CN109781133A - 用于天气建模和车辆调整的方法和设备 - Google Patents
用于天气建模和车辆调整的方法和设备 Download PDFInfo
- Publication number
- CN109781133A CN109781133A CN201811318373.8A CN201811318373A CN109781133A CN 109781133 A CN109781133 A CN 109781133A CN 201811318373 A CN201811318373 A CN 201811318373A CN 109781133 A CN109781133 A CN 109781133A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- weather
- value
- model
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000005259 measurement Methods 0.000 claims abstract description 20
- 230000004044 response Effects 0.000 claims description 12
- 238000012986 modification Methods 0.000 claims description 10
- 230000004048 modification Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 7
- 238000001556 precipitation Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 57
- 230000006870 function Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 16
- 230000015654 memory Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 230000001413 cellular effect Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000001568 sexual effect Effects 0.000 description 2
- 230000000946 synaptic effect Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0014—Adaptive controllers
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了“用于天气建模和车辆调整的方法和设备”。一种系统包括处理器，所述处理器被配置为从远程天气服务器接收包括车辆周围区域中的多个测量数据点的天气数据。所述处理器还被配置为从车辆子系统接收路径。所述处理器进一步被配置为将所述数据点和所述路径组合以形成反映未来时间沿所述路径的预期天气状况的预测模型，所述模型基于定义预期天气行为的预定义参数，并且将所述模型发送到请求车辆子系统。
Description
技术领域
本示意性实施例总体涉及用于天气建模和车辆调整的方法和设备。
背景技术
天气和交通一直困扰旅行者的，因为它们会造成延误、路线变化甚至危险情况。此外，前往户外目的地的用户例如可能对确保目的地将有宜人的天气具有很大的兴趣。
多年来，天气报告服务和模型已有所改进，但它们仍通常依赖于固定位置收集的有限数据点，以及基于在固定位置处收集的数据点推断天气数据。虽然天气数据是可用的并且可针对车辆进行定制，但是由于间歇的车辆云连接而经常不可用。车辆可包括允许数据收集的一些传感器，但车辆中包括综合传感器可能显著增加车辆的成本，并且因为所收集的数据对其他人与对驾驶员一样有用(在驾驶员已经位于目的地并且因此受天气影响的情况下)，所以为包括高级传感器能力的车辆支付高价对于消费者而言是几乎不感兴趣的。
发明内容
在第一示意性实施例中，一种系统包括处理器，所述处理器被配置为从远程天气服务器接收包括车辆周围区域中的多个测量数据点的天气数据。所述处理器还被配置为从车辆子系统接收路径。所述处理器进一步被配置为将所述数据点和所述路径组合以形成反映未来时间沿所述路径的预期天气状况的预测模型，所述模型基于定义预期天气行为的预定义参数，并且将所述模型发送到请求车辆子系统。
在第二示意性实施例中，一种计算机实现的方法包括基于从远程服务器接收的测量数据点和预定义建模参数对天气方面的多个预期值建模，包括改变所述预定义参数以产生多个预期值。所述方法还包括将实时测量的方面值与所述多个预期值中的每一个的建模的预期方面值进行比较，以及选择对应于所述预期值的修改的参数集，所述预期值展示与所述实时值的最小差异。
在第三示意性实施例中，一种系统包括处理器，所述处理器被配置为基于从远程服务器接收的测量数据点和预定义建模参数，对从车辆子系统接收的车辆路径上的多个天气方面进行建模。所述处理器还被配置为当车辆在所述路径上行进时，调整车载天气模型参数以用于维持天气模型，其中将与从所述天气模型获得的预期值相比的周期性实时测量值保持低于阈值偏差。
附图说明
图1示出示意性车辆计算系统；
图2示出车辆传感器数据共享的示意性过程；
图3示出包括车载建模和感测能力的示意性车辆；
图4示出天气模型更新的示意性过程；
图5示出天气建模与天气使用模块之间的另一种示意性关系；并且
图6示出将天气模型减少到2.5维模型的示意性过程。
具体实施方式
根据要求，本文公开了详细实施例；然而，应当理解，所公开的实施例仅仅是可体现为各种形式和替代形式的本发明的示例。附图不一定按比例绘制；一些特征可能会被放大或最小化以示出特定部件的细节。因此，本文所公开的特定结构细节和功能细节不应被解释为是限制性的，而是仅仅作为教导本领域技术人员以不同方式应用所要求保护的主体的代表性基础。
