CN104217590A - 车载交通密度估计器 - Google Patents

Abstract

估计移动在道路上的主车周围的交通密度。对象检测系统远程地检测和识别邻近车辆的位置。控制器a)预测由主车辆行驶的主车道的路径，b)将邻近车辆归类入多个车道，包括主车道和一个或多个预测路径侧面的相邻车道，c)根据被归类入主车道的最远车辆的位置来确定主车道距离，d)确定相邻车道距离，这是根据视场中相邻车道中的最近位置和被归类入相邻车道的最远车辆的位置之间的差值，和e)根据所归类的车辆计数和距离的总和之间的比值指示交通密度。

Description

车载交通密度估计器

技术领域

本发明总体上涉及监测机动车辆周围的交通，并且，尤其涉及一种车载和实时地将主车辆正在其中移动的区域的交通密度进行分类的方法和装置。

背景技术

针对各种汽车系统和功能，获得本地交通密度的估计是非常有用的(包括在车辆的正前方路径中的交通密度、在相邻车道中的交通密度、和车辆附近的总计或总体交通密度的估计)。例如，针对碰撞预警系统的警报阈值(例如，距离或缓冲区)可根据交通密度是否为小、中、或大进行调整。此外，驾驶员警觉性监测系统可根据交通密度使用不同的阈值。

通常，交通密度估计已经可以以各种方式获得。在一种自动化技术中，交通密度的粗略估计是通过跟踪经过指定道路位置的手机来得到的(例如，中央监视器获得基于GPS或手机信号塔的个人手机坐标，将其映射到道路段，计算车辆密度，和将结果传递给车辆)。也可以使用其他计算路段上的车辆数量的自动化技术。这些方法仅给出在固定区域中有多少车辆的大概(即，没有具体到任何特定车辆周围的邻近区域)。它们具有其它的缺陷，包括更新速度慢，车辆必须具有无线通信以便访问信息，以及必须提供用于执行主车辆外部的计算的基础设施。

在另一个方法中，驾驶员或其他的观察者可视觉表征在一个区域中的交通量。这受相同的缺陷的影响，并且可能不准确。在另一个方法中，车辆对基础设施的系统可用于表征交通密度。这受到在车辆和路边都要实施硬件的高成本的影响。此外，需要足够的市场渗透率以便使其可行。

发明内容

在本发明的一个方面，提供一种用于使主车辆中的电子控制器确定交通密度的方法。传感器远程检测视场中主车辆周围的目标。识别检测到的目标中邻近车辆的位置。预测由主车辆行驶的主车道的路径。电子控制器将附近的车辆归类入多个车道，包括主车道和位于预测路径的侧面的一个或多个相邻车道。电子控制器根据被归类到主车道的最远车辆的位置来确定主车道距离，并在之后，根据视场内相邻车道中的最近位置和被归类到相邻车道的最远车辆的位置之间的差值，来确定相邻车道的距离。电子控制器根据被归类的车辆的数量和距离的总和之间的比值来指示交通密度。

在一个优选的实施例中，通过使用车载前视传感器估计周围道路的车辆。也可以使用附加的车辆传感器，例如，侧视盲区传感器或后视传感器。

邻近车辆的相对位置(横向或纵向)从前视传感器获取。这可以直接以笛卡尔形式或从极坐标计算。由前视传感器检测的所有目标车辆，都在之后基于其与主车辆的预测路径的偏移被归类入“车道”。预测路径可由，例如，偏航率传感器或GPS地图数据确定。基于典型的车道宽度，主车道被认为占据预测车道周围的+/-¹/₂的车道宽度。由主车道的中心线测得的右侧的相邻车道为从+¹/₂车道宽度至+1¹/₂车道宽度，而由主车道的中心线测得的主车道左侧的相邻车道为从-¹/₂车道宽度至-1¹/₂车道宽度。该计算可执行在任何所需数量的全部相关车道中。

随着所有车辆都被归类入车道中，之后执行计数以确定每个车道中所看到的车辆的总数。针对主车辆的车道，计数应包括主车辆。为了完成密度计算，需要每个车道中的监测距离的值。针对主车道，通过确定在主车道中哪辆车在前方最远处来获得该值。主车辆的长度和最前车辆的长度的估计优选加入到纵向相对位置以产生纵向距离，该纵向相对位置由主车辆的前部至车道中最前车辆的后部来测得，在该纵向距离中车辆被看作在主车道中。如果未看到前方车辆，之后该距离可默认为传感器的最大可信检测距离。

