CN109313851B - 用于逆行驾驶员识别的方法、设备和系统 - Google Patents
用于逆行驾驶员识别的方法、设备和系统 Download PDFInfo
- Publication number
- CN109313851B CN109313851B CN201780035611.1A CN201780035611A CN109313851B CN 109313851 B CN109313851 B CN 109313851B CN 201780035611 A CN201780035611 A CN 201780035611A CN 109313851 B CN109313851 B CN 109313851B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- particles
- deviation
- road
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000002245 particle Substances 0.000 claims abstract description 107
- 230000033001 locomotion Effects 0.000 claims description 19
- 230000001133 acceleration Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
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
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
-
- 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
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3697—Output of additional, non-guidance related information, e.g. low fuel level
-
- 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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/164—Centralised systems, e.g. external to vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Instrument Panels (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及一种用于逆行驾驶员识别的方法,所述方法包括如下步骤:通过接口读取位置数据(106),其中,位置数据(106)代表车辆(100)的所测量的位置;读取地图数据(116),该地图数据反映能够由车辆(100)行驶的道路区段;读取多个粒子,其中,一个粒子代表车辆(100)的一个所假设的位置并且代表分配给所假设的位置的权重;在使用地图数据(116)的情况下,确定所述多个粒子与由位置数据(106)所代表的所测量的位置之间的偏差。
Description
技术领域
本发明涉及根据独立权利要求的类别的一种设备或一种方法。本发明的主题也是一种计算机程序。
背景技术
在发生事故的情况下,逆行驾驶员(“错向行驶驾驶员”)至少会造成重大的财产损失。对于大多数情况而言,仅仅基于导航设备的识别(道路等级和道路方向)都太晚,也就是说,逆行驾驶员(Falschfahrer)已经(以高的行驶速度并且以大的碰撞概率)处于错误的行车道上。
发明内容
在所述背景下,借助在此提出的方案提出根据独立权利要求的用于逆行驾驶员识别的一种方法、一种设备和一种系统,以及最后提出一种相应的计算机程序。通过在从属权利要求中列举的措施能够实现独立权利要求中说明的设备的有利的扩展方案和改善方案。
有利地,例如可以借助通过粒子滤波器而特别匹配于应用情况的识别来实现基于云的逆行驾驶员警报。
一种用于逆行驾驶员识别的方法包括如下步骤:
通过接口读取位置数据,其中,所述位置数据代表车辆的所测量的位置;
读取地图数据,所述地图数据反映能够由车辆行驶的道路区段;
读取多个粒子,其中,一个粒子代表车辆的一个所假设的位置以及分配给所假设的位置的权重;
在使用地图数据的情况下,确定所述多个粒子与通过位置数据所代表的所测量的位置之间的偏差。
通过该偏差可以确认:所述多个粒子是否匹配于所测量的位置。
“车辆”可以涉及道路车辆。“逆向行驶(Falschfahrt)”可以理解为车辆在道路上的与预给定的行驶方向相反的行驶。所测量的位置可以在使用布置在车辆中的传感器的情况下测量。地图数据可以反映能够由车辆行驶的道路网络。所述多个粒子可以在使用借助已知的粒子滤波器所使用的方法的情况下或在使用粒子滤波器的情况下确定。粒子在此可以具有不同的所假设的位置,这些所假设的位置例如可以围绕在所测量的位置周围。所述偏差可以用于确定或确保车辆的当前位置。“当前位置”可以是在使用粒子滤波器的情况下所估计的位置,该当前位置可以被用作车辆的实际位置。可以使用当前位置代替所测量的位置来识别车辆的逆向行驶。