图1示出用于车辆31的基于车辆的计算系统1(VCS)的示例性框布局。这种基于车辆的计算系统1的示例是由福特汽车公司(THE FORD MOTOR COMPANY)制造的SYNC系统。启用基于车辆的计算系统的车辆可包括位于车辆中的视觉前端接口4。如果接口设置有例如触摸屏显示器，则用户也能够与接口交互。在另一个示意性实施例中，通过按钮按压、具有自动语音识别的口语对话系统和语音合成来进行交互。
在图1所示的示意性实施例1中，处理器3控制基于车辆的计算系统的操作中的至少一些部分。处理器允许在车辆内提供命令和例程的车上处理。此外，处理器连接到非永久性存储器5和永久性存储器7两者。在此示意性实施例中，非永久性存储器是随机存取存储器(RAM)，而永久性存储器是硬盘驱动器(HDD)或闪存。一般来说，永久性(非暂时性)存储器可包括在计算机或其他装置断电时维护数据的所有形式的存储器。这些存储器包括但不限于HDD、CD、DVD、磁带、固态驱动器、便携式USB驱动器、以及任何其他合适形式的永久性存储器。
处理器还设置有允许用户与处理器交互的多个不同的输入端。在此示意性实施例中，提供了传声器29、辅助输入端25(用于输入33)、USB输入端23、GPS输入端24、屏幕4(其可以是触摸屏显示器)、以及蓝牙(BLUETOOTH)输入端15。还提供了输入选择器51，以允许用户在各种输入之间交换。传声器和辅助连接器的输入在被传递到处理器之前由转换器27从模拟转换为数字。虽然未示出，但与VCS通信的许多车辆部件和辅助部件可使用车辆网络(诸如但不限于CAN总线)来与VCS(或其部件)来回传递数据。
到系统的输出可包括但不限于视觉显示器4和扬声器13或立体声系统输出。扬声器连接到放大器11，并通过数模转换器(D/A)9从处理器3接收放大器11的信号。还可沿着分别在19和21处示出的双向数据流将输出发送到远程蓝牙装置(诸如PND 54)或USB装置62(诸如车辆导航装置60)。
在一个示意性实施例中，系统1使用蓝牙收发器15与用户的漫游装置53(例如，蜂窝电话、智能电话、PDA或具有无线远程网络连接的任何其他装置)进行通信17。然后，可使用漫游装置(在下文称为ND)53来通过例如与蜂窝塔57的通信55与车辆31外部的网络61进行通信59。在一些实施例中，塔57可以是Wi-Fi接入点。
ND 53与蓝牙收发器15之间的示例性通信由信号14表示。
可通过按钮52或类似输入端来指示配对ND 53和蓝牙收发器(BTT)15。因此，指示CPU将车载蓝牙收发器与漫游装置中的蓝牙收发器配对。
可利用例如数据计划、声载数据或与ND 53相关联的DTMF音调在CPU 3与网络61之间传达数据。可替代地，可能期望包括具有天线18的车载调制解调器63，以便通过语音频带在CPU 3与网络61之间传达16数据。然后，可使用ND 53来通过例如与蜂窝塔57的通信55与车辆31外部的网络61进行通信59。在一些实施例中，调制解调器63可与塔57建立通信20，以用于与网络61进行通信。作为非限制性示例，调制解调器(MDM)63可以是USB蜂窝调制解调器，并且通信20可以是蜂窝通信。
在一个示意性实施例中，处理器设置有操作系统，所述操作系统包括用于与调制解调器应用软件进行通信的API。调制解调器应用软件可访问蓝牙收发器上的嵌入式模块或固件，以完成与远程蓝牙收发器(诸如存在于漫游装置中的蓝牙收发器)的无线通信。蓝牙是IEEE 802 PAN(个人区域网络)协议的子集。IEEE 802 LAN(局域网)协议包括Wi-Fi，并且与IEEE 802 PAN具有相当大的交叉功能。两者都适用于车辆内的无线通信。可在此领域中使用的另一种通信手段是自由空间光通信(诸如IrDA)和非标准化的消费者IR协议(IR通信，图1中未示出)。
在另一个实施例中，ND 53包括用于语音频带或宽带数据通信的调制解调器。在声载数据实施例中，当漫游装置的所有者能够在传送数据时通过装置进行谈话时，可实现称为频分复用的技术。在其他时候，当所有者不使用装置时，数据传送可使用整个带宽(在一个示例中为300Hz至3.4kHz)。虽然频分复用对于车辆与互联网之间的模拟蜂窝通信可能是常见的，并且仍在使用，但它已在很大程度上被用于数字蜂窝通信的码域多址(CDMA)、时域多址(TDMA)、空域多址(SDMA)的混合所替代。如果用户具有与漫游装置相关联的数据计划，则所述数据计划允许宽带传输，并且系统可使用更宽的带宽(从而加速数据传送)是可能的。在又一实施例中，ND 53被安装到车辆31的蜂窝通信装置(未示出)所替代。在再一实施例中，ND 53可以是能够通过例如(但不限于)802.11g网络(即，Wi-Fi)或Wi-Max网络进行通信的无线局域网(LAN)装置。
在一个实施例中，传入数据可经由声载数据或数据计划传送通过漫游装置、通过车载蓝牙收发器传递到车辆的内部处理器3中。就某些临时数据而言，例如，数据可存储在HDD或其他存储介质7上，直到不再需要数据时为止。
可与车辆接口连接的另外源包括具有例如USB连接56和/或天线58的个人导航装置54、具有USB 62或其他连接的车辆导航装置60、车载GPS装置24、或具有与网络61的连接的远程导航系统(未示出)。USB是一类串行网络化协议之一。IEEE 1394(FireWireTM(Apple公司)、i.LINKTM(Sony公司)和LynxTM(德州仪器公司))、EIA(电子工业协会)串行协议、IEEE1284(Centronics端口)、S/PDIF(Sony/Philips数字互连格式)和USB-IF(USB实施者论坛)构成了装置间串行标准的基干。大多数协议可被实现为电通信或光通信。
另外，CPU可与多种其他辅助装置65通信。这些装置可通过无线67连接或有线69连接连接。辅助装置65可包括但不限于个人媒体播放器、无线健康装置、便携式计算机等。
此外，或可替代地，CPU可使用例如Wi-Fi(IEEE 803.11)71收发器来连接到基于车辆的无线路由器73。这可允许CPU连接到本地路由器73的范围中的远程网络。
