CN110506303B - 用于求取交通场景的数据的方法 - Google Patents
用于求取交通场景的数据的方法 Download PDFInfo
- Publication number
- CN110506303B CN110506303B CN201880024497.7A CN201880024497A CN110506303B CN 110506303 B CN110506303 B CN 110506303B CN 201880024497 A CN201880024497 A CN 201880024497A CN 110506303 B CN110506303 B CN 110506303B
- Authority
- CN
- China
- Prior art keywords
- traffic
- vehicle
- data
- behavior
- detected 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.)
- Active
Links
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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Abstract
一种用于求取交通场景(100)的数据的方法,所述方法具有以下步骤:借助传感器装置检测车辆(30,40,41,42)的周围环境;借助所述传感器装置检测交通参与者的行为方式;对所述周围环境的所检测的数据和所述交通参与者的行为方式的所检测的数据进行组合和评估;存储所组合和所评估的数据。
Description
技术领域
本发明涉及一种用于求取交通场景的数据的方法。本发明还涉及一种用于求取交通场景的数据的设备。本发明还涉及一种计算机程序产品。
背景技术
对于自动化行驶的或自动驾驶的车辆而言,需要用于检测周围环境的传感器和方法。到目前为止,通过合适的方式建立环境检测,使得能够执行驾驶任务。
为此,用于场景解读的现有方法分别直接使用当前安装在车辆中的传感器。
两种已知的场景解读方案是:
-越来越多地将元素输入到数字地图中,这些元素使对道路场景的解读简化。一个示例是速度限制,该速度限制通常通过作为交通基础设施的一部分的交通标志来告知驾驶员。这些标志是现代数字地图的一部分。另一示例是数字地图中的关于车道的数量和类型的详细信息,这些详细信息旨在(例如在转弯过程中)有助于使驾驶员归类到明确的车道中。
-已知的是,通过摄像机在线地检测来自交通基础设施(例如行车道线、交通信号灯、交通标志、停车线、道路上的其他标记——例如路灯柱等)的信息,并且通过众包(CrowdSourcing)方式将所述信息聚合至所谓的道路指南(Roadbook)。将该道路指南提供给参与的车辆。
发明内容
本发明的一个任务是提供一种交通场景的改善检测。
根据第一方面,该任务借助一种用于求取交通场景的数据的方法来解决,该方法具有以下步骤:
借助传感器装置求取车辆的周围环境;
借助传感器装置求取交通参与者的行为方式;
对周围环境的所检测的数据和交通参与者的行为方式的所检测的数据进行和评估;并且存储所组合和所评估的数据。
以这种方式,车辆可以受益于交通参与者的丰富经验。有利地,以这种方式可以提高车辆的行驶运行中的安全性。由此,其结果是提供一种最佳实践聚合(Best-PracticeAggregation),这种最佳实践聚合考虑到交通参与者的正确行为方式(“最佳实践”),并且因此支持车辆的安全的行驶运行。有利地,由此可以降低车辆的感测开销
根据第二方面,该任务借助一种用于检测交通场景的设备来解决,所述设备具有:
传感器装置,该传感器装置用于检测车辆的周围环境,其中,借助传感器装置检测至少一个交通参与者的行为方式;
处理装置,该处理装置用于对周围环境的所检测的数据和至少一个交通参与者的行为方式的所检测的数据进行组合和评估;
存储器,该存储器用于存储所组合和所评估的数据。
该方法的有利扩展方案是从属权利要求的主题。
该方法的一种有利扩展方案设置,在车辆的内部或外部执行对周围环境的所检测的数据和交通参与者的行为方式的所检测的数据的组合和评估。以这种方式,提供用于对所检测的数据进行组合和评估的不同选项。
该方法的另一有利扩展方案的特征在于,将所组合和所评估的数据存储在车辆的内部数字地图或外部数字地图中。由此促使不仅外部地图、而且内部地图能够用于该方法。
该方法的另一有利扩展方案设置,对所检测的数据的组合和评估包括计算平均值。由此执行对所检测的数据的分析处理的一种特殊方式。
该方法的另一有利扩展方案设置,对所检测的数据的组合和评估包括使用排除标准(Ausschlusskriterien)。以这种方式提供对所检测的数据的分析处理的另一特殊方式。
该方法的另一有利扩展方案设置,在对所检测的数据进行组合和评估时考虑以下方面中的至少一个:地点方面、时间方面、关于行为模式的方面、外部信息的使用。以这种方式在对所检测的数据进行组合和评估时考虑到不同的方面。
该方法的另一有利扩展方案设置,外部信息包括以下数据中的至少一个:关于天气的数据、关于事故统计的数据、警方数据。由此有利地将不同的外部信息用于该方法。
该方法的另一有利扩展方案设置,将所组合和所评估的数据用于车辆的信息系统和/或驾驶员辅助系统。以这种方式提供该方法的有利应用情况。例如,所组合和所评估的数据可以支持车辆的纵向引导和/或横向引导的高度可用性。
附图说明
以下借助多个附图以其他特征和优点详细地描述本发明。这些附图主要旨在说明对于本发明关键的原理并且不一定按比例实施。
所公开的方法特征类似地从相应公开的设备特征中得出,反之亦然。这尤其意味着,与方法相关的特征、技术优点和实施方案以类似的方式由与设备相关的相应实施方案、特征和优点得出,反之亦然。
附图示出:
图1示出根据本发明的方法的工作方式的原理图;
