fahrzeug-Kommunikation
DE102012204098.6 2012-03-15
PCT/EP2013/054456 WO2013135535A1 (de) 2012-03-15 2013-03-06 Verfahren zur stauerkennung mittels einer drahtlosen fahrzeug-zu-fahrzeug-kommunikation

Publications (2)

Publication Number Publication Date
CN104169992A CN104169992A (zh) 2014-11-26
CN104169992B true CN104169992B (zh) 2017-02-22

Family

ID=47901025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380013707.XA Active CN104169992B (zh) 2012-03-15 2013-03-06 用于借助于无线的车辆到车辆的通信进行拥堵识别的方法

Country Status (5)

Country Link
US (1) US9514642B2 (zh)
EP (1) EP2826031B1 (zh)
CN (1) CN104169992B (zh)
DE (1) DE102012204098A1 (zh)
WO (1) WO2013135535A1 (zh)

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013019196B4 (de) * 2013-11-15 2024-02-22 Audi Ag Kraftfahrzeug mit Verkehrsflussanalysefunktionalität
GB201403114D0 (en) * 2014-02-21 2014-04-09 Tomtom Int Bv Methods and systems for providing a traffic congestion warning
DE102015203233A1 (de) * 2015-02-24 2016-08-25 Bayerische Motoren Werke Aktiengesellschaft Server, System und Verfahren zur Bestimmung einer Position eines Stauendes
CN104952258B (zh) * 2015-06-18 2017-05-10 安徽四创电子股份有限公司 基于交通场面雷达的交通事件影响范围计算方法
CN104952250B (zh) * 2015-06-18 2017-04-26 安徽四创电子股份有限公司 基于交通场面雷达的交通事件条件下的交通组织方法
CN105448135B (zh) * 2015-06-30 2018-11-09 知鑫知识产权服务（上海）有限公司 用于v2v通信网络的预警信息发送方法、接收方法及其车辆
DE102015215914A1 (de) * 2015-08-20 2017-02-23 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Ermittlung eines Stauendes im Straßenverkehr und diesbezügliche Vorrichtungen
DE102015114285B4 (de) * 2015-08-27 2018-10-31 Volkswagen Aktiengesellschaft Vorrichtung, Verfahren und Computerprogramm zum Bereitstellen von Übertragungsparametern
DE102015217792B4 (de) * 2015-09-17 2022-07-14 Volkswagen Aktiengesellschaft Vorrichtung, Verfahren und Computerprogramm zum Bereitstellen von Information über ein Stauende über eine Fahrzeug-zu-Fahrzeug-Schnittstelle
DE102015217793A1 (de) * 2015-09-17 2017-03-23 Volkswagen Aktiengesellschaft Vorrichtung, Verfahren und Computerprogramm zum Bereitstellen von Stauinformation über eine Fahrzeug-zu-Fahrzeug-Schnittstelle
CN106558225B (zh) * 2015-09-29 2019-08-27 奥迪股份公司 检测位于机动车辆的前方的低速移动车辆
DE102015226650B4 (de) * 2015-12-23 2023-06-01 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum anonymisierten Übermitteln eines ersten Werts zumindest eines Fahrparameters eines Fahrzeugs an eine externe Datenempfangseinheit
EP3411866B1 (de) 2016-02-03 2024-01-10 Volkswagen Aktiengesellschaft Verfahren, vorrichtungen und computerprogramme zum bereitstellen von information über eine gefahrensituation über eine fahrzeug-zu-fahrzeug-schnittstelle