所述方法可以包括如下步骤:在使用当前位置的情况下确定逆向行驶信号。在此,逆向行驶信号可以指出:是否存在车辆的逆向行驶。
例如仅当假设存在逆向行驶时,才可以提供逆向行驶信号。
所述方法可以包括如下步骤:在使用粒子滤波器的情况下确定多个粒子。例如可以通过粒子滤波器来改变粒子的权重。
在确定的步骤中,可以在使用多个粒子与所测量的位置之间的间距的情况下来确定所述偏差。该间距(例如平均间距)越小,则偏差越小。
地图数据可以反映能够由车辆行驶的道路网络的参数。在确定的步骤中,可以在使用该参数的情况下确定偏差。通过使用该参数,可以将地图数据所包括的信息用于确定该偏差。
所述方法可以包括读取运动数据的步骤,所述运动数据代表车辆的所测量的运动。在确定的步骤中,可以根据运动数据与参数之间的比较来确定该偏差。由此可以更准确地确定该偏差。
例如,运动数据可以反映车辆的横向加速度。参数可以反映通过地图数据所反映的道路区段的曲率变化(Krümmungsverlauf),该道路区段被分配给或能够被分配给所述多个粒子中的至少一个。由此可以检查:道路区段是否匹配于由车辆实施的运动。
运动数据可以反映车辆的行驶方向,并且参数可以反映通过地图数据所反映的道路区段的行驶方向预先规定(Fahrtrichtungsvorgabe),该道路区段被分配给或能够被分配给所述多个粒子中的至少一个。以这种方式可以检查:道路区段是否匹配于车辆的行驶方向。
所述方法可以包括如下步骤:从通过地图数据所反映的道路区段中选择出至少一个可信的道路区段。在此,该可信的道路区段可以表示如下道路区段:该道路区段能够分配有所述多个粒子中的至少一个,并且该道路区段具有与车辆的行驶方向一致的行驶方向预先规定。
在确定的步骤中,可以基于所述多个粒子至通过地图数据所反映的道路区段的可分配性来确定该偏差。如果无法将所述粒子分配给道路区段,则因此可以推断出存在大偏差。
在读取的步骤中,可以通过计算云(Rechnerwolke)(所谓的云)的接口来读取位置数据。这能实现一种基于云的解决方案。
一种用于逆行驾驶员识别的相应设备设置用于在相应的单元中实施所述的方法的步骤。这种设备例如可以具有:读取装置,该读取装置构造用于通过接口读取位置数据;另一读取装置,其构造用于读取地图数据,该地图数据反映能够由车辆行驶的道路区段;另一读取装置,其构造用于读取多个粒子,其中,一个粒子代表车辆的一个所假设的位置并且代表分配给所假设的位置的权重;确定装置,该确定装置构造用于在使用地图数据的情况下确定多个经滤波的粒子与由测量信号所包括的所测量的位置之间的偏差。此外,该装置可以包括粒子滤波器,该粒子滤波器用于生成和/或再处理粒子。
一种用于逆行驾驶员识别的相应系统包括:至少一个发送装置,该发送装置能够被布置或被布置在车辆中并且构造用于发送位置数据;所提到的用于逆行驾驶员识别的设备,该设备构造用于(例如通过无线连接)接收由至少一个发送装置所发送的位置数据。
用于逆行驾驶员识别的另一系统包括:至少一个发送装置,该发送装置能够布置在或被布置在车辆中并且构造用于发送位置数据,其中,该位置数据代表车辆的所测量的位置;至少一个接收装置,该接收装置能够布置在或被布置在车辆中并且构造用于接收如下设备的数据:该设备根据在此所述的用于逆行驾驶员识别的方案构造用于接收由至少一个发送装置发送的位置数据。
所描述的方法例如可以以软件实现或以硬件实现或以软件与硬件的混合形式(例如在设备中)实现。
为此,所述设备可以具有:至少一个用于处理信号或数据的计算单元、至少一个用于存储信号或数据的存储单元和/或至少一个用于读取或输出嵌入到通信协议中的数据的通信接口。计算单元例如可以是信号处理器、微控制器等,其中,所述存储单元例如可以是闪存、EPROM或磁性存储单元。通信接口可以构造用于无线地和/或有线地读取或输出数据,其中,可以读取或输出有线数据的通信接口例如可以电学地或光学地从相应数据传输线路中读取所述数据或将所述数据输出到相应的数据传输线路中。
在此,设备可以理解为电设备,所述电设备处理传感器信号并且根据所述传感器信号输出控制信号和/或数据信号。所述设备可以具有可以以硬件形式和/或软件形式构造的接口。在硬件形式的构造中,所述接口例如可以是所谓的系统专用集成电路的一部分,该部分包含所述设备的各种各样的功能。然而也能够实现,所述接口是独立的集成电路或至少部分地由分立的构件组成。在软件形式的构造中,所述接口可以是软件模块,所述软件模块例如和另外的软件模块存在于微控制器上。
也有利的是一种计算机程序产品或具有程序代码的计算机程序,所述程序代码能够存储在机器可读的载体或存储器介质上(例如半导体存储器、硬盘存储器或光学存储器)并且用于尤其当所述程序产品或程序在计算机或设备上实施时,执行、实现和/或操控根据上面所描述的实施方式中任一项所述的方法的步骤。
附图说明
在此提出的方案的实施例在附图中示出并且在以下说明中进一步阐明。附图示出:
图1根据一种实施例示出用于逆行驾驶员识别的系统;
图2根据一种实施例示出用于逆行驾驶员识别的方法的流程图;
图3示出隐马尔可夫链模型(Hidden Markov Chain Model);
图4示出根据一种实施例的粒子滤波处理的流程;
图5根据一种实施例示出用于逆行驾驶员识别的系统;
图6根据一种实施例示出一种车辆;
图7根据一种实施例示出一种程序流程;
图8根据一种实施例示出粒子滤波器的程序流程;
图9根据一种实施例示出的道路区段的图示。
在本发明的有利实施例的以下描述中,对于在不同附图中示出的并且作用相似的元件使用相同或相似的附图标记,其中,省去对这些元素的重复性描述。
具体实施方式
图1示出根据一种实施例的用于逆行驾驶员识别的系统。该系统包括车辆100,车辆100具有传输装置102,该传输装置构造用于将测量数据(在此例如位置数据106)并且可选择地将运动数据107无线地发送给用于逆行驾驶员识别的设备110,该测量数据在使用至少一个布置在车辆100中的传感器装置104的情况下所检测。设备110构造用于将测量数据预处理成经预处理的数据,并且在使用粒子滤波器的情况下对经预处理的数据进行再处理,以便产生并且发送逆向行驶信号112。根据一种实施例,逆向行驶信号112指出:其测量数据已被处理的车辆100当前正实施逆向行驶。根据该实施例,车辆100的传输装置102以及另一车辆100的传输装置102构造用于接收逆向行驶信号112并且响应于逆向行驶信号112的接收地激活相应车辆100、114的警报装置,该警报装置例如向车辆100、114的驾驶员发出逆向行驶警报或者根据一种实施例干预相应车辆100、114的(例如制动设备或转向设备的)至少部分自动化的控制。根据不同的实施例,传输装置102可以仅实施成发送装置、或者也可以实施成发送/接收装置。
根据一种实施例,测量数据包括位置数据106:该位置数据已经在使用车辆100的位置确定装置的情况下所检测并且反映车辆100的当前位置。根据另一实施例,测量数据还包括如下运动数据107:该运动数据例如已经在使用车辆100的至少一个加速度传感器的情况下所检测并且包括关于车辆100的当前运动的信息,该信息例如是关于行驶方向、纵向加速度、横向加速度或车辆围绕车辆轴线旋转的信息。
根据一种实施例,设备110构造用于读取地图数据116,地图数据116反映能够由车辆100行驶的道路网络。根据一种实施例,地图数据116例如包括关于道路网络的道路区段的信息。根据一种实施例,地图数据116在每个道路区段方面还包括至少一个参数,所述至少一个参数例如定义相应道路区段的行驶方向预先规定或定义相应道路区段的走向。通过所述参数例如可以定义:道路区段直线地延伸还是表现为曲线。根据一种实施方式,设备110具有存储器装置,在该存储器装置中存储有地图数据116。
根据一种实施例,设备110构造用于读取多个粒子。所述粒子例如可以由内部的或外部的存储器装置所读取。每个粒子可以代表车辆的一个所假设的位置并且代表分配给所假设的位置的权重。根据一种实施例,设备110构造用于在使用位置数据106和地图数据116的情况下确定和直接再处理多个粒子。
根据一种实施例,设备110构造用于在使用地图数据的情况下确定所述多个粒子与车辆100的通过位置数据106所反映的所测量的位置之间的偏差。根据一种实施例,在逆向行驶信号112的确定中使用或考虑该偏差。
根据一种实施例,设备110或设备110的功能块在云118中布置或实现。
补充或代替所描述的方案,可以使用用于探测逆行驾驶员的各种各样的方法,在这些方法中,例如使用视频传感装置,以便探测穿行通过“禁止驶入”的指示牌,或者将数字地图与导航结合使用,以便识别在如下道路区段上探测到逆向行驶方向:该道路区段仅能在一个方向上行驶。此外已知的是,该方案还可以与无线的方法结合,该无线的方法借助基础设施(例如行车道上的或行车道边缘上的柱式轮廓标)来探测逆行驾驶员。
除了探测逆行驾驶员之外,所描述的方案还提供对逆行驾驶员做出反应的许多可能性。这方面的示例是通过显示或声学提示来对逆行驾驶员本身发出警报。也可以使用如下方法:借助所述方法例如通过车对车通信或借助移动无线电来对逆行驾驶员附近的其他驾驶员发出警报。此外,可以通过布置在道路边缘上的可变交通标志来对其他的交通参与者发出警报。也可以对正在逆向行驶的车辆100的发动机控制或制动进行干预。
所描述的方案能够实现:探测逆行驾驶员并且及时地对逆行驾驶员附近的其他交通参与者发出警报,对于所述探测和发出警报而言,只有非常短的时间可供使用。
所描述的方案借助客户端/服务器解决方案来进行逆行驾驶员识别(逆向行驶驾驶员探测(Wrong-Way-Driver-Detection))。处于机动车上或机动车中的如下设备可以被看作是客户端:该设备具有互联网连接并且具有至少对位置坐标的访问权限。在此,例如可以涉及传输装置102。传输装置102例如可以涉及智能手机。在传输装置102中可以集成有传感器装置104。因此,例如可以借助作为示例性客户端的智能手机来实现特定于逆行驾驶员的服务器/客户端通信。可以借助网关(PDN_GW)将智能手机通过移动无线电网络连接到互联网,在互联网中布置有例如服务器形式的设备110。