图2至图5示出能够使用该方法的示例性交通场景;
图6示出根据本发明的方法的实施方式的示意性流程。
具体实施方式
在下文中,术语“自动化车辆”在含义上与以下术语同义:全自动化车辆,部分自动化车辆、全自主车辆、部分自主车辆。
本发明的核心构思在于提供如下信息库:该信息库考虑到其他交通参与者的行为并且由此对数字地图的质量改善做出贡献。在此,使用场景元素,并且使用自身车辆和/或其他车辆在当前时刻和/或其他时刻的行为模式。提出,在与基础设施的相互作用中提供车辆的行为模式的存储和聚合和/或对车辆的行为模式的解读。在下文中更详细地描述这些核心方面。
由于完整场景解读的高复杂性,已知的方法仅能够实现对场景的有限理解,并且因此仅能够实现有限的驾驶功能。因此提出对汽车交通情况的更全面的场景解读,这尤其在将来对于自主行驶而言是必要的。
所提出的方法使用交通基础设施与交通参与者(任何车辆、行人)的行为之间的交互情境(Kontext)。一方面,交通基础设施(例如道路的走向)导致交通参与者的特定行为。另一方面,在观察交通参与者的行为时,可以借助情境(例如“汽车在道路上行驶”)推断出基础设施的具体构型。通过观察道路上的车辆,可以显著扩展检测范围或对当前道路走向的预测。
可以将交通参与者的当前行为称为“最佳实践”或“最佳做法(beste Praktik)”,由此描述交通参与者的如下行为:交通参与者的这种行为在相应的情况中被证明是“正确的”或“无问题的”并且有助于顺畅的交通事件。
用于在当前情况下行驶的一种策略例如可以是跟随前方行驶的车辆。只要车辆遵守适用的交通规则并且不引起事故(即车辆实施最佳做法),则没有什么可以阻止跟随车辆(例如变成红灯的交通信号灯)。只要前方行驶的车辆在自身路线上行驶,则这可以是成功的行驶策略。
如果在当前情况下观察到不同交通参与者的最佳做法,则这可以显著改善对当前情况的解读。如果根据本发明的系统在较长时间段上注意到确定行驶情况下的最佳做法,则产生在这种情况下对于行为和动作而言可能并且有利的扩展图像。
如果人们将这种构思扩展到车辆行驶的路线上的多个地点和不同时刻,则这可以有利地用于沿着该路线上行驶。通过与其他车辆建立关联(Anbindung)实现附加的扩展,这种建立关联以大规模的方式共同合作地进行(所谓的“众包”)。在此,以这种方式产生或聚合交通情况的汇总视野(gesammelte Sicht)。
在下文中,将“聚合”或“聚合体”理解为对不同信息和内容进行汇总、组合和评估,以及将这些信息和内容存储在一个或多个合适的位置处。在此,合适的位置例如可以构造成数字地图,该数字地图在车辆内部和/或车辆外部布置在服务器装置上。在外部服务器装置的情况下,在车辆中需要通信装置,借助该通信装置,车辆可以与外部服务器装置通信并且可以将数据传输至外部服务器装置/从外部服务器装置传输数据。
在此,所述信息例如可以涉及以下信息:
-地点信息
-时间信息
-行为方式(交通参与者的最佳做法)
-外部边界条件
-其他信息
地点信息例如可以涉及以下信息:
-位置信息,该位置信息例如通过GPS坐标存储或者在相应情况中构造成相对坐标
-静态位置信息(缓慢变化的基础设施——例如交通信号灯、交通标志等)
-车辆的位置
时间信息例如可以涉及以下信息:
-时刻
-星期几/月份
-昼/夜信息
行为模式或最佳做法可以涉及以下信息:
-车辆在车道上行驶通过交叉路口
-行人横穿道路
外部边界条件可以涉及以下信息:
-天气
-道路状态
-日光
其他信息例如可以理解为以下信息:
-事故多发区(例如来自警方统计)
-建筑工地(例如道路交通管理局的数据的形式)
在所提及的汇总(Sammlung)中,由一个或多个车辆通过车辆传感器(例如摄像机和/或行驶动力传感器)和/或雷达传感器和/或导航设备和/或其他传感器检测所有提到的信息并将其传输给组合装置。
在借助组合装置进行组合时,将所有信息彼此进行比较,以便得到尽可能统一且正确的情况图像。在此,经组合的信息基于其位置信息存储在数字地图中。为此执行评估,以便得到正确的信息。
所提及的步骤可以用于许多情况(在下文中描述这些情况中的几个),并且所提及的步骤能够用于许多驾驶员辅助系统和自动驾驶功能系统。
有利地,这尤其可以用于自动化行驶的或自动驾驶的或自主行驶的车辆,这些车辆除了其感测的环境检测之外,还可以使用所聚合的数据形式的关于其他交通参与者的最佳做法的其他信息。以这种方式,可以弥补交通场景的情况理解的可靠性和可用性领域中的不足。
图1示出所提出的方法100的原理性系统图像。在此,车辆的传感器1(例如摄像机、雷达、激光雷达、超声等)检测车辆周围环境,其中,执行信息检测2。在第一模块3中,可以将当前信息可选地与所聚合的情况信息4进行组合。在此,所聚合的情况信息不仅包括:
a)地点信息(这由数字地图得知)
b)时间信息,由此例如可以使地点信息与时间信息相关联
c)基础设施情境下的交通参与者的行为。
借助第二模块5执行时间聚合和/或地点聚合。
可以将这种聚合的结果存储在新的所聚合的信息7中。借助同步过程9对这些所聚合的信息进行同步,由此又可以执行情况检测4的聚合。可以在车辆内部和/或在车辆外部(例如在所谓的后台)处理或实施进行聚合的情况检测4、所聚合的信息7和同步过程9。
在车辆中,将第二模块5的结果并且可选地将所聚合的信息7组合成情况解读6。这用于推断出适用于该车辆的符合情况的行为8。
由此,其结果是在基础设施的情境中、在时间和/或地点相关性的外部影响下执行对交通参与者的行为的考虑。
所述用于行驶情况或交通场景的情况解读的方法使用用于环境检测的至少一个传感器装置以及来自所提到的传感器装置的用于描述所述情况的所聚合的信息,所述至少一个传感器装置例如是视频摄像机和/或雷达传感器和/或数字地图和/或定位信息(例如GPS数据)和/或其他环境传感器。
目标是改善自动化行驶和/或自动驾驶和/或手动驾驶的特定于地点和/或特定于时间的驾驶行为。在此考虑以下方面:
-其行为已被检测到的车辆在当前情况下的表现如何?