US9969267B2 (en) 2016-06-29 2018-05-15 Toyota Motor Engineering & Manufacturing North America, Inc. Ego-vehicles, systems, and methods for monitoring target objects
DE102016213015A1 (de) * 2016-07-15 2018-01-18 Robert Bosch Gmbh Verfahren und Vorrichtung zum Erstellen einer Gefahrenkarte zum Identifizieren zumindest einer Gefahrenstelle für ein Fahrzeug
DE102016213660A1 (de) * 2016-07-26 2018-02-01 Conti Temic Microelectronic Gmbh Adaptiver Geschwindigkeitsregler mit Fahrzeug zu Fahrzeug Kommunikation
CN106781485B (zh) * 2016-12-28 2020-10-16 深圳市金溢科技股份有限公司 道路拥堵识别方法、v2x车载终端以及车联网系统
CN106781509B (zh) * 2017-03-06 2019-09-10 长安大学 一种基于v2v的协作式城市道路拥堵检测方法
US10783787B2 (en) * 2017-05-31 2020-09-22 Regents Of The University Of Minnesota Freeway queue warning system
JP6962149B2 (ja) * 2017-11-20 2021-11-05 トヨタ自動車株式会社 サーバ装置
EP3700108B1 (en) * 2019-02-20 2023-08-09 Volkswagen Aktiengesellschaft Method for supporting a first mobile station to predict the channel quality for a planned decentralized wireless communication to a communication partner station und mobile station
EP3654676B1 (en) * 2018-11-16 2023-08-23 Volkswagen Aktiengesellschaft Method for data communication between at least two participants of a wireless communication system, corresponding control unit and vehicle equipped with a control unit as well as computer program
CN110473421B (zh) * 2019-09-23 2020-06-23 鞠青松 基于5g通信网络的智能交通导航系统
KR20210060237A (ko) * 2019-11-18 2021-05-26 현대모비스 주식회사 후방 교차 충돌 감지 시스템 및 방법
US20210398236A1 (en) 2020-06-19 2021-12-23 Abhijit R. Nesarikar Remote Monitoring with Artificial Intelligence and Awareness Machines
US11948454B2 (en) 2020-10-30 2024-04-02 Honda Research Institute Europe Gmbh Method and system for enhancing traffic estimation using top view sensor data
DE102021101191A1 (de) 2021-01-21 2022-07-21 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Anwendung bei der Annäherung eines Fahrzeugs an ein Stauende
US11935404B2 (en) * 2021-03-24 2024-03-19 Toyota Motor Engineering & Manufacturing North America, Inc. Integrated congested mitigation for freeway non-recurring queue avoidance
DE102021204926A1 (de) 2021-05-17 2022-11-17 Volkswagen Aktiengesellschaft Verfahren zum Übermitteln einer Staumeldung und Fahrzeug
CN113345225B (zh) * 2021-05-24 2023-04-11 郑州航空工业管理学院 基于v2v通信的物流车辆前方道路实时路况的预测方法及系统
FR3128177B1 (fr) * 2021-10-18 2024-01-12 Psa Automobiles Sa Procédé et dispositif de prédiction d’un changement de voie de circulation pour véhicule