除了使由位于车辆中的车辆计算系统执行示例性过程之外，在某些实施例中，还可由与车辆计算系统通信的计算系统执行所述示例性过程。这种系统可包括但不限于通过无线装置连接的无线装置(例如但不限于移动电话)或远程计算系统(例如但不限于服务器)。此类系统可统称为车辆相关联计算系统(VACS)。在某些实施例中，VACS的特定部件可根据系统的特定实现方式来执行所述过程的特定部分。作为示例而非限制，如果过程具有用配对的无线装置发送或接收信息的步骤，则很可能所述无线装置就不执行所述过程的该部分，因为所述无线装置不会用其本身来“发送和接收”信息。本领域普通技术人员将理解何时不适宜将特定计算系统应用于给定解决方案。
在本文所讨论的示意性实施例中的每一个中，示出可由计算系统执行的过程的示例性非限制性示例。关于每个过程，为了执行过程的有限的目的，将执行过程的计算系统配置为执行过程的专用处理器是可能的。所有过程并不需要全部都执行，并且应被理解为可执行以实现本发明的元素的过程类型的示例。可根据需要在示意性过程中添加或移除其他步骤。
关于在附图中描述的示出示意性过程流的示意性实施例，应当注意，为了执行这些附图所示的示例性方法中的一些或全部，可暂时启用通用处理器作为专用处理器。当执行提供指令的代码以执行所述方法的一些或全部步骤时，处理器可暂时重新用作专用处理器，直到所述方法完成时为止。在另一个示例中，在适当的程度上，根据预先配置的处理器起作用的固件可致使处理器充当为了执行所述方法或其一些合理变型的目的而提供的专用处理器。
在示意性实施例中，车辆系统可接收表示具有以空间和时间两者建模的天气学天气特征的预测天气模型的天气数据。在传统的天气预报中，在不同的位置和高度处收集数据点并将其绘制在三维地图上。可以由专家气象学家在地图上手动绘制天气学特征。在几个小时内，重复所述过程并且气象学家观察天气学特征的变化。天气学特征移动的速率可以用于预测其未来所处的位置。
在现代气象学中，这种建模过程可以在计算机中用宏观气象模型来自动完成，所述宏观气象模型不仅考虑特征移动，还考虑控制移动的力。例如，飓风眼将是天气学特征。简单的模型将绘制特征在若干时间步长内的位置、强度等，然后外推其未来的位置、强度等。现有技术建模将考虑突触特征对彼此的影响，即，射流对飓风眼的影响并且反之亦然。此天气数据被表达为高维模型(4D)，并且可在需要时提前下载到车辆。
在示意性实施例中，处理器可以将请求-响应接口暴露给其他车辆模块，其中请求包括在空间-时间中的估计天气的曲线或曲面。通常，估计值被表达为表达由于距固定测量位置的距离和自上次测量以来的时间而导致的准确度损失的随机变量(概率分布函数，如β分布)。由于到云的信道是间歇性的，可能已经进行了更近期的测量，但是由于缺少与云的通信而导致其效果丢失。此外，在进行测量时与在处理测量值以及使其可用于间歇性信道时之间存在自然的时间延迟。
在示意性实施例中，突触特征可以在数学上表达为具有属性(诸如强度)的时变表面或体积，并且以这种形式通过间歇连接传送到车辆。车辆上的AI模块可以处理这种模型以预测模型将如何演变以及预测的准确度将如何。然后可根据车辆中的模型预测未来的具体点、线、区域等处的天气测量值。
天气服务器可以从在空间上分布在世界各地的各种装置访问天气测量值。这允许他们将测量值抽象为可由四维数学模型表示的天气学天气模型。这些模型通常太复杂而不能由车辆系统部件使用，因此本文描述了一种将天气学模型简化为可用于车辆特征结构的天气信息的方法。在许多情况下，车辆系统部件可能关注天气的一个或两个方面，并且可以请求或利用以与这些方面相关联的参数(例如，位置X(或时间X)下的温度和位置X(或时间X)下的湿度)的形式的输入。
天气学模型可以在相当长的时间内提供良好预测的基础，这有助于消除由于测量延迟和模型构建而导致的时间滞后问题，以及由于从天气服务器到车辆的连接的间歇性性质而导致的延迟。所描述的模型可以是使用来自车辆传感器的低成本天气数据训练的学习模型。例如，天气模型能够预测10种类型的天气信息，其中一种是温度。还可对车辆测量温度并将其与来自模型的温度进行比较。模型结果与测量结果之间的差异用作罚函数。模型中的探测特征改变模型参数并观察变化对罚函数的影响。优化算法使用这些观察结果来使罚函数最小化。
同时，当前建模的数据以可用于(使用上面的系统示例)预测未来某一点的温度和湿度。这可图允许在需要时进行预处理或者避开区域，或者响应于特定预测的天气状况或方面而采取的任何其他适当的动作。
图2示出车辆传感器数据共享的示意性过程。此示例展示(通过共享GPS坐标)一个车辆如何可以与另一个车辆共享数据，以便有效地向接收车辆提供与共享车辆的车载传感器等效(或接近等效)的“虚拟”传感器。传感器被描述为“接近”等效的原因是因为共享的传感器数据是在共享车辆而不是接收车辆处收集的，所以数据略微离轴。尽管如此，从相对较近的车辆接收数据通常足以为接收车辆提供其所需的数据，从而避免了必须在每个辆车中部署传感器的成本。
在此示意性实施例中，缺少传感器的车辆(接收车辆)能够检测从一个或多个附近车辆广播的信号201。此信号可以是任意数量类型的共享传感器数据，共享车辆可以广播传感器数据的可用性和/或实际传感器数据。在此示例中，所述过程检测来自附近车辆的广播，并确定从该车辆接收的信号是否高于一定阈值203，所述阈值趋向于指示共享车辆在距接收车辆一定距离内(较高的信号强度通常表示更为接近)。如果信号强度指示车辆不在附近，则所述过程可以退出200。
在此示例中，所述过程趋向于考虑来自相对较近(例如，在20英尺内)的车辆的信号，因为车辆将共享GPS坐标，如果接收车辆离共享车辆太远，其效用趋向于衰减(特别是对于导航目的)。在诸如共享天气相关数据的其他示例中，所述过程可以考虑来自离得更远的车辆的信号，因为在合理位置(至少几百英尺)中的天气数据不太可能表现出显著的偏差。因此，用于传感器数据共享的接近阈值可以在某种程度上与在车辆之间共享的特定类型或类别的数据相绑定。
此外，在此示例中，所述过程确定附近信号是否包括GPS共享205。在此示例中，共享车辆广播指示共享能力的信号。其他本地车辆可以检测此信号并请求广播中指示的一定类型的共享数据。因此，如果共享车辆能够共享GPS坐标，则在此示例中，接收车辆中的过程连接到共享车辆209。否则，接收车辆(其在此示例中寻求GPS坐标)排除共享车辆ID 207，使得其在两个车辆继续非常靠近地行驶的情况下不必在稍后时间重新考虑共享车辆广播(假设共享车辆继续广播一些共享数据可用性)。对于具有有限传输范围的一些信号，排除过程207可以对于传输的天气信号采用与接收车辆相同的坐标(图3中的305)，或者如果接收车辆没有位置传感器(例如GPS、航位推算系统等)，可直接使用传输对象的坐标。因此，信号的范围可以用于在决策中确定是否排除207，并且因此绕过比较213以及进入接近度确定215。