-在当前的边界条件下,是否存在最佳做法?
-根据当前的地点和时间能够预期到什么?
-当前情况与预期的聚合情况是否可能存在偏差?(例如:当前道路结冰,并且交通参与者在交通场景中非常缓慢地行驶。在所聚合的信息中,仍不存在在结冰条件下存储的交通场景的信息。)
-是否存在交通参与者的未预期到的行为?(例如:前方行驶的车辆偏离正常路线,这是异常状态的标志。其结果是,可以借助所提出的方法将(例如紧急制动系统中的)一定功能置于增强的运行就绪状态中)
-是否存在如下前方行驶的车辆:所述前方行驶的车辆的最佳做法能够被使用?
-从交通参与者的行为、运动和/或意图中能否得出关于当前情况的结论?
通过所提出的方法可以简化以上问题的回答,以这种方式有助于情况解读的改善,并且由此有利地对提高行驶安全性做出贡献,其方式是:有针对性地使用交通场景的情况解读(例如用于车辆的行驶信息系统、驾驶员辅助系统、调节系统等)。
在下文中示例性地列出地点相关的交通场景的示例,可以由根据本发明的方法对这些地点相关的交通场景的示例进行检测和处理:
相应的道路形状的驾驶情况有很大差异,其中,例如在高速公路上,通常在增大的速度范围内实现均匀流动的交通。在此,以下事件是例外的:这些事件例如可以通过所提出的聚合方法来处理。以下列表不应被看作是完整的,而是仅示例性地列举一些应用情况:
-拥堵多发区(包括时刻)的聚合
-上坡和下坡
-事故多发区
-逃生路线的形成
-长期建筑工地
-缓慢行驶的车辆(例如斜坡上的载重货车)
-慢速车辆的集合(例如慢车道的末端)
-天气影响(例如确定路段中的积雾)
-视野限制(例如在确定的路段上在确定的时间发生逆光/眩光的可能性)
-(轮胎)滑水的可能性
-不良的路面,车辆轮胎附着力降低(摩擦系数降低)
除了长期的、确切地说面向基础设施的主题之外,还存在以下可能重要相关的当前信息:
-当前的交通管制
-当前的速度限制
-当前的其他禁令(例如禁止超车)
-当前的建筑工地(日间建筑工地,也可能是移动的)
在国道上,除了高速公路情况之外,还存在以下能够通过聚合方法来检测和处理的其他情况和事件:
-任何类型的交叉路口(例如具有多个驶出道路的交叉路口)(先行权不明显、由基础设施造成遮盖、转弯车道、交叉车道(Aufbiegespur)、具有三个驶出道路的交叉路口)
-具有三个驶出道路的交叉路口(丁字路口),在该交叉路口中存在驾驶员无法及时识别停车的风险,或者存在与转弯先行权混淆的风险
-入口和出口(例如至农业设施的庭院入口、田间小路、工业设施、建筑工地中的被污染的行车道)
-急剧的转弯(例如山口上的盘山道)
-摩托车路段
-车辆经常抄近道而穿过弯道的路段
-由于大型车辆无法进行避让而必须对避让行为进行匹配的场景
-陡峭的斜坡/落差(车辆滑落的风险)
-例如在图3的交通场景中阐述的具有随之引起的事故风险的拥堵形成
在市内道路上,除了高速公路情况和国道情况之外,还存在例如以下其他情况:
-例如在图4的交通场景中阐述的例如具有以下对象的地方道路:学校、游乐场、运动场、酒店、公共汽车站等
-具有限速30区域的住宅道路、游乐街道、玩耍的儿童、带有婴儿车的人、助行器、轮椅等。
-狭窄位置,该狭窄位置具有狭窄的道路、停放的车辆/送货车
-交通路线不明朗的交叉路口(其中,行车道的位置不清楚)、复杂的交叉路口
-例如根据图5的交通场景100所阐述的环岛(Kreisel),该环岛具有不同交通参与者的差异很大的驾驶行为、具有带有各种各样决策选项的复杂交通路线
-具有多层交通路线的高架道路
-救援服务,其具有医疗提供、警察、消防员入口、医院入口、警察局、蓝光车辆的先行权
-社会机构,其例如具有养老院、孤儿院、盲人疗养院、聋哑人疗养院
无论地点如何,通常存在当地都可能发生的交通事件,例如:
-拥堵
-缓慢交通、走走停停的交通
-事故多发区
当地情况通过相应的基础设施和出现的交通参与者所描述。在此,基础设施的元素例如可以包括:
-具有标记、侧向边界或可行驶区域的其他边界的行车道形式的道路元素,可行驶区域的其他边界例如是:行车道标记、停车线、禁行区域、路缘石、排水沟、(警报)信标、公交车道、人行横道、斑马线、箭头(例如用于标明行车道上的行驶方向)、行车道上的交通标志、行车道上的象形图或其他其他符号、道路上的常见文字、草皮
-停车场、停车带
-侧向道路/便道,例如道路的进口(支路,入口和出口)、人行道/自行车道
-交通岛
-导向柱或其他侧向定界符(例如,里程碑)
-护栏
-道路照明装置
-到其他交通工具的过渡(例如渡轮、汽车列车(Autozug)、机场等),
-传达信号的元素,例如交通标志(静态的和/或可变交通标志)、交通流规则、速度规则、交通信号灯(交通信号设备)、警报灯(例如黄色闪光灯)、噪音控制
交通参与者在上面示例性提到的基础设施内运动。对交通参与者的描述可以包含以下特征(其中也可以进行扩展):
交通参与者作为整体与基础设施相互作用:
-交通流,例如流畅、正常、缓慢流动、走走停停、拥堵
可以将当前的交通流分配给各个基础设施,例如:
-由于交叉路口、交通信号灯设备等引起的对交通流的影响
-将交通流分配给个体的行车道(例如,在个体的交叉路口处的右转车道的拥堵)
-如根据图3的交通场景所阐述的交叉路口的拥堵,造成该拥堵的原因是:低优先级交通(“停止”/“提供先行权”)由于先行权道路上的高交通密度而无法流动
在此,交通参与者具有以下特征:
-交通参与者的类型:人员(行人、儿童、残障人员(例如残疾、失明等))
-动物,如家畜(牛、马等),野生动物(鹿、野猪等)
-车辆,如轿车、载重货车、摩托车、踏板车、自行车、(处于流动交通中的和公共汽车站处的)公共汽车
-轨道车辆(例如城市快速列车、地铁、长途快车、有轨电车等)
-紧急车辆(例如消防队、救护车等)
-农用车辆,例如必要时具有拖车的牵引车/拖拉机、联合收割机、除草机、挖掘机等
-特殊车辆,如扫雪犁、扫雪车、割草车