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1825380A (zh) * 2006-03-29 2006-08-30 北京交通大学 一种城市道路交通系统的阻塞抑制方法
DE102005050277A1 (de) * 2005-10-20 2007-04-26 Robert Bosch Gmbh Abstands- und Geschwindigkeitsregler mit Stauerkennung
CN101241642A (zh) * 2007-06-19 2008-08-13 北京航空航天大学 浮动车专用移动交通流采集的车载装置

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6299102B2 (en) * 1995-05-12 2001-10-09 H. Koch & Sons, Inc. Aviation crash sensor
US6198427B1 (en) * 1998-07-21 2001-03-06 Applied Concepts, Inc. Doppler complex FFT police radar with direction sensing capability
JP3866479B2 (ja) * 2000-04-07 2007-01-10 株式会社デンソー 車間制御装置、記録媒体
US7454288B2 (en) * 2005-07-29 2008-11-18 Gm Global Technology Operations, Inc. System and method for clustering probe vehicles for real-time traffic application
DE102005046841A1 (de) * 2005-09-29 2007-04-05 Daimlerchrysler Ag Verfahren und Vorrichtung zur Komposition eines Zustandsvektors mit Objektattributswerten eines Zielobjekts für die Eingabe in ein Fahrzeugkontrollsystem
EP1895485A1 (en) * 2006-08-31 2008-03-05 Hitachi, Ltd. Road congestion detection by distributed vehicle-to-vehicle communication systems
US7930094B2 (en) * 2006-09-12 2011-04-19 International Business Machines Corporation System and method for exchanging positioning information between vehicles in order to estimate road traffic
WO2009074655A1 (de) 2007-12-11 2009-06-18 Continental Teves Ag & Co. Ohg Übertragung von fahrzeug-relevanten daten eines fahrzeugs über mobile kommunikation
AT507035B1 (de) * 2008-07-15 2020-07-15 Airbus Defence & Space Gmbh System und verfahren zur kollisionsvermeidung
DE102008047143B4 (de) * 2008-09-12 2010-09-09 Technische Universität Carolo-Wilhelmina Zu Braunschweig Verfahren und Vorrichtung zur Ermittlung einer Fahrstrategie
DE102010028876A1 (de) * 2009-05-11 2011-04-21 Continental Automotive Gmbh Antenneneinrichtung für die Fahrzeugkommunikation
DE102009052773B3 (de) * 2009-11-11 2011-04-28 Audi Ag Verfahren zum Betrieb eines Stauassistenzsystems
DE102009047097A1 (de) * 2009-11-25 2011-05-26 Robert Bosch Gmbh Verfahren zum Bestimmen eines Stauendes
DE102010007262B4 (de) 2010-02-09 2023-01-12 Continental Automotive Technologies GmbH Relevanztestverfahren für Fahrzeugsysteme

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102005050277A1 (de) * 2005-10-20 2007-04-26 Robert Bosch Gmbh Abstands- und Geschwindigkeitsregler mit Stauerkennung
CN1825380A (zh) * 2006-03-29 2006-08-30 北京交通大学 一种城市道路交通系统的阻塞抑制方法
CN101241642A (zh) * 2007-06-19 2008-08-13 北京航空航天大学 浮动车专用移动交通流采集的车载装置

Also Published As

Publication number Publication date
EP2826031A1 (de) 2015-01-21
US20150032289A1 (en) 2015-01-29
CN104169992A (zh) 2014-11-26
WO2013135535A1 (de) 2013-09-19
DE102012204098A1 (de) 2013-09-19
US9514642B2 (en) 2016-12-06
EP2826031B1 (de) 2017-06-28

Similar Documents

Publication Publication Date Title
CN104169992B (zh) 用于借助于无线的车辆到车辆的通信进行拥堵识别的方法
US11990036B2 (en) Driver behavior monitoring
US20240290201A1 (en) Driver behavior monitoring
CN106128140B (zh) 车联网环境下行车服务主动感知系统及方法
US10796574B2 (en) Driving assistance method and device
US9150221B2 (en) Vehicle controller, control method for vehicle and control system for vehicle
US8571786B2 (en) Vehicular peripheral surveillance device
US11820387B2 (en) Detecting driving behavior of vehicles
US20120303222A1 (en) Driver assistance system
JP2020500367A (ja) 車両隊列のためのギャップ測定
TWI557006B (zh) 自動化車輛全域性風險分析的區域規劃演算法與軌跡最佳化閃避系統
US9666066B2 (en) Unexpectedness prediction sensitivity determination apparatus
US10102745B2 (en) Information providing apparatus for vehicle
US20190035278A1 (en) Driving Assistance Method and Device
US9412212B2 (en) Unexpectedness prediction sensitivity determination apparatus
US20230118619A1 (en) Parking-stopping point management device, parking-stopping point management method, and vehicle device
US20190384319A1 (en) Moving body assistance system and moving body assistance method
EP4105908A1 (en) Method, apparatus, server, and computer program for collision accident prevention
CN110379156A (zh) 一种基于车载摄像头融合gps流速的事故车道判别方法
JP7567617B2 (ja) 走行履歴解析システム
US20230227043A1 (en) Information processing device, vehicle control unit, and road information distribution method
JPH04297000A (ja) 車車間通信による車群情報収集方式
TW201430781A (zh) 一重力感測器實現路況障礙分析系統與方法
JP2022150803A (ja) 走行履歴解析システム
Peng et al. A Multi-Sensory Approach for Comprehensive Detection and Warning of Vehicle Collision Risk

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230118

Address after: Hannover

Patentee after: Continental Automotive Technology Co.,Ltd.

Address before: Hannover

Patentee before: CONTINENTAL AUTOMOTIVE GmbH