由借助客户端/服务器解决方案的逆行驾驶员警报的可能工作方式得出通过在此描述的方案说明的技术的以下关键问题领域:
a)假阳性降低
在自身警报和/或主动干预的情况下,必须尽可能阻止或完全避免假阳性(即在正确行驶方式情况下的错误探测)。取决于警报方案,必须满足直至ASIL-A的标准。
b)时间紧急地实施触发链
为了将逆行驾驶员对其他交通参与者造成的危险保持得尽可能低,应该尽可能快地进行干预或警报。也就是说,从通过识别到逆行驾驶员而探测到关键性情况直到干预或警报的完整功能链应该在尽可能短的时间段内完成。在全面地使用这种功能的情况下,服务器(例如设备110)的占用率以及因此所需的功能有效性在此起着非常重要的作用。除了触发时间以外,经济性也是一个重要的部分方面。
c)通信、数据效率和耗电量
特别是对于移动设备而言,通信和耗电量必须尽可能地高效或尽可能地低,以便实现可接受的电池寿命。也必须通过数据高效的通信来防止移动无线电单元或其他的无线通信单元的过载。也可以尽可能地限制数据量以及与此相关的开销。出于计算能力的原因,通信效率在服务器侧也是极其重要的因子。
所描述的方案主要用于关键领域a)“假阳性降低”和b)“时间紧急地实施触发链”,然而必要时,c)“通信、数据效率和耗电量”也同样可能受到影响。在云118中基于商用智能手机和连接控制单元传感装置来识别逆行驾驶员并不是简单的。
图2根据一种实施例示出一种用于逆行驾驶员识别的方法的流程图。例如可以在使用根据图1所示的用于逆行驾驶员识别的设备的装置的情况下实施该方法。
该方法包括步骤201,在该步骤中通过接口读取位置数据。位置数据表示车辆的所测量的位置。可选地,可以在步骤201中附加地读取车辆的运动数据。在步骤203中读取地图数据,该地图数据反映能够由车辆行驶的道路区段。地图数据可以包括如下参数:该参数(例如在行车道曲率或行驶方向方面)进一步说明各个道路区段。在步骤205中,读取多个粒子。所述多个粒子例如可以在之前的生成步骤中在使用位置数据和/或在使用之前经滤波的粒子的情况下生成。在此根据一种实施例,使用粒子滤波器。在此,粒子中的每个分别代表车辆的一个所假设的位置并且代表分配给所假设的位置的权重。在此,根据一种实施例,所假设的位置优选分布在所测量的位置周围。通常,所假设的位置与车辆的所测量的位置并且与实际位置具有偏差。在步骤207中,在使用地图数据的情况下确定多个粒子与通过位置数据所代表的所测量的位置之间的偏差。该偏差的确定可以是在粒子滤波器中所执行的步骤的子步骤。根据一种实施例,在使用粒子滤波器的情况下,基于多个粒子和偏差求取车辆的当前位置。
在另一可选择的步骤209中,在使用多个粒子以及偏差的情况下产生和提供逆向行驶信号。例如如果由所述多个粒子以及偏差确定了可信的道路区段(假设车辆位于该道路区段上),并且车辆的当前行驶方向与分配给该道路区段的行驶方向预先规定不一致,则可以提供逆向行驶信号。根据一种实施例,根据该偏差与阈值的比较来准许或禁止逆向行驶信号的产生或提供。例如,如果基于大的偏差认为在使用粒子滤波器的情况下所求取的车辆的当前位置与车辆的实际位置不一致,则可以禁止提供逆向行驶信号。
对于逆行驾驶员识别来说,逆行驾驶员正行驶哪个路线不是决定性的。所需的信息主要是:逆行驾驶员当前处于哪里,并且该逆行驾驶员是否在与行驶方向相反的道路上行驶。为了这种求取显然需要一定的历史信息(Historie),但这不是所提出的问题的一部分,而更确切地说是得出结果的方式。
由于这些情况,提出一种基于粒子滤波器的方法。类似于卡尔曼滤波器,粒子滤波器适用于受隐马尔可夫链特征影响(即具有未观测到的状态的马尔可夫链的)的系统。
图3示出在时间k和k-1具有状态x和观测z的隐马尔可夫链模型320。
也就是说,系统的状态无法被直接测量,然而可以基于其他的观测被估计出。在这种情况下,能够估计出位置并且因此估计出当前的道路。为此需要对以下等式进行求解:
在下文中借助xk描述时刻k的状态,借助x0:k-1=(x0,…,xk-1)来合并之前的状态。类似于x,这种换算也适用于控制参量u和观测u。η描述归一化项,然而该归一化项在下文在中不具有重要意义。该等式可以简化成以下等式:
并且该等式以两个步骤进行描述:
预测步骤:
和权重项:
在粒子滤波器的情况下,借助数值近似和蒙特卡罗法(Monte-Carlo-Method)来求解对概率分布的积分。
在此,w[j]描述第j个粒子的权重/概率。粒子的集合以
Χ={(x[j],w[j])}j=1,…,J
由此每个粒子具有w[j]和状态x[j]。
图4根据一种实施例示出粒子滤波处理的流程。为此,在图4中示出在时间k和k-1具有状态x和观测z的隐马尔可夫链模型。
工作的大部分旨在找到适用于
和
的函数,所述函数最佳地反映问题。此方面的基础是定义待估计的状态x。
方框401代表粒子滤波器(Χk-1,uk,z)。
直至经历过所有的值j=1:J,才从方框403跳转至方框405。
在方框405中计算新的状态:
在方框407中计算权重:
如果在方框403中经过所有的值,则跳转至方框409。直至经历过所有的值i=1:J,才从方框409跳转至方框411。