针对相邻车道，优选根据来自于前视传感器的位置的视场来确定距离，以确定距离主车辆的最近点，在该最近点能够检测到相邻车道中的车辆。该检测距离在之后从相邻车道中的最前车辆的纵向相对位置中减去(优选再次加上检测到的车辆的长度估计，以及如果未发现车辆将默认为最大检测距离)。每个相应计数与相应检测距离的比值给出了相应车道的交通密度。从总计数与总距离的比值获得整体密度。

附图说明

图1表示具有周围交通的道路上的主车辆。

图2是根据本发明的车辆装置的一实施例的方框图。

图3A和3B表示车辆的预测路径和对应预测路径的潜在车道位置。

图4是表示归类到相应车道的附近车辆的视图，其具有该附近车辆距主车辆或距相邻车道中车辆将进入传感器视场处位置的间距。

图5是本发明的一优选实施例的流程图。

图6是一种用于验证相邻车道的方法的流程图。

图7是在行驶循环的一部分的一实例中估计到的交通密度的曲线图。

具体实施方式

现在参照图1，分隔式道路10上正在行驶着沿着主车道12移动的主车辆11，右侧相邻车道13和左侧相邻车道14位于主车道12的两侧。第二左侧相邻车道15执行反向交通。主车辆11配备有前视远程对象识别和跟踪系统，其可包含商业的、现成的遥感系统，例如，可向德尔福汽车公司购买的ESR电子扫描雷达系统或可向TRW汽车控股公司购买的前视安全系统。该系统可使用雷达传感器和/或光学照相机或视频系统，以检测主车辆周围的视场中的远程对象和随时间跟踪不同的对象。跟踪的结果是，该系统报告包含每个类型的对象的识别、其相对位置、和其当前的移动的对象列表。如图1所示，对象检测系统可具有视场16，其在优选实施例中对应前视系统。

图2表示具有实施本发明的组件的主车辆11。雷达收发器20与雷达天线21耦接，以传递扫描雷达信号22，并在之后接收来自于邻近对象23(例如，相邻车辆)的反射信号。也可以利用照相系统24光学检测(例如，可见光)到远程对象。收发器20和照相系统24耦接至常规设计的对象检测和跟踪模块(OBJ.)25，以提供集成的远程对象检测系统，其提供跟踪的对象的列表给交通密度控制模块26。针对每个跟踪的对象，该列表可包括各种参数，包括但不限于，相对位置、对象类型(例如，汽车或大货车)、相对速度、和/或绝对速度。

在运行中，交通密度控制器26以几种方式之一识别主车辆的预测路径。例如，耦接至照相机24的光学的车道检测系统27可使用图像识别以检测车道标志线或定位道路车道的其它特征。因此，主车道和相邻车道的路径可被直接送入控制器26。可选择地，车辆偏航传感器28可耦接至控制器26，以提供控制器26所使用的横向加速度信息，以预测车道路径。另一方面，GPS导航/地图系统30可耦接至控制器26，以基于使用检测到的主车辆11的地理坐标作为道路地图上的指示来识别车道位置。

基于以下确定的车辆计数和车道距离，控制器26产生交通密度指示，以便将其提供给其它适当的控制器(未示出)和/或根据交通密度修改它们的性能的功能。该指示可通过多路传输总线31在车辆中传递。基于指示的交通密度，其它的系统可调整阈值或它们的系统运行的其它方面，以将车载和实时确定的主车辆附近的实际交通状况纳入考虑。

如图3A所示，主车辆11具有预测路径33，其可用于推断主车道即将通过的区域。当使用偏航传感器以便基于横向加速度预测车辆路径时，足够低或基本为零的横向加速度将导致直行车道路径的预测。更大的横向加速度导致越来越弯曲的车道路径的预测。如图3B所示，主车道的预测路线集中在预测路径33上，并向两侧延伸¹/₂预先确定的车道宽度W。基于主车道的预测路线，定义了多个相邻车道路径，包括左侧相邻路径L1、右侧相邻车道路径R1、和以并行方式在主车道侧面的第二右侧横向相邻车道路径R2。