-参与者的运动类型,例如均匀地运动(恒定的速度)、加速运动(速度发生变化的运动)、停止、起动、在交通中停止、在停车场上停止、停放在第二排(例如送货车)、处于事故中
-方向:例如恒定的方向、发生改变的方向
-如果车辆平稳地运动,则这表明道路/路面是平滑的
-如果车辆进行强烈的周期性的摆动运动和翻转运动,则这表明道路/路面不平整
-交通参与者的地点,例如通过地理坐标(例如GPS坐标等)定义的地点、至交通参与者和/或至行车道边界的相对距离
由上面提及的观察,可以识别交通参与者的当前行为(英语:actionrecognition,行为识别),并且通过该行为的变化可以识别参与者的意图(英,intentionrecognition,意图识别)。存在能够观察的表明意图的指示器,例如:
-操纵转向灯(方向指示灯)
-制动灯
-蓝光灯/黄光灯
-观察方向(行人和车辆驾驶员)
对交通参与者的存在、行为和意图的观察允许间接地按照以下方式对基础设施进行推断:
-车辆行驶的地方通常存在可行驶区域(例如道路)
-车辆朝向其行驶的地方(通常由车辆自身遮盖并且因此无法直接由传感器所检测),取决于车辆的速度和定位,可以以高可能性认为存在可行驶区域(例如道路)(提高的纵向预测)
-车辆通常在至可行驶区域的侧向边界确定距离处行驶
-在行驶通过复杂的交叉路口时,车辆选择确定的行驶通道或在其他常见的行车道上行驶(即使道路上没有标记)
-车辆停在确定的基础设施前:例如交通信号灯、停车标志等
-车辆在确定的基础设施(例如转弯车道)前进行车道变换
-车辆在行车道变狭窄时排队(“拉链式通行方法”)
-在确定的交叉路口让路
-在确定的情况前等待车辆(例如狭窄位置、拥堵、入口、公共汽车、有轨电车等)
-车辆在一天中确定的时间在动物可能出没的地方谨慎行驶
-如根据图4的交通场景所阐述的,在人员正在从公交车上车或下车的公共汽车站处谨慎行驶
-许多其他示例由基础设施与交通参与者的组合和情境得出
在检测和处理相应的交通场景时,可以考虑以下时间信息:
-日期
-一天中的时间:钟表时间、昼/夜、关于时间影响的信息(例如通勤交通)、对交通频率的与一天中的时间的相关的一般统计
-一周中的时间:例如周末的状态、一周的开始/结束(例如在周末增加的旅行交通)
-一年中的时间:春/夏/秋/冬、假期(学校假期、公司假期、大学的学期假期等)
对于所检测的和所处理的交通场景可以考虑以下外部影响:
-视野条件,例如光照强度、黑暗、背光
-天气条件,例如干燥(道路的一般性状态和干燥)、潮湿、雪、冰
-温度:例如空气的温度、道路的温度、高温(导致慌乱的驾驶方式),冷(导致注意力集中的驾驶方式)
可以通过适合的环境传感器来执行对关于情况的、基础设施的和交通参与者的行为的以及自身行为的相应信息的检测,其中,可以示例性地使用以下传感器装置:
-光传感器
-温度传感器
-行驶动力传感器,其例如用于检测自身车辆的速度和加速度(必要时还检测道路的摩擦系数)
-定位传感器(用于求取地理位置)
-数字地图
-车辆环境检测传感器,例如视频摄像机、雷达传感器、激光雷达传感器、超声传感器、其他传感器
-与其他交通参与者的通信,例如通过C2C通信
-与交通基础设施的通信,例如通过C2X通信
-对其他数据(例如所聚合的信息)的访问
-麦克风(例如用于在警笛、喇叭等情况下进行检测)
所提及的聚合使用外部信息(例如事故统计、警方数据),并且基于对其他交通参与者的观察(“众包”)、警方和道路交通管理局执行聚合。
在此聚合以下所有项或其中一个选项:
-由交通参与者的特性和/或行为方式
-关于交通基础设施的信息
-关于外部影响的信息,例如天气和光照条件
-地点信息(相应情况元素的绝对位置或相对位置)
-时间信息(何时行驶通过相应的交通场景)
所提及的聚合(即借助传感器装置检测交通参与者的行为方式,以及对周围环境的所检测的数据进行组合和评估)可以在自身车辆中和/或在外部系统上进行,并且相应地将所述聚合在内部和/或外部存储在一个或多个存储器中。所有这些都可以用于:通过行为模式的特定于情况的聚合,使本车辆可以了解并具体使用路段的许多不确定性由此可以有利地在驾驶时显著提高安全性。
图2示出示例性的交通场景100,在交通场景中可以使用所提出的方法。可以看出的是如下交叉路口情况:该交叉路口情况具有先行权道路10并且具有交叉交通造成的潜在风险,对于以高速靠近交叉路口的车辆40而言,该交叉交通受到建筑物20的遮挡。由此,存在忽视交通标志50(本地速度的速度限制)和规定先行权的交通标志51(停车标志)的风险。在先行权道路10上行驶的车辆30可能由于受到建筑物20遮挡而被忽视。
借助所提出的方法设置,感测地检测所示的交通场景100,其中,可以将所检测的数据彼此组合并进行评估,使得能够有针对性地使用如此求取的数据。由此,例如能够实现:车辆的驾驶员辅助系统在靠近图2中的交叉路口情况时可以了解潜在风险,并向驾驶员提供例如声学和/或光学警报指示形式的相应信息或警报信号、提高制动系统的运行就绪状态等。
图3示出另一交通场景100,所提出的方法可以用于该交通场景。可以看出的是如下交叉路口情况:该交叉路口情况具有先行权道路10并且具有由于形成拥堵而造成的潜在风险。车辆40以增大的速度靠近拥堵区域。在先行权道路10上行驶的车辆30阻止处于拥堵中的车辆的畅通流动。在这种情况下,交通标志50(本地速度的速度限制)在当地太晚地出现,因为拥堵区域超过了交通标志50的位置。附加地,建筑物20遮挡对先行权道路10的视野。
在这种情况下也可以执行:感测的检测、对包括交通参与者的行为的交通场景的组合和评估。可以将相应的数据分配给其他交通参与者,使得将来的车辆在接近图3的交通场景100时能够有利地受益于已经行驶通过的车辆的“丰富经验”。
图4示出另一交通场景100,所提出的方法可以用于该交通场景。在这种情况下,交通场景100构造成公共汽车站,在该公共汽车站中,人员60登上公共汽车70。同时在公共汽车70后面,另一人员61正在横穿行车道10以转换到相对置的道路侧(由箭头指示)。车辆40接近该交通场景100。存在如下风险:驾驶员太晚地注意到行人61。所提及的交通场景100在时刻80发生,并且可能在随后的几天中在相同的时刻80重复。