如果在方框409中经历过所有的值,则跳转至表示结束Χk的方框415。
图5根据一种实施例示出一种用于逆行驾驶员识别的系统。该系统包括例如根据图1所提及的传输装置形式的设备102和用于逆行驾驶员识别的设备110,该设备根据这种实施例实施成所谓的WDW服务器。设备110构造用于从设备102接收数据106(例如根据图1描述的测量数据)并且基于数据106提供警报112,并且例如以根据图1所描述的逆向行驶信号的形式发送回到设备102。
该设备具有用于预处理的装置530、粒子滤波器532和警报模块534。
在基于云的逆行驾驶员警报装置的简化结构中嵌入有如图5所示那样的粒子滤波器532。
借助粒子滤波器532可以近似地确定汽车位置的概率分布。
图6借助车辆100示出可以被纳入到根据图5所示的模型中的值。这些值例如可以涉及在纵轴线x、横轴线y、高轴线z方向上的状态以及围绕纵轴线的转动p、围绕横轴线的俯仰q以及围绕高轴线的偏转r。
关于在使用粒子滤波器情况下的地图比较,适用贝叶斯滤波器p(xk|z0:k,u0:k)。在此参照图3,xk可以代表(未测量的)状态,例如地理上的长度、宽度和高度,uk+1例如代表汽车100在速度和转速方面如何运动,并且zk代表可以观测到什么——例如GPS信号或涉及车辆100的周围环境的信号(摄像机等)。
图7根据一种实施例示出一种程序流程。该流程开始于方框701。在方框530中,例如执行如根据图5所描述的那样的数据预处理。在方框703中(如果存在)加载之前点的状态。在方框705中利用粒子滤波器发生地图调整(map-matching)。在方框707中对结果进行解读。在方框709中检查是否存在逆向行驶。如果是这种情况,则如根据图5所描述的那样在方框534中发送警报。如果不存在逆向行驶,则以方框711结束程序流程。
图8根据一种实施例示出粒子滤波器的程序流程。方框801代表粒子滤波器的开始。在方框803中例如在考虑根据图1所述的传感器装置的传感器准确度的情况下对粒子进行移位。在方框805中求取地图相关的参数。这种参数例如说明:粒子是否处于道路上或者是否与道路名称(Titel)一致。在方框807中对新的粒子权重进行计算。在方框809中进行所谓的重采样(Resampling),在所述重采样的情况下,消除不相关的区域和/或粒子。在方框811中对各个粒子进行解释并且在方框813中对可能的道路进行反馈。
通过使用粒子滤波器改善以下提及的方面。一方面,提供一种顺序地(实时可能的)工作的方法,该方法主要求取道路网络上的当前位置。此外,能够实现稳健地估计道路网络上的当前位置。能够求取关于当前估计的不确定性。这使得可以在合理的程度上将关于潜在的逆向行驶的判定可靠地推迟。
图9示出根据一种实施例的道路区段930、932、934、936的图示。道路区段930、932、934、936是能够由车辆(例如根据图1所述的车辆)行驶的道路网络的一部分。多个粒子940基本上分布在三个道路区段932、934、936上。粒子中的每个表示一个所假设的位置并且表示为此所假设的概率或权重。例如能够由图9看出,车辆的所测量的位置950与多个粒子940的所假设的位置存在明显偏差。所测量的位置950也分配有方向向量,该方向向量代表车辆的所测量的行驶方向并且可以在使用运动数据的情况下被确定,所述运动数据由车辆所接收。多个粒子940中的每个同样分配有方向向量,该方向向量指出相应粒子的运动方向。由图9再次能够看出,分配给所测量的位置950的方向向量与分配给多个粒子940的方向向量不一致。
根据一种实施例,如根据之前的附图所描述的那样,多个粒子940在使用粒子滤波器的情况下被确定。根据一种实施例,将所测量的位置950与多个粒子940的所假设的位置之间的偏差确定为粒子滤波器的部分功能然后,例如可以使用该偏差来对多个粒子940进行进一步滤波。
在此描述的方案被归类为例如根据图5所示的粒子滤波器的一部分。
由于不同情况(例如错误的地图数据),即使是最佳的方法也可能有时无法将车辆可靠地匹配于道路。由此可能发生:传感器数据(观测、控制)不匹配于当前的道路,并且粒子940的位置例如与GPS偏差非常远。这例如在图9中示出。
在此,粒子940表示当前计算周期(k)中的带有方向向量的粒子。位置950表示当前的(k)带有方向向量的GPS位置。
为了识别该状态可以计算不同的标准(Maβe),这些标准指示出:粒子的位置与观测不一致。参数可以是(包括这些参数的时间特性/变化):
粒子940所处的道路曲率,该道路曲率与传感器数据不一致。
粒子940所处的道路名称(Heading),该道路名称与传感器数据不一致。
非常多的粒子940被如此移位,使得这些粒子没有落在道路上。
粒子940与GPS位置950之间的间距的中值/平均值/最小值/最大值极其大。
在这种情况下,例如将拓扑的条件取消(回退水平(Rückfallebene))。
当没有粒子940位于道路上时(回退水平),根据一种实施方案按照如下方式对权重等式(观测模型)进行匹配:
g(zk,mk|xk)=p(zk|xk)