一旦确定了相对于主车辆的位置的主和相邻车道，每个跟踪到的车辆可根据车道覆盖的区域被归类。图4表示相对于在主车道36中的主车辆35的被归类的车辆的一实例。虽然在主车道36中示出了四辆车，但获得了三个实际的车辆计数(即，将车辆35、43和44计数)。在对象检测系统的最大检测距离中的车辆45未被计数，因为未检测到(例如，车辆44是大货车并限制了车辆45的潜在视野)。针对左侧相邻车道37，将产生一个车道计数，因为车辆38的存在。在右侧相邻车道40中，获得两个车辆计数，因为车辆41和42的存在。

随着计数信息的获得，下一步是推导计数车辆所分布的道路距离。在远程传感器的视场中，具有用于检测任何存在的车辆的最大检测距离。然而，每当车辆存在时，到达最大距离的视野可由检测到的车辆限制。在图4的实例中，在主车道36中被计数的车辆包括在间距R₁检测到的车辆43和在间距R₂检测到的车辆44。存在于车道36中未被检测到的车辆45不会被计数，并且主车道36的相应的位置不应被计入密度计算。因此，用在密度计算中的每个相应车道中的距离对应被归类入该车道的最远车辆。在主车道36中，最远车辆是车辆44，因此主车道距离由主车辆35和车辆44之间的间距R₂构成。优选地，用于计算密度的距离也包含主车辆的长度L_H和车辆44的长度L₁的添加。

在主车辆35的侧面的相邻车道中，用作密度计算的依据的适当的距离通常不开始于与主车辆平齐的点，因为针对传感系统的视场不大可能对应主车辆35的正前方。当仅使用前视检测器时，在相邻车道中的车辆必须至少稍领先于主车辆35，才能被检测到。相邻车道中的位置46和47对应于那些相邻车道中的在传感器视场中的最近位置。这些位置可在车辆的设计过程中被预先测量。

针对对象检测系统具有其它类型的传感器，用于距离测量的开始位置可以是相对于主车辆的其它位置。针对具有侧视传感器或后视传感器的检测器，用于确定相邻车道距离的开始位置甚至可以是主车辆35的后面或可以根据主车辆后面最远检测到的相邻车辆来定义。

针对右侧相邻车道40，用在交通密度计算中的相邻车道距离包含位置47和车道40中的最远车辆42之间的间距R₅加上对应于由对象跟踪系统识别的车辆类型的长度L₃(例如，有代表性的汽车或卡车的长度)。类似地，针对相邻车道37的距离包含位置46和车辆38之间的间距R₃加上车辆38的增加长度L₂(估计或测量到的)。

图5表示本发明的一优选方法，其中，主车辆周围的对象的远程检测在步骤50中执行。在远程对象检测系统中，检测到的车辆在步骤51中通过随时间跟踪的类型、位置和速度来识别。在步骤52中，交通密度控制器预测主车道的路径。利用主车道的预测路径和在主车道侧面的相邻车道的相应位置，所有检测到的车辆在步骤53中被归类入车道。

在步骤54中，针对每个都有车辆存在的车道找到最远的前方车辆。针对主车道，该距离与主车辆长度和最远车辆长度用于推导出车道中车辆分布的距离。针对相邻车道，使用最远车辆和长度与车道中最近检测点的结合。如果在车道中没有车辆存在，那么相关的距离默认为沿着对应车道的预测路径的传感器的最大检测距离。该预先确定的最大检测距离可以是存储在控制器中的定值或可以基于环境因素计算出，例如，基于地平线的高度。在步骤55中，针对每个车道计算出的密度等于相应车辆计数除以针对每个相应车道所确定的距离。在步骤56中，确定整体密度等于总计数除以距离总和。

在步骤55和56中获得的原始交通密度值可直接使用，或该原始值可在步骤57中被标准化或分类。标准化可优选包含将该值转化为0和1之间的比率，确定为预先确定的大交通密度阈值的百分比。例如，整体交通密度的原始值被阈值所除，并在之后削减为最大值1。预先确定的大阈值可基于在销售和使用车辆的市场中普遍的交通状况由经验推导出。

可选择地，将原始交通密度值分类可包含定义小、中、大交通阈值。基于原始交通密度值落入的范围，小、中、和大交通密度的相应级别可被确定和报告给其它的车辆系统。因此，一个或多个交通密度值，不论是原始、标准化的，还是分类的，都在步骤58中被指示给需要其的适当的功能或系统。

优选地，如图6所示，本发明的方法可仅利用被验证存在于主车辆周围的有效车道执行。例如，如果对应于潜在的相邻车道的区域代替为路肩，那么其典型地不在密度计算中使用。然而，在一些环境中，如果检测到潜在的碰撞，监测路肩区域或用于识别潜在疏散路线的其它区域中的对象密度是可取的。

为了识别有效车道，图6中的方法开始于识别在步骤60中检查到的潜在车道(例如，从在主车辆的每个侧面上的两个相邻车道的预先确定的范围)。在步骤61中，对是否任何车辆在识别到的车道中进行检查。在步骤62中，如果检测到在车道中移动的车辆，那么认为该车道在预先确定的时间间隔(例如，60秒)内有效。之后该方法返回至步骤64，识别下一个潜在的车道检查。

如果在步骤61中没有在当前检查的车道中检测到车辆，那么该方法将前进至步骤63，其中，目前的整体交通密度用于确定时间值Y。在更高的交通密度存在的情况下，减少了空车道的可能性。在小交通密度的条件下，增加了有效车道在更长时间间隔内是空车道的可能性。因此，选择的时间值Y具有反映预期车辆再次出现在空车道中的平均等待时间的量级。在步骤64中，进行检查以确定被检查的潜在车道是否已经空了Y秒。如果否，那么仍然认为该车道有效并返回至步骤60。如果该车道已经空了Y秒，那么在步骤65中不认为其是有效车道。无效车道可典型地被排除在密度计算之外直到在该潜在的车道中检测到车辆。

图7表示在驾驶循环过程中各种交通密度中获得的示例性的交通密度值。该密度已经基于大交通阈值70被标准化在0至1的范围内。如果期望将交通密度分类，那么小交通范围71或中交通范围72可被报告给其它车辆系统，而不是基于适当的阈值的标准值。

Claims (10)

1.一种用于使主车辆中的电子控制器确定交通密度的方法，其特征在于，包含以下步骤：

传感器远程地检测主车辆周围视场中的对象；

识别检测到的对象中邻近车辆的位置；

预测由主车辆行驶的主车道的路径；

电子控制器将邻近车辆归类入多个车道，包括主车道和预测路径侧面的一个或多个相邻车道；

电子控制器根据被归类入主车道的最远车辆的位置来确定主车道距离；

电子控制器确定相邻车道距离，这是根据视场中相邻车道中的最近位置和被归类入相邻车道的最远车辆的位置之间的差值；

电子控制器根据被归类的车辆计数和距离的总和之间的比值来指示交通密度。

2.根据权利要求1所述的方法，其特征在于，主车道距离包括被归类入主车道的最远车辆的长度和主车辆的长度。

3.根据权利要求1所述的方法，其特征在于，相邻车道距离包括被归类入相邻车道的最远车辆的长度。

4.根据权利要求1所述的方法，其特征在于，如果没有在主车道中识别到邻近车辆，那么主车道距离由传感器沿着预测路径的最大检测距离组成。

5.根据权利要求1所述的方法，其特征在于，如果没有在相邻车道中识别到邻近车辆，那么被归类入到相邻车道的最远车辆的位置默认为预先确定的最大检测距离。

6.根据权利要求1所述的方法，其特征在于，进一步包含在指示交通密度之前将比值标准化在预先确定的范围内的步骤。

7.根据权利要求1所述的方法，其特征在于，进一步包含根据小、中、或大密度将指示的交通密度分类的步骤。

8.根据权利要求1所述的方法，其特征在于，电子控制器针对主车道和相邻车道指示单个车道交通密度。

9.根据权利要求8所述的方法，其特征在于，进一步包含以下步骤：

检测主车辆从最初车道至最终车道的车道变化动作；

将主车道交通密度指示为车道变化动作过程中的最初车道和最终车道的单个车道交通密度的总计。

10.根据权利要求1所述的方法，其特征在于，进一步包含以下步骤：

电子控制器周期地确定沿着主车道的两侧的相邻车道的有效性，其中，每当有移动的车辆与其重合时则确定相邻车道路径为有效相邻车道。