在这种情况下也借助所提出的方法执行:对交通情况的感测检测(包括交通参与者——汽车70和行人60、61——的行为模式)以及对关于所聚合的数据的信息的组合和评估,这些信息可以用于使将来的交通参与者在靠近图4的交通场景100时,在给定的时刻80具有提高的警惕程度。有利地,由此能够避免忽视公共汽车70后方的正在横穿行车道10的人员61。
图5示出另一交通场景100,所提出的方法可以用于该交通场景。在这种情况下,交通场景100包括行驶通过三车道的环形交通。在此,存在驾驶员的多种行为方式:
车辆30、40和41的合作式行驶方式:车辆40在右侧/外侧车道上驶入环形交通,并在第一出口处离开环形交通,从而执行右转操作。另一车辆30在中间车道上驶入环形交通,并在第二出口处离开环形交通,从而实现直线行驶。另一车辆41在左侧车道/内侧车道上驶入环形交通,并在第三出口处离开环形交通,从而实现左转操作。
然而,还存在另一车辆42的非合作式的行驶方式,该另一车辆在右侧车道/外侧车道上驶入环形交通,并且持续保持在右侧车道/外侧车道中,并且在第三出口处离开环形交通。以这种方式,车辆42实现非合作式转弯,因为该车辆进行多车道的许多交叉行驶和相交行驶。
该示例旨在表明在确定的行驶情况下可能存在多少种可能的行驶方式,并且所有这些行驶方式都属于交通情况中的常见做法。在图5的交通场景100的情况下的最佳做法是前三种做法,然而最后一种关于车辆42的做法也是常见的。有利地,所有变型方案都应是已知的,因为自动化行驶的或自动行驶的车辆可以应对所有变型方案,并且可以相应地考虑这些变型方案。
对所检测的数据的组合和评估可以以计算平均值的形式进行,或者以定义排除标准的形式进行,然而其中,对所检测的数据进行组合和评估的许多其他方式也是可能的。
所提出的方法可以有利地用于高性能自动驾驶功能和/或(部分)自动化驾驶功能。在此,在城市环境中、在国道上以及在高速公路上的(部分)自动化驾驶是重要相关的。有利地,该方法还可以用于手动驾驶,其中,随后例如向车辆的驾驶员发出光学的和/或声学的警报信号。
有利地,借助所提出的方法,车辆可以得益于其他车辆的感测地检测的数据。因此,对于车辆而言,仅需要减少的感测开销,因为感测开销得益于其他车辆的感测基础设施。
有利地,根据本发明的方法例如可以用于提供车辆的纵向引导和横向引导的高可用性。
图6示出所提出的方法的实施方式的原理性流程。
在步骤200中,借助传感器装置对车辆30、40、41、42的周围环境执行检测。
在步骤210中,借助传感器装置对交通参与者的行为方式执行检测。
在步骤220中,对周围环境的所检测的数据和交通参与者的行为方式的所检测的数据执行组合和评估。
在步骤230中,对所组合和评估的数据的执行存储。
显然,步骤200和210的顺序是任意的。
有利地,所提出的方法可以借助具有适当的程序代码单元的软件程序来实现,这种适当的程序代码单元在用于求取交通场景的数据的设备上运行。由此,能够以简单的方式实现该方法的适配。
在不偏离本发明的核心的情况下,本领域技术人员可以以适当的方式修改和/或彼此组合本发明的特征。
Claims (9)
1.一种用于求取交通场景(100)的数据的方法,所述方法具有以下步骤:借助车辆(30,40,41,42)的传感器装置检测车辆(30,40,41,42)的周围环境;借助所述传感器装置检测除所述车辆(30,40,41,42)以外的其他交通参与者的行为方式;对所述周围环境的所检测的数据和除所述车辆(30,40,41,42)以外的其他交通参与者的行为方式的所检测的数据进行组合和评估,其中,提供最佳实践聚合,所述最佳实践聚合考虑到已经行驶通过的除所述车辆(30,40,41,42)以外的其他交通参与者在基础设施情境下的正确行为方式,其中,在对所检测的数据进行组合和评估时考虑时间方面,其中,通过对除所述车辆(30,40,41,42)以外的其他交通参与者的存在、行为和意图的观察对基础设施的具体构型进行推断;将所组合和所评估的数据存储在所述车辆(30,40,41,42)的内部数字地图中和/或外部数字地图中;将所组合和所评估的数据用于车辆(30,40,41,42)的信息系统和/或驾驶员辅助系统。
2.根据权利要求1所述的方法,其中,在所述车辆的内部或外部执行对所述周围环境的所检测的数据和除所述车辆(30,40,41,42)以外的其他交通参与者的行为方式的所检测的数据的组合和评估。
3.根据权利要求1或2所述的方法,其中,对所检测的数据的组合和评估包括计算平均值。
4.根据权利要求1或2所述的方法,其中,对所检测的数据的组合和评估包括使用排除标准。
5.根据权利要求1或2所述的方法,其中,在对所检测的数据进行组合和评估时考虑以下方面中的至少一个:地点方面、关于行为模式的方面、外部信息的使用。
6.根据权利要求5所述的方法,其中,所述外部信息包括以下数据中的至少一个:关于天气的数据、事故统计、警方数据。
7.一种用于求取交通场景(100)的数据的设备,所述设备用于执行根据权利要求1至6中任一项所述的方法,所述设备具有:传感器装置,所述传感器装置用于检测车辆的周围环境,其中,借助所述传感器装置检测除所述车辆(30,40,41,42)以外的至少一个其他交通参与者的行为方式;处理装置,所述处理装置用于对所述周围环境的所检测的数据和除所述车辆(30,40,41,42)以外的至少一个其他交通参与者的行为方式的所检测的数据进行组合和评估;存储器,所述存储器用于存储所组合和所评估的数据。
8.根据权利要求7所述的设备,所述设备还具有通信装置,所述通信装置用于传输所检测的数据和/或所组合和所评估的数据。