对于这两个回退水平,在粒子940重新落在道路上的情况下,由于易于发生假阳性(False-Positive-),不应考虑与行驶方向相反的道路。也就是说,粒子940因此可以迁移到除了与待行驶的行驶方向相反的道路的任何道路上。例如,在图9中示出的实施例中,排除了作为粒子940的可能位置的道路区段936,因为高速公路的这一部分与运动方向相反。
所述方案可以与基于云的逆行驾驶员警报结合使用,该基于云的逆行驾驶员警报具有借助粒子滤波器的特别匹配于应用情况的识别。在此,特别有利的是针对这两个所描述的回退水平的条件以及在在再次找到道路情况下的方案。
如果一个实施例包括第一特征与第二特征之间的“和/或”关系,则这可以如此解读:该实施例根据一种实施方式不仅具有第一特征、而且具有第二特征,并且根据另一实施方式要么仅具有第一特征、要么仅具有第二特征。
Claims (9)
1.一种用于逆行驾驶员识别的方法,其中,所述方法包括如下步骤:
通过接口读取(201)位置数据(106),其中,所述位置数据(106)代表车辆(100)的在使用布置在车辆中的传感器的情况下所测量的位置(950);
读取(203)地图数据(116),所述地图数据反映能够由所述车辆(100)行驶的道路区段(930,932,934,936);
读取(205)多个粒子(940),其中,一个粒子代表所述车辆(100)的一个所假设的位置以及分配给所假设的位置的权重;
在使用设备中的所述地图数据(116)的情况下确定(207)所述多个粒子(940)与由所述位置数据(106)所代表的所测量的位置(950)之间的偏差,其中,所述设备具有用于处理信号或数据的至少一个计算单元,
在使用所述多个粒子(940)以及所述偏差的情况下提供逆向行驶信号(112),其中,所述逆向行驶信号(112)指出:是否存在所述车辆(100)的逆向行驶,其中,根据所述偏差与阈值的比较来准许或禁止逆向行驶信号的产生或提供,其中,如果基于偏差认为在使用粒子滤波器的情况下所求取的车辆的当前位置与车辆的实际位置不一致,则禁止提供逆向行驶信号,
在使用粒子滤波器(532)的情况下确定所述多个粒子(940),
在使用所述多个粒子(940)与所测量的位置(950)之间的间距的情况下确定所述偏差,
其中,所述地图数据(116)反映能够由所述车辆(100)行驶的道路网络的参数,并且在所述确定的步骤(207)中,在使用所述参数的情况下确定所述偏差。
2.根据权利要求1所述的方法,所述方法具有读取运动数据(107)的步骤,所述运动数据代表所述车辆(100)的所测量的运动,其中,在所述确定的步骤(207)中,基于所述运动数据(107)与所述参数之间的比较来确定所述偏差。
3.根据权利要求2所述的方法,在所述方法中,所述运动数据(107)反映所述车辆(100)的横向加速度,并且所述参数反映通过所述地图数据(116)所反映的道路区段(930,932,934,936)的曲率变化,所述道路区段被分配给或能够被分配给所述多个粒子(940)中的至少一个。
4.根据权利要求2或3所述的方法,在所述方法中,所述运动数据(107)反映所述车辆(100)的行驶方向,并且所述参数反映通过所述地图数据(116)所反映的道路区段(930,932,934,936)的行驶方向预先规定,所述道路区段被分配给或能够被分配给所述多个粒子(940)中的至少一个。
5.根据权利要求4所述的方法,所述方法具有如下步骤:从通过所述地图数据(116)所反映的道路区段(930,932,934,936)中选择出至少一个可信的道路区段(934),其中,所述可信的道路区段表示如下道路区段:所述道路区段能够分配有所述多个粒子(940)中的至少一个,并且所述道路区段具有与所述车辆(100)的行驶方向一致的行驶方向预先规定。
6.根据权利要求1至3中任一项所述的方法,在所述方法中,在所述确定的步骤中,基于所述多个粒子(940)至通过所述地图数据(116)所反映的道路区段(930,932,934,936)的可分配性来确定所述偏差。
7.根据权利要求1至3中任一项所述的方法,在所述方法中,在所述读取的步骤中,通过计算云(118)的接口读取所述位置数据(106)。
8.一种用于逆行驾驶员识别的系统,其中,所述系统包括如下特征:
至少一个发送装置(102),所述发送装置能够布置在车辆(100)中或被布置在车辆中,并且所述发送装置构造用于发送位置数据(106),其中,所述位置数据(106)代表所述车辆(100)的所测量的位置(950);
用于逆行驾驶员识别的设备(110),所述设备设置用于在相应的单元中实施根据权利要求1至7中任一项所述的方法的步骤,并且所述设备设置用于接收由所述至少一个发送装置(102)所发送的位置数据(106)。
9.一种机器可读的存储器介质,在所述存储器介质上存储有计算机程序,所述计算机程序构造用于实施根据权利要求1至7中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016210027.0A DE102016210027A1 (de) | 2016-06-07 | 2016-06-07 | Verfahren Vorrichtung und System zur Falschfahrererkennung |
DE102016210027.0 | 2016-06-07 | ||