一旦接收车辆连接到共享车辆，接收车辆上的过程从共享车辆接收GPS坐标211。在传感器数据被包括在广播中的其他示例中，接收车辆可以简单地提取相关数据。在此示例中，所述过程然后将所接收的坐标与称为“推算”坐标的估计坐标进行比较213，所述估计坐标可偶基于先前识别的车辆位置和从那时起的行驶特性(例如，速度和前进方向)进行猜测。
由于共享车辆具有准确的坐标并且非常接近接收车辆，因此所述过程可将所接收的坐标视为车辆的“校正”坐标，加上或者减去一些误差校正。所述过程确定所接收的坐标是否接近(在数字上)推算的坐标215。如果不是，即，如果“真实”位置揭示推算位置是不良估计值，则所述过程可以通知服务器推算模型已过期217，并且可从服务器请求更新的模型219。模型可能不是立即更新的，但服务器可以使用观察到的错误来改进模型，并且一旦服务器已接收到足以改进模型的数据，就可向请求车辆发布改进的模型。车辆使用所接收的坐标来执行导航或其他与坐标相关的动作221。
虽然关于共享GPS数据描述了前述内容，但是可以以类似的方式共享任何种类的传感器数据。类似地，可以以类似的方式基于所接收的预测数据的版本来更新预测与共享数据相对应的数据的模型。关于例如本文讨论的天气预测，共享可包括共享表示天气模型的元素的特定传感器数据(例如，温度、湿度、压力等)，并且对服务器的反馈可帮助校正天气模型以便更准确地反映数据。如果车辆的一部分具有可共享的传感器，则更多数量车辆也可通过共享来定期报告数据。此外，可为不同的车辆提供各种可共享的传感器，使得任何车辆样本可包括具有不同类型的传感器的车辆，其中这些车辆(不是特定地或必然地，传感器本身)能够共享直接收集自这些传感器的信息。
图3示出包括车载建模和感测能力的示意性车辆。在此示例中，车辆300能够周期性地连接到天气服务器301。天气预报服务器可以响应于具有天气学天气信息的车载气象模型，但信道/连接可能并不总是可用的。来自车辆的请求可以包括针对当前位置的一个或多个时间和位置参数和/或沿着路线的点以及针对这些点的估计到达时间。来自预报服务器的响应可以包括所请求区域内的和所请求时间期间的突触数据。这将包括针对所请求的任何未来时间的预测数据。
车辆包括车载气象模型303，其可以对针对预报信息的具体请求提供本地响应(对于车辆并且可能对于其他接收车辆)。气象模型可将天气映射为系统，但这样系统能够响应于具体的电子控制单元(ECU)请求(或其他车载请求)而提取并提供特定位置的参数和参数值。因此，例如，如果自适应采暖通风和空调(HVAC)模块尝试将车厢温度保持一致，则此模块可能想要知道用于路线的下一个十五分钟或几英里的预估温度模型。由于天气数据是以时间和空间建模的，因此所述模型可满足任一请求。
HVAC ECU可以请求针对陆面上的路径的数据，并且所述路径由所述模型用任何给定区域处的估计到达时间来参数化。来自模型的响应可以包括样条方程(例如，三次方程)，其表示例如当车辆前进通过位置到达最终目的地时随时间的预估值。或者响应可以包括基于样条提取的离散值，以防ECU无法接收样条作为响应。ECU(信息消费者309的一个示例)可以使用数据来自适应地调整变化的天气模式，并且在这种情况下将车厢温度保持得尽可能一致(或者，例如，对车厢或窗户进行预处理以避免形成冷凝/霜)。
提供数据所沿的路径不需要是车辆300行进的路径。例如，无线通信装置可能基于车辆与其正在与之通信的装置之间的路径上的天气状况来修改其信道模型。由于车辆300正在移动(并且潜在地，远程车辆正在移动)，通信模块可请求针对以空间和时间来参数化的曲面的天气信息。类似地，导航模块可能想要估计沿着若干路径的天气，其中行进时间受天气本身的影响。在这种情况下，可以曲面方便地表示天气参数，以便简化每条路线上的非线性计算成本。
车辆还包括虚拟天气传感器307。此“传感器”从气象模型接收数据并将数据呈现给乘员309和/或另一个车辆系统309。此传感器还可以向气象模型提供导航(路径)数据(所以模型知道要推断的数据)。此模型从还向气象模型提供位置和时间数据的位置和时间传感器305接收当前位置和时间数据。地图服务器/数据库311可以提供用于建模天气的二维或三维地图数据，其可以包括以四维(在3D路径上随时间变化)建模的天气的三维空间模型。实际的车载传感器313可以检测能够在该特定车辆处检测的天气的各方面(和/或从其他车辆接收的天气的各方面，尽管所述接收也可通过天气虚拟传感器发生)。概念性地，能够从附近车辆和基础设施装置收集信息的短程通信模块也可被认为是传感器。
如前所述，车辆乘员和车载系统可以是天气数据或车载ECU的一些消费者309。作为示意性示例，ECU可包括导航系统(按天气选择路线)、车辆应急系统、车辆通知系统、HVAC、动力传动系统控制、礼宾服务、自动悬架控制等。其他消费者可包括但不限于第一响应者(事故处的实地天气)和其他邻近车辆。
在示意性示例中，天气服务器可提供天气学天气信息，所述天气学天气信息由气象模型转换为沿路径的天气信息。基于遵循天气服务器提供的参数和样条数据的连续建模，气象模型可在与天气服务器的连接断开的同时提供此信息(伴随一些准确度损失)。
正面(天气学特征的示例)是可建模到陆面上的表面，并且前表面还随时间移动。数学表面(诸如四维样条曲线)可在三个空间维度和时间上描述表面。在三维上变化的误差函数可以描述随时间变化的增加的误差。其他天气学对象可在天气预报服务器中以类似的方式描述，并通过发送样条参数传送到车辆中的气象模型。
在从请求中从虚拟天气传感器发送到气象模型的通过空间的路径可用以时间t.参数化的三次样条定义。通信信道的两端都认同针对经线、纬度和高度的方程。然后，传送路径是发送所有系数A、B、C和D的问题。另外，系数可能存在一些限制，以确保所述两端会聚，并且斜率是连续的，路径长度是正确的等。