9.一种机器可读的存储介质,在所述机器可读的存储介质上存储有具有程序代码单元的计算机程序,所述程序代码单元用于当所述计算机程序在用于求取交通场景(100)的数据的设备上运行时执行根据权利要求1至6中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017206343.2A DE102017206343A1 (de) | 2017-04-12 | 2017-04-12 | Verfahren zum Ermitteln von Daten eines Verkehrsszenarios |
DE102017206343.2 | 2017-04-12 | ||
PCT/EP2018/057743 WO2018188940A1 (de) | 2017-04-12 | 2018-03-27 | Verfahren zum ermitteln von daten eines verkehrsszenarios |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110506303A CN110506303A (zh) | 2019-11-26 |
CN110506303B true CN110506303B (zh) | 2023-06-02 |
Family
ID=61801963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880024497.7A Active CN110506303B (zh) | 2017-04-12 | 2018-03-27 | 用于求取交通场景的数据的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20190355245A1 (zh) |
EP (1) | EP3610472A1 (zh) |
CN (1) | CN110506303B (zh) |
DE (1) | DE102017206343A1 (zh) |
WO (1) | WO2018188940A1 (zh) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10720051B2 (en) * | 2016-03-11 | 2020-07-21 | Nec Corporation | Abnormal travel detecting device, abnormal travel detecting method, storage medium storing program for same, and abnormal travel detecting system |
SE541634C2 (en) * | 2018-03-06 | 2019-11-19 | Scania Cv Ab | Method and control arrangement for identification of parking areas |
DE102018208105B3 (de) * | 2018-05-23 | 2019-03-21 | Volkswagen Aktiengesellschaft | Verfahren zum Unterstützen eines Führens wenigstens eines Kraftfahrzeugs und Assistenzsystem |
DE102018214894A1 (de) * | 2018-09-03 | 2020-03-05 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines automatisierten Fahrzeugs |
DE102018217932A1 (de) * | 2018-10-19 | 2020-04-23 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines automatisierten Fahrzeugs |
US10922966B2 (en) * | 2018-10-31 | 2021-02-16 | Mitsubishi Electric Research Laboratories, Inc. | System and method for asymmetric traffic control |
DE102018219603A1 (de) * | 2018-11-15 | 2020-05-20 | Robert Bosch Gmbh | Markieren einer digitalen Karte für ein automatisiertes oder teilautomatisiertes Fahren |
JP7192709B2 (ja) * | 2019-08-09 | 2022-12-20 | トヨタ自動車株式会社 | 車両遠隔指示訓練装置 |
CN110599765A (zh) * | 2019-08-16 | 2019-12-20 | 华南理工大学 | 一种基于多源数据融合的公路客货运输量指标统计方法 |
DE102019215359A1 (de) * | 2019-10-08 | 2021-04-08 | Robert Bosch Gmbh | Verfahren zum Ausgeben eines Signals zum Auffahren eines Fahrzeugs auf eine Vorfahrtsstraße |
DE102019215656B4 (de) * | 2019-10-11 | 2021-07-22 | Zf Friedrichshafen Ag | Verfahren zum Bewerten einer ausgewählten Route, Routenbewertungssystem und Computerprogramm |
US11335100B2 (en) * | 2019-12-27 | 2022-05-17 | Industrial Technology Research Institute | Traffic light recognition system and method thereof |
DE102020203122A1 (de) | 2020-03-11 | 2021-09-16 | Volkswagen Aktiengesellschaft | Vorrichtung und Verfahren zur Unterstützung der Bildung einer Rettungsgasse |
CN113140107B (zh) * | 2020-03-30 | 2022-09-16 | 北京高德云图科技有限公司 | 交通信息处理方法、装置、电子设备及计算机存储介质 |
DE102020205725A1 (de) | 2020-05-06 | 2021-11-11 | Volkswagen Aktiengesellschaft | Modellierung eines Verkehrsszenarios |
CN111439261B (zh) * | 2020-05-12 | 2023-07-21 | 吉林大学 | 一种用于智能车群主动换道功能的车流量计算系统 |
CN111710158B (zh) * | 2020-05-28 | 2022-04-15 | 深圳市元征科技股份有限公司 | 一种车辆数据处理方法及相关设备 |
CN111832179B (zh) * | 2020-07-17 | 2023-08-15 | 北京赛目科技有限公司 | 无人车的测试场景创建方法及装置 |
DE102020126679A1 (de) | 2020-10-12 | 2022-04-14 | Bayerische Motoren Werke Aktiengesellschaft | Fahrzeugführungssystem und Verfahren zum Betreiben einer Fahrfunktion in Abhängigkeit von einem Vorder-Fahrzeug |
DE102020213496A1 (de) | 2020-10-27 | 2022-04-28 | Volkswagen Aktiengesellschaft | Validierung von Modellen für Fahrbahn-Spuren basierend auf Schwarmdaten |
CN114813157A (zh) * | 2021-01-29 | 2022-07-29 | 华为技术有限公司 | 一种测试场景构建方法及装置 |
CN112991764B (zh) * | 2021-04-26 | 2021-08-06 | 中汽研(天津)汽车工程研究院有限公司 | 一种基于摄像头的超车场景数据采集、识别与提取系统 |
US20220379902A1 (en) * | 2021-05-26 | 2022-12-01 | Robert Bosch Gmbh | Automated traffic violation warning and prevention system for vehicles |
US11904906B2 (en) * | 2021-08-05 | 2024-02-20 | Argo AI, LLC | Systems and methods for prediction of a jaywalker trajectory through an intersection |
AT525387A1 (de) * | 2021-08-31 | 2023-03-15 | Tom Robotics Gmbh | Verteilungsverfahren für ein vertellen von objektdaten von verkehrsteilnehmern erfasster objekte |
DE102022002082A1 (de) | 2022-06-10 | 2023-12-21 | Mercedes-Benz Group AG | Verfahren zur Erkennung von semantischen Beziehungen zwischen Verkehrsobjekten |
US11634133B1 (en) | 2022-06-20 | 2023-04-25 | Plusai, Inc. | Adaptive automatic preventative braking (APB) distance |
US11618460B1 (en) * | 2022-06-20 | 2023-04-04 | Plusai, Inc. | Predictive planning |
CN116129647B (zh) * | 2023-02-28 | 2023-09-05 | 禾多科技(北京)有限公司 | 一种基于危险点的全闭环场景重构方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1305573B1 (de) * | 2000-07-25 | 2008-04-30 | Deutsche Telekom AG | Verfahren zum bereitstellen von verkehrsdaten |
WO2007119348A1 (ja) * | 2006-03-20 | 2007-10-25 | Pioneer Corporation | 情報提供装置、情報提供方法、情報提供プログラムおよび記録媒体 |
DE102011084264A1 (de) * | 2011-10-11 | 2013-04-11 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Kalibrieren eines Umfeldsensors |
US9145116B2 (en) * | 2013-12-04 | 2015-09-29 | Mobileye Vision Technologies Ltd. | Systems and methods for implementing a multi-segment braking profile for a vehicle |
CN105741595B (zh) * | 2016-04-27 | 2018-02-27 | 常州加美科技有限公司 | 一种基于云端数据库的无人驾驶车辆导航行车方法 |
DE102016007475A1 (de) * | 2016-06-18 | 2017-03-02 | Daimler Ag | Verfahren zur Gefährdungseinschätzung von Verkehrsteilnehmern |
-
2017
- 2017-04-12 DE DE102017206343.2A patent/DE102017206343A1/de active Pending
-
2018
- 2018-03-27 WO PCT/EP2018/057743 patent/WO2018188940A1/de unknown
- 2018-03-27 CN CN201880024497.7A patent/CN110506303B/zh active Active
- 2018-03-27 US US16/476,987 patent/US20190355245A1/en not_active Abandoned
- 2018-03-27 EP EP18713903.5A patent/EP3610472A1/de not_active Ceased
Also Published As
Publication number | Publication date |
---|---|
DE102017206343A1 (de) | 2018-10-18 |
EP3610472A1 (de) | 2020-02-19 |
CN110506303A (zh) | 2019-11-26 |
US20190355245A1 (en) | 2019-11-21 |
WO2018188940A1 (de) | 2018-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110506303B (zh) | 用于求取交通场景的数据的方法 | |
CN109766405B (zh) | 基于电子地图的交通和旅行信息服务系统及方法 | |
US11835950B2 (en) | Autonomous vehicle safe stop | |
US11550331B1 (en) | Detecting street parked vehicles | |
US11580852B2 (en) | Electrical data processing system for monitoring or affecting movement of a vehicle using a traffic device | |
US20230124092A1 (en) | Electrical data processing system for determining a navigation route based on the location of a vehicle and generating a recommendation for a vehicle maneuver | |
US10309792B2 (en) | Route planning for an autonomous vehicle | |
US11092446B2 (en) | Route planning for an autonomous vehicle | |
US10515543B2 (en) | Electrical data processing system for determining status of traffic device and vehicle movement | |
CN109641589B (zh) | 用于自主车辆的路线规划 | |
US20190078899A1 (en) | Trajectory Planning for an Autonomous Vehicle | |
US20160328968A1 (en) | Running red lights avoidance and virtual preemption system | |
US20170356750A1 (en) | Route Planning for an Autonomous Vehicle | |
US20200320875A1 (en) | Coordinated Traffic Feature and Map Generation for Convoy Operations | |
US20230150541A1 (en) | System and method for managing environmental conditions for an autonomous vehicle | |
US20220121216A1 (en) | Railroad Light Detection | |
JP7440298B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
CN117396390A (zh) | 用于操作自动驾驶车辆的系统和方法 |
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 |