PCT/EP2017/058961 WO2017211489A1 (de) | 2016-06-07 | 2017-04-13 | Verfahren vorrichtung und system zur falschfahrererkennung |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109313851A CN109313851A (zh) | 2019-02-05 |
CN109313851B true CN109313851B (zh) | 2022-08-12 |
Family
ID=58547536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780035611.1A Active CN109313851B (zh) | 2016-06-07 | 2017-04-13 | 用于逆行驾驶员识别的方法、设备和系统 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10769942B2 (zh) |
EP (1) | EP3465653A1 (zh) |
JP (1) | JP2019519044A (zh) |
CN (1) | CN109313851B (zh) |
DE (1) | DE102016210027A1 (zh) |
WO (1) | WO2017211489A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102020118621A1 (de) | 2020-07-15 | 2022-01-20 | Bayerische Motoren Werke Aktiengesellschaft | Positionsbestimmung für ein Fahrzeug |
CN112950960B (zh) * | 2021-01-26 | 2022-12-30 | 北京智能车联产业创新中心有限公司 | 自动驾驶车辆逆行的判断方法 |
EP4307274A1 (en) * | 2022-07-11 | 2024-01-17 | Volkswagen Ag | Method for detecting driving against a statutory direction of travel |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009140008A (ja) * | 2007-12-03 | 2009-06-25 | Sumitomo Electric Ind Ltd | 危険走行情報提供装置、危険走行判定プログラム及び危険走行判定方法 |
JP2012078226A (ja) * | 2010-10-01 | 2012-04-19 | Denso Corp | 車両用運転支援装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7831391B2 (en) * | 2007-06-12 | 2010-11-09 | Palo Alto Research Center Incorporated | Using segmented cones for fast, conservative assessment of collision risk |
JP5666812B2 (ja) * | 2010-03-12 | 2015-02-12 | クラリオン株式会社 | 車両逆走検出装置 |
US8452535B2 (en) | 2010-12-13 | 2013-05-28 | GM Global Technology Operations LLC | Systems and methods for precise sub-lane vehicle positioning |
US20120290150A1 (en) * | 2011-05-13 | 2012-11-15 | John Doughty | Apparatus, system, and method for providing and using location information |
US9140792B2 (en) * | 2011-06-01 | 2015-09-22 | GM Global Technology Operations LLC | System and method for sensor based environmental model construction |
KR101881415B1 (ko) * | 2011-12-22 | 2018-08-27 | 한국전자통신연구원 | 이동체의 위치 인식 장치 및 방법 |
-
2016
- 2016-06-07 DE DE102016210027.0A patent/DE102016210027A1/de not_active Withdrawn
-
2017