所述方法的一个用途是预估车辆沿着路线行驶可能遇到的天气状况。路径是以时间参数化的，但是在虚拟天气传感器中假设车辆将在特定时间到达特定位置(即，车辆的预估速度是到路径中的输入。如果车辆以不同的速度行驶，或者如果驾驶员改变行驶路径，则虚拟传感器可请求反映由气象模型计算的速度变化的新路径)。
代表性和示意性样条计算可以如下：
样条n(t)＝{经线n(t)，纬度n(t)，高度n(t)}
经线n(t)＝Am，nt3+Bm，nt2+Cm，nt+Dm，n
纬度n(t)＝Al，nt3+Bl，nt2+Cl，nt+Dl，n
高度n(t)＝Aa，nt3+Ba，nt2+Ca，nt+Da，n
前述内容可以表示从虚拟传感器发送到气象模型的通过空间的路径。气象模型可用样条进行响应，所述样条表示随时间变化的天气参数(可能沿着从虚拟传感器接收的路径)。例如：
大气压n(t)＝Ab，nt3+Bb，nt2+Cb，nt+Db，n
图4示出气象模型303的天气模型更新的示意性过程。由于实时数据可反映与预估值不同的实际值，所以实时值可用于改进预估模型，这样将来的预估值很有希望是更为准确的。
在此示例中，气象模型中的过程从车外天气模型301请求更新的数据版本401，并且进行检查以查看所述版本是否是新版本并且是可用的403。如果车外服务器数据不可用，则所述过程可继续使用先前获得的车载模型。在那种情况下，“获得的数据”可简单地是在空间和时间中的收集真实数据的当前点的预估数据。
如果所述过程能够从远程天气模型获得新数据405，则所述过程可向车载气象模型提供更新的远程服务器模型407。由于天气模式可快速变化，所以从远程服务器定期获得更新数据有助于使车载预测模型保持正常进行405。虽然天气模式可在一段时间内保持一定程度的预测性，但是这种预测性也可能意外消失。从此过程可看出，如果车载模型出现显著偏离实际数据423，则所述过程可简单地尝试从远程服务器获得更新的数据集。
无论所述过程是否可使用来自服务器的新数据，车载过程都能够自适应地调整与建模相关联的参数以产生最小化的罚函数。罚函数是基于实际(测量)数据与预测数据之间的差值，并且所述系统可连续地适应车载参数以使功能最小化。当尝试“更新”时，所述过程可对多组不同参数建模，这可产生对于一个或多个当前可测量数据点的多个预测数据集(例如，集合A预测-温度35度、湿度67％、压力29Hg，集合B预测-温度33度、湿度69％、压力30Hg等)。对于可在车上测量的(或可从邻近车辆测量获得的)任何数据元素，所述过程可以收集真实数据点409并将其与各种预测数据点进行比较以使罚函数最小化。所得最低罚函数可以定义当前使用哪些参数修改，即，哪些参数修改看起来能最准确地提供最真实结果411。
如果罚函数足够低413，则所述过程可以使用定义的参数并继续进行数据元素建模417。如果罚函数不够低，则所述过程可以将选择的参数设置为基线并尝试新的参数修改集415，这将有希望地将罚函数细化到可接受的点。
虽然所述过程使用给定的参数修改集来建模天气元素值，但所述过程还可继续收集实际数据419。可在离散点或在任何可用的时间收集数据，并且如果车辆具有很少的或不具有车载传感器，但依靠正经过的车辆获取得数据点，则“在任何可用的时间”可能是更好的方法。将收集的数据与在收集的时间和位置处的预估值421进行比较(收集的数据可以是时间和位置标记，因此所述过程可在车辆实际上不必停下的情况下继续进行，除正在收集可能受车辆运动影响的像“风速和前进方向”这样的元素之外)。如果比较导致过大罚值423，则所述过程可请求另一次更新。
过大罚值可能是天气模式以意想不到的方式快速变化的结果，并且因此新数据可提供更好的模型。即使新数据不可用，在407处，请求也可导致来自建模的参数修改更新，因此可获得更好的修改参数集以根据变化的天气模式使预测值更接近准确。过大罚值可以是与少量测量值相关联的较大罚函数，可以是随着连续测量增加的罚函数，可以是超过表明当前模型可能偏离准确性的阈值或任何其他合适基准的总计罚值。
图5示出天气建模与天气使用模块之间的另一种示意性关系。在此示例中，基于远程云的过程501创建天气学模型并将它们发送到车载存储装置505。不幸的是，这些模型自创建时何时可用存在延迟，并且进一步地，连接503通常是间歇性的。天气是不断变化的，但车辆上的模型可能仍基于旧的和不太相关的数据。
将车载存储装置连接到本地天气学模型509，并且该模型通过高质量的服务信道507连接到存储装置。本地模型从车载车辆传感器511接收数据，并使用此数据以及云提供的天气学模型501，以便更新和维护本地天气学模型509。当请求来自车辆模块515时，所述过程用来降低4D本地模型的维度513。此输出(通常为2.5维输出)被发送到请求模块517。
图6示出将天气模型减少到2.5维模型503的示意性过程。当从车辆模块接收请求时，车载建模过程可连续地更新四维模型并沿着感兴趣的信道展平模型。这是等待期601。当所述过程从另一个车辆模块接收请求603时，此请求通常是针对在空间和时间中定义的特定体积的特定天气学数据。
所述过程从本地存储装置以其最近更新的形式接收天气学模型605，并初始化与模型相关的时间和空间自由参数607。这些参数定义了扁平化将发生的位置，以及预期的到达时间，以便使预测的天气与车辆实际应该到达某个位置的时间相关。这些参数允许所述过程以对应于自由参数的天气学模型坐标来计算时空位置609。所述过程还可确定天气学特征对时空中的位置的可能影响611。
所述过程继续计算所请求的气象值(例如，温度、压力等)在时空位置处的概率分布613。然后，所述过程递增空间和时间自由参数，从而在新时间定义新位置。如果已经对由请求定义的整个自由参数空间进行了采样617，则则所述过程可返回定义在由请求定义的空间和时间范围内的预估气象值的参数(诸如样条曲线)619。
在此示例中，消费(请求)模块可包括具有明确维度和自由参数范围的数学模型。当响应是样条曲线时，其在计算分布函数的自由参数的自由参数空间上。例如，响应可以是时空自由参数空间中的两个样条曲线，一个曲线用于β分布的α参数，一个曲线用于β分布的β参数。因此，对于时空自由参数范围中的任何点，存在可用于计算该点的β分布的结果(α，β)。
通过使用示意性实施例，车辆可从远程服务器周期性地接收更新的天气模式，并使用该数据来对沿给定路径的预测天气参数建模。模型能够适应变化的状况，并且当天气偏离预估值时可响应地改变和/或请求更新的数据。通过使用传感器共享，车辆通常不需要全套车载传感器来收集足够的真实数据以继续适应模型。
虽然上文描述了示例性实施例，但并不意图为这些实施例描述本发明的所有可能形式。相反地，本说明书中所使用的词语是描述性而非限制性词语，并且应当理解，可在不背离本发明的精神和范围的情况下做出各种改变。另外，各种实现实施例的特征可以以逻辑方式组合以产生本文描述的实施例的情境上合适的变型。
根据本发明，提供了一种系统，其具有处理器，所述处理器被配置为：从远程气象服务器接收包括车辆周围区域中的多个测量数据点的天气数据；从车辆子系统接收路径；将所述数据点和所述路径组合以形成反映未来时间沿所述路径的预期天气状况的预测模型，所述模型基于定义预期天气行为的预定义参数；并且将所述模型发送到请求车辆子系统。
根据一个实施例，所述处理器被配置为以三次样条的形式形成所述预测模型，所述三次样条表示纬度、经度、高度和时间。
根据一个实施例，所述三次样条表示天气的方面。
根据一个实施例，所述天气的方面包括温度。
根据一个实施例，所述天气的方面包括大气压力。
根据一个实施例，所述天气的方面包括可见性。
根据一个实施例，所述天气的方面包括湿度。
根据一个实施例，所述天气的方面包括估计的道路摩擦系数。
根据一个实施例，所述天气的方面包括降水。
根据一个实施例，所述天气的方面包括风速和前进方向。
根据一个实施例，所述处理器进一步被配置为：获得所述预期天气状况的一个或多个方面的实时值；将所述实时值与从所述模型中得出的预期值进行比较；基于所述实时值与所述期望值之间的偏差来指定罚函数；并且调整所述预定义参数以便调整所述预期值，直到从所述比较产生的所述罚函数低于预定阈值为止。
根据一个实施例，所述处理器被配置为从车载车辆传感器获得所述实时值。
根据一个实施例，所述处理器被配置为从邻近车辆无线地获得所述实时值。
根据一个实施例，所述处理器被配置为在无线地获得所述实时值之前确定所述邻近车辆是否在由接收信号强度确定的预定义接近度内。
根据一个实施例，所述预定义接近度基于所述实时值所适用的天气的方面而变化。
根据本发明，提供了一种计算机实现的方法，其包括：基于从远程服务器接收的测量数据点和预定义建模参数对天气方面的多个预期值建模，包括改变所述预定义参数以产生多个预期值；将实时测量的方面值与所述多个预期值中的每一个的建模的预期方面值进行比较；以及选择对应于所述预期值的修改的参数集，所述预期值展示与所述实时值的最小差异。
根据一个实施例，所述方法的进一步特征在于，使用所选择的参数集来对沿所述车辆路径的天气建模；以及向请求车辆子系统提供沿所述车辆路径的所述建模的天气。
根据一个实施例，所述方法的进一步特征在于，当所述车辆在所述车辆路径上行进时收集实时方面值；将所收集的实时方面值与来自沿所述车辆路径的所述建模的天气的预期值进行比较；以及重复步骤：建模，将所述实时测量的方面值与所述多个预期值中的每一个的所述建模的预期方面值进行比较，并响应于所收集的实时方面值与从沿所述车辆路径的所述建模的天气产生的预期值之间的高于阈值的偏差进行选择。
根据一个实施例，所述实时值是从邻近车辆无线地收集的，并且所述方法还包括在无线地获得所述实时值之前确定所述邻近车辆是否在由接收信号强度或传输的特殊坐标确定的预定义接近度内，其中所述预定义接近度基于所述实时值适用于的天气的方面而变化。
根据本发明，提供了一种系统，其具有处理器，所述处理器被配置为：基于从远程服务器接收的测量数据点和预定义建模参数，对从车辆子系统接收的车辆路径上的多个天气方面进行建模；当车辆在所述路径上行进时，调整车载天气模型参数以用于维持天气模型，其中将与从所述天气模型获得的预期值相比的周期性实时测量值保持低于阈值偏差。
Claims (15)
1.一种系统，其包括：
处理器，所述处理器被配置为：
从远程天气服务器接收包括车辆周围区域中的多个测量数据点的天气数据；
从车辆子系统接收路径；
将所述数据点和所述路径组合以形成反映未来时间沿所述路径的预期天气状况的预测模型，所述模型是基于定义预期天气行为的预定义参数；以及
将所述模型发送到请求车辆子系统。
2.如权利要求1所述的系统，其中所述处理器被配置为以三次样条的形式形成所述预测模型，所述三次样条表示纬度、经度、高度和时间。
3.如权利要求2所述的系统，其中所述三次样条表示天气的方面。
4.如权利要求3所述的系统，其中所述天气的方面包括温度。
5.如权利要求3所述的系统，其中所述天气的方面包括大气压力。
6.如权利要求3所述的系统，其中所述天气的方面包括湿度。
7.如权利要求3所述的系统，其中所述天气的方面包括降水。
8.如权利要求1所述的系统，其中所述处理器进一步被配置为：
获得所述预期天气状况的一个或多个方面的实时值；
将所述实时值与从所述模型中得出的预期值进行比较；
基于所述实时值与所述期望值之间的偏差来指定罚函数；以及
调整所述预定义参数以便调整所述预期值，直到从所述比较产生的所述罚函数低于预定义阈值为止。
9.如权利要求8所述的系统，其中所述处理器被配置为从车载车辆传感器获得所述实时值。
10.如权利要求8所述的系统，其中所述处理器被配置为从邻近车辆无线地获得所述实时值。
11.如权利要求10所述的系统，其中所述处理器被配置为在无线地获得所述实时值之前，确定所述邻近车辆是否在由接收的信号强度确定的预定义接近度内。
12.如权利要求10所述的系统，其中所述预定义接近度基于所述实时值适用于的天气的方面而变化。
13.一种计算机实现的方法，其包括：
基于从远程服务器接收的测量数据点和预定义建模参数对天气方面的多个预期值建模，包括改变所述预定义参数以产生所述多个预期值；
将实时测量的方面值与所述多个预期值中的每一个的建模的预期方面值进行比较；以及
选择对应于所述预期值的修改的参数集，所述预期值展示与所述实时值的最小差异。
14.如权利要求13所述的方法，其还包括：
使用所述选择的参数集来对沿所述车辆路径的天气建模；以及
向请求车辆子系统提供沿所述车辆路径的所述建模的天气。
15.如权利要求14所述的方法，其还包括：
当所述车辆在所述车辆路径上行进时收集实时方面值；
将所述收集的实时方面值与来自沿所述车辆路径的所述建模的天气的预期值进行比较；以及
重复所述步骤：建模，将所述实时测量的方面值与所述多个预期值中的每一个的所述建模的预期方面值进行比较，并响应于所述收集的实时方面值与从沿所述车辆路径的所述建模的天气产生的预期值之间的高于阈值的偏差进行选择。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/812,008 | 2017-11-14 | ||
| US15/812,008 US10423130B2 (en) | 2017-11-14 | 2017-11-14 | Method and apparatus for weather modeling and vehicular accommodation |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109781133A true CN109781133A (zh) | 2019-05-21 |
Family
ID=66335823
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811318373.8A Pending CN109781133A (zh) | 2017-11-14 | 2018-11-07 | 用于天气建模和车辆调整的方法和设备 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US10423130B2 (zh) |
| CN (1) | CN109781133A (zh) |
| DE (1) | DE102018128274A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111966108A (zh) * | 2020-09-02 | 2020-11-20 | 成都信息工程大学 | 基于导航系统的极端天气无人驾驶控制系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080002190A1 (en) * | 2005-10-26 | 2008-01-03 | Lucent Technologies Inc. | Method and system for tracking a moving station or target in free space communications |
| CN102590892A (zh) * | 2010-12-20 | 2012-07-18 | 福特全球技术公司 | 一种用于收集和提供环境天气情况的系统 |
| US20140122045A1 (en) * | 2013-08-08 | 2014-05-01 | Iteris, Inc. | Pavement condition analysis from modeling impact of traffic characteristics, weather data and road conditions on segments of a transportation network infrastructure |
| CN103927887A (zh) * | 2014-03-18 | 2014-07-16 | 西北工业大学 | 结合离散速度模型的阵列式fpga交通状态预测及控制系统 |
| US20150166072A1 (en) * | 2013-10-17 | 2015-06-18 | Richard M. Powers | Systems and methods for predicting weather performance for a vehicle |
| CN107250847A (zh) * | 2014-12-22 | 2017-10-13 | 用户中心有限公司 | 中尺度建模 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8712650B2 (en) * | 2005-11-17 | 2014-04-29 | Invent.Ly, Llc | Power management systems and designs |
| US9285504B2 (en) * | 2008-11-13 | 2016-03-15 | Saint Louis University | Apparatus and method for providing environmental predictive indicators to emergency response managers |
| US10094586B2 (en) * | 2015-04-20 | 2018-10-09 | Green Power Labs Inc. | Predictive building control system and method for optimizing energy use and thermal comfort for a building or network of buildings |
| US9824593B1 (en) * | 2015-09-21 | 2017-11-21 | Rockwell Collins, Inc. | System and method for holistic flight and route management |
-
2017
- 2017-11-14 US US15/812,008 patent/US10423130B2/en active Active
-
2018
- 2018-11-07 CN CN201811318373.8A patent/CN109781133A/zh active Pending
- 2018-11-12 DE DE102018128274.5A patent/DE102018128274A1/de active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080002190A1 (en) * | 2005-10-26 | 2008-01-03 | Lucent Technologies Inc. | Method and system for tracking a moving station or target in free space communications |
| CN102590892A (zh) * | 2010-12-20 | 2012-07-18 | 福特全球技术公司 | 一种用于收集和提供环境天气情况的系统 |
| US20140122045A1 (en) * | 2013-08-08 | 2014-05-01 | Iteris, Inc. | Pavement condition analysis from modeling impact of traffic characteristics, weather data and road conditions on segments of a transportation network infrastructure |
| US20150166072A1 (en) * | 2013-10-17 | 2015-06-18 | Richard M. Powers | Systems and methods for predicting weather performance for a vehicle |
| CN103927887A (zh) * | 2014-03-18 | 2014-07-16 | 西北工业大学 | 结合离散速度模型的阵列式fpga交通状态预测及控制系统 |
| CN107250847A (zh) * | 2014-12-22 | 2017-10-13 | 用户中心有限公司 | 中尺度建模 |
Also Published As
| Publication number | Publication date |
|---|---|
| DE102018128274A1 (de) | 2019-05-16 |
| US20190146427A1 (en) | 2019-05-16 |
| US10423130B2 (en) | 2019-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11878713B2 (en) | Driving assistance system and method | |
| US11520331B2 (en) | Methods and apparatus to update autonomous vehicle perspectives | |
| TWI659659B (zh) | 車輛資訊及環境監測複合式車載系統及其資料處理及傳輸方法 | |
| EP3139131B1 (en) | Methods and systems for driver assistance | |
| RU2683902C2 (ru) | Транспортное средство, способ и система для планирования режимов транспортного средства с использованием изученных предпочтений пользователя | |
| US20230139760A1 (en) | Network-assisted scanning of a surrounding environment | |
| JP7221423B2 (ja) | 時間変動音量予測システム | |
| EP2867619B1 (en) | Methods and systems generating driver workload data | |
| US20130226622A1 (en) | Methods Using Speed Distribution Profiles | |
| EP2674722A2 (en) | Method of determining a deviation from expected jam conditions | |
| KR102132958B1 (ko) | 교통량 메시지들을 제공하는 방법 | |
| WO2014080023A1 (en) | Method of determining trajectories through one or more junctions of a transportation network | |
| CN110208739A (zh) | 辅助车辆定位的方法、装置、设备和计算机可读存储介质 | |
| CN108932863A (zh) | 基于车联网的天气预告方法及车联网系统 | |
| KR20190043396A (ko) | 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공하기 위한 방법 및 시스템 | |
| CN110490752A (zh) | 基于驾驶行为数据的车辆保险分析与自动推荐服务系统及其工作方法 | |
| CN109115234A (zh) | 车辆、车机设备及其基于迪杰斯特拉算法的导航方法 | |
| CN109781133A (zh) | 用于天气建模和车辆调整的方法和设备 | |
| CN111291275A (zh) | 车辆、车机设备及其基于实况的出游方案推荐方法 | |
| CN105654745B (zh) | 一种基于智能手机的交通流量实时监控方法 | |
| CN106918346A (zh) | 基于gps的加油站选择方法和系统 | |
| CN114127513A (zh) | 生成段数据 | |
| CN108961801A (zh) | 基于车联网的天气预告方法及车联网系统 | |
| JP3899970B2 (ja) | 移動端末、位置情報提供システム | |
| CN108983773A (zh) | 车辆、车机设备、用户通讯终端及其行程自动规划方法 |
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 |