- 2017-04-13 JP JP2018563919A patent/JP2019519044A/ja active Pending
- 2017-04-13 US US16/302,196 patent/US10769942B2/en active Active
- 2017-04-13 CN CN201780035611.1A patent/CN109313851B/zh active Active
- 2017-04-13 EP EP17717425.7A patent/EP3465653A1/de active Pending
- 2017-04-13 WO PCT/EP2017/058961 patent/WO2017211489A1/de unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009140008A (ja) * | 2007-12-03 | 2009-06-25 | Sumitomo Electric Ind Ltd | 危険走行情報提供装置、危険走行判定プログラム及び危険走行判定方法 |
JP2012078226A (ja) * | 2010-10-01 | 2012-04-19 | Denso Corp | 車両用運転支援装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2019519044A (ja) | 2019-07-04 |
US10769942B2 (en) | 2020-09-08 |
WO2017211489A1 (de) | 2017-12-14 |
EP3465653A1 (de) | 2019-04-10 |
DE102016210027A1 (de) | 2017-12-07 |
CN109313851A (zh) | 2019-02-05 |
US20190279504A1 (en) | 2019-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3285244B1 (en) | Vehicle information processing device and vehicle information processing program | |
EP3358303B1 (en) | An apparatus and associated methods for use in updating map data | |
CN107792077B (zh) | 用于确认道路部段是否适合于自主车辆驾驶的方法和系统 | |
JP6985203B2 (ja) | 挙動予測装置 | |
CN109313849B (zh) | 用于错路驾驶员识别的方法、设备和系统 | |
US10629073B2 (en) | Method, device and system for wrong-way driver detection | |
CN109313851B (zh) | 用于逆行驾驶员识别的方法、设备和系统 | |
CN111984018A (zh) | 自动驾驶方法及装置 | |
CN114274972A (zh) | 自主驾驶环境中的场景识别 | |
CN113335311B (zh) | 一种车辆碰撞检测方法、装置、车辆及存储介质 | |
CN109313852B (zh) | 用于逆行驾驶员识别的方法、设备和系统 | |
JPWO2020049685A1 (ja) | 車両制御装置、自動運転車開発システム、車両制御方法、およびプログラム | |
CN112703140A (zh) | 控制方法和控制装置 | |
JP7276067B2 (ja) | 走行支援システム、走行支援方法、及びプログラム | |
US11315417B2 (en) | Method, device and system for wrong-way driver detection | |
CN115840637A (zh) | 用于自动驾驶系统特征或功能的评估和开发的方法和系统 | |
US10876843B2 (en) | Method, device and system for wrong-way driver detection | |
CN114930125A (zh) | 用于确定紧急情况轨迹和用于运行自动化车辆的方法和设备 | |
CN115039158A (zh) | 通信装置、车辆、程序和通信方法 | |
CN115440025B (zh) | 信息处理服务器、信息处理服务器的处理方法、非临时性存储介质 | |
US20220315023A1 (en) | Vehicle controller | |
CN117184123A (zh) | 基于顺应先验对具有不确定测量的道路行为体进行状态识别 | |
CN114858171A (zh) | 确定车辆是否在数字地图资料中包含的道路上行驶的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |