CN111511624B - 用于运行机动车的控制装置用以预言下一停车过程的方法以及控制装置和机动车 - Google Patents

Abstract

本发明涉及一种用于在沿行驶线路（16）行驶期间运行机动车（10）的控制装置（11）的方法（23），其中确定沿行驶线路（16）位于前面的至少一个潜在的停车点（25、32、33、34），并且在接近分别确定的潜在的停车点（25、32、33、34）时，基于停车模型（21）确定机动车（10）在停车点（25、32、33、34）处的停车过程的概率的概率值（28）。本发明规定，通过控制装置（11）作为停车模型（11）运行统计模型，所述统计模型对于概率值（28）还设置在0％和100％之间的中间值，并且如果概率值（28）处于预定的值区间（29）中，其中所述值区间定义停车过程的可能发生，则触发至少一个预定的运行措施（30），所述运行措施分别被设立用于使机动车（10）的运行与停车过程适配。

Description

用于运行机动车的控制装置用以预言下一停车过程的方法以 及控制装置和机动车

技术领域

本发明涉及一种用于在沿行驶线路行驶时运行机动车的控制装置的方法。借助于该方法检验：机动车在当前行驶时是否也实际上将在位于前面的潜在的停车点处停车。控制装置以及具有控制装置的机动车也属于本发明。

背景技术

可以在机动车中使用停车过程的预言或预测，用于使所述机动车的运行已经在停车过程开始之前就与该停车过程相协调，以便例如如果在已知的即将来临的停车过程情况下机动车例如也可能缓缓滑行至停止，则可以防止用于对机动车进行制动的摩擦制动的不必要干预。

与在红交通信号灯处停车过程的预测相结合，从Koukoumidis等人的科学出版物(Emmanouil Koukoumidis，Li-Shiuan Peh，Margaret Mardonosi，“SignalGuru：Leveraging Mobile Phones for Collaborative Traffic Signal Schedule Advisory”，MobiSys 2011，Bethesda,Maryland,USA)中已知以下方法，其中借助于多个机动车拍摄道路网的交通信号灯，以便由此确定其交通信号灯阶段(红灯阶段和绿灯阶段)。为每个交通信号灯配置模型，所述模型模仿交通信号灯阶段的持续时间。每个模型说明：相应的交通信号灯是恰好具有红灯阶段还是绿灯阶段。此外，可以说明相应交通信号灯阶段的持续时间。为了使交通信号灯的模型的切换阶段与其实际的切换阶段同步，必须由机动车拍摄交通信号灯的切换过程，以便于是使所属的模型可以在时间上与交通信号灯同步。相反地，如果模型当前不与所属的交通信号灯同步，则不能使用该模型。此外，机动车被指示用于将其交通信号灯模型同步到行驶在前面的机动车，所述行驶在前面的机动车报告用于同步的切换过程。此外，该方法局限于在交通信号灯处的切换时间点的预测。

发明内容

本发明所基于的任务是关于即将来临的可能的停车过程对机动车的运行进行适配。

该任务通过用于在沿行驶线路行驶期间运行机动车的控制装置的方法、用于机动车的控制装置以及机动车解决。本发明还包括如通过其他实施例、以下描述以及附图所公开的改进方案。

通过本发明提供一种用于运行机动车的控制装置的方法。这样的控制装置例如可以构成为机动车的控制设备。该方法规定在机动车沿行驶线路行驶期间控制装置的运行。例如，行驶线路可以沿着道路网引导。行驶线路可以是从机动车的导航系统读出的、所规划的行驶线路或者是估计的行驶线路。在该方法情况下，现在确定沿着该行驶线路位于前面的至少一个潜在的停车点，因此在所述停车点处存在机动车停车的可能性。这样的潜在的停车点例如可以存储或绘制(kartographieren)在机动车的数字地图中。在接近分别确定的潜在的停车点时，通过控制装置确定用于机动车将在该停车点处执行停车过程、也即实际上停车或停顿的概率的概率值。概率值基于停车模型被确定。

通过控制装置运行统计模型作为停车模型，所述统计模型为概率值还设置在0％和100％之间的中间值。于是如果该概率值处于预定的值区间中，则通过控制装置触发至少一个预定的运行措施。至少一个预定的运行措施分别被设立用于使机动车的运行与停车过程相适配。例如，这样的运行措施可以被设立用于减少并且优选地最小化由停车过程引起的机动车动力燃料消耗。另一运行措施可以是有针对性地操控至少一个辅助消耗器。例如，可以提高电冷却压缩机的功率，以便高效地使用通过再生运行可供使用的能量。通常，预料的停车过程可被用于任何功能和/或车辆组件，用以提高舒适性或效率。

因此，所述的所检验的值区间定义停车过程的可能发生，也就是说明以下所有概率值，在所述概率值情况下假定停车过程实际上将发生。换句话说，假定如果通过停车模型确定的概率值位于预定的值区间中，则停车过程实际上发生。对于这种情况，于是触发至少一个运行措施，通过所述运行措施防止不必要地在机动车中消耗动力燃料。例如，可以设置机动车朝向停车点缓缓滑行至停止，而不是继续利用发动机力驱动机动车，以便于是利用摩擦制动对所述机动车进行制动。值区间优选地具有100％的上限和处于50％至90％的范围内的下限。

通过本发明得出以下优点，即在以下这样的停车点处的停车过程情况下也可以使动力燃料成为可能，即所述停车点例如不通过交通信号灯切换，而是通过例如交通负荷或由于不一目了然的情况迫使。如果机动车也在这里规则地停车，则这可以在被用作停车模型的统计模型中被描绘或模仿。在此情况下，通过停车模型可以补偿差异或不规则性，其方式是不产生二进制声明(停车是或否)，而是确定概率值。停车模型可以例如为至少一个潜在的停车点说明单个概率值。概率值可以通过观察在停车点处的行驶行为来确定并且说明实际停车过程与观察总数的比例。停车模型还可以为至少一个潜在的停车点设置概率分布，所述概率分布可以为在停车点处的不同到达时间点分别说明概率值。然而即使在例如在交通信号灯处或在停止标志处的确定性预先给定的停车过程情况下，仍然可以以相同的方式使用或适应停车模型，使得由停车模型也可以考虑这样的停车点。

在停车过程的所识别的可能发生(概率值在值区间之内)情况下，于是开始至少一个运行措施，也即使机动车的运行与停车过程适配，其方式是，例如借助于至少一个运行措施(与搁置运行措施相比)减少在停车过程期间得出的动力燃料消耗，使得尽管停车过程仍然可以高效地进行机动车的运行。

本发明还包括通过其得出附加优点的实施方式。

如已经陈述的，根据本发明的方法可以应用于多个不同的停车点。一种实施方式规定，作为至少一个潜在的停车点分别确定具有优先行驶规章的十字路口和/或环形交通和/或停止标志和/或交通信号灯和/或(例如朝高速公路的)引道和/或道口杆/或停车场入口。但是这种列举仅应被视为示例性的。对于这些所提及的停车点中的每一个，停车模型可以设置统计描述，所述统计描述说明或提供针对在相应的停车点处的停车过程的概率值。如果于是机动车接近相应的停车点，则可以借助停车模型对于该停车点确定停车过程的概率值。然后可以判定是否应该触发至少一个预定的运行措施(概率值在所述值区间之内)。通过该实施方式得出以下优点：可以在可能规则地发生机动车的停车过程的这样的地点处触发至少一个运行措施。

如从现有技术中已知的，在是否实际上将发生停车过程与切换(Schaltung)(例如交通信号灯切换或道口杆切换)有关的停车点情况下可能有利的是，停车模型与在该停车点处的切换同步。然而与在现有技术中不同地，在此情况下不试图观察停车点本身、即例如在那里提供的交通信号灯或道口杆。相反地，一种实施方式规定，通过控制装置对于沿着行驶线路的停车点识别时间上在到达停车点之前发生的至少一个参考事件。通过停车模型于是根据至少一个所识别的参考事件来确定与在所提到的停车点处的停车过程有关的概率值。因此，参考事件不在所提到的停车点本身处发生，而是沿着行驶线路在该停车点之前发生。换句话说，机动车首先经过至少一个参考事件，并且然后才到达停车点。参考事件优选在时间上与在停车点处的切换相关，即例如与交通信号灯切换或道口杆切换相关。如果参考事件发生或观察到参考事件，则已知的是，在停车点处的切换处于哪个切换阶段，而在此情况下不必由行驶在前面的另一辆机动车观察在该停车点本身处的切换。根据至少一个参考事件，停车模型可以确定所提到的位于前面的停车点本身的切换阶段(即例如交通信号灯切换阶段)，并且为在该停车点处可能的到达时间确定停车过程的概率值。通过该实施方式得出以下优点：通过识别至少一个参考事件可以使停车模型与当前的行驶状况适应或适配。参考事件的另一示例是驶入或驶离车库。在驶离车库时，机动车的使用者可能具有以下习惯：首先从车库中驶出，然后在车库前的停车点处再次将机动车停车，以便关闭车库门。对于该停车点，于是可以触发至少一个运行措施。与此不同地，在驶入车库时，机动车的使用者可能具有以下习惯：在车库前停车以便下车并且打开车库。于是，随后的停车点位于车库中，对于所述随后的停车点在驶入车库期间已经可以触发一次至少一个运行措施。例如，因为可以利用机动车的附加电驱动装置走完该行驶线路，所以可以为这些所提及的参考事件放弃启动内燃机。

根据一种实施方式，通过本发明特别考虑的参考事件可以在于，至少一个参考事件是在具有交通信号灯的在前的停车点处的起动过程。参考事件是在将交通信号灯切换到绿灯阶段时起动机动车。如果现在还考虑机动车从该停车点到下一停车点所需的行驶持续时间，其中于是在所述下一停车点处可以再次提供交通信号灯，则当所提及的两个交通信号灯具有相关的切换阶段时，可以使停车模型与下一停车点的该交通信号灯同步。因此例如可以使用沿着该行驶线路的所谓的绿波。

一种实施方式规定，通过停车模型根据交通信息和/或关于时钟时间和/或白天时间(例如在上午、在中午、在下午、在晚上、在夜里)和/或工作日(例如星期一、星期二、...星期六、星期日)和/或季节(例如冬天或春天或夏天或秋天)的相应说明和/或交通信号灯的计划变更(主要交通时间、辅助交通时间)来确定针对至少一个潜在的停车点的相应概率值。换句话说，以动态的方式构成停车模型并且使该停车模型与相应的占优势的或现有的边界条件(交通状况和/或时间和/或交通信号灯的切换规划)适配。由此，可以使停车模型对相应停车点处的随时间可变的边界条件作出反应，或者可以使所述停车模型与所述边界条件适配。

优选地，随时间(über die Zeit hinweg)训练或适配停车模型，其方式是使用观察数据或训练数据来训练或适应停车模型。一种实施方式规定，通过以下方式至少部分地训练或适应停车模型，即在至少一个在前的行驶期间对于至少一个潜在的停车点分别在机动车中在到达相应的停车点时识别机动车的行驶运行状态。行驶运行状态在此情况下在机动车在停车点处停车和机动车在停车点处通行之间进行区分。该通行意味着机动车不必停车而是保持移动。通过行驶运行状态，例如确定或观察交通信号灯的当前切换状态(停车＝红灯，通行＝绿灯)。于是，基于识别的行驶运行状态来训练或适应停车模型。如果在所描述的实施方式情况下机动车的停车被识别，则由此在停车模型中停车概率增加。如果通行被识别，则相应地在停车模型中停车概率被降低。该实施方式尤其是对于由通勤者在通勤线路上、也即在规则地或多次行驶的行驶线路上使用的机动车而言是有利的。于是，机动车“学习”沿通勤线路的停车行为。所描述的实施方式具有特别的优点，即可以本地地对停车模型进行训练或适应，其方式是仅仅必须使用来自机动车本身的观察数据。因为仅必须观察机动车的行驶运行状态，所以尤其是也可以放弃使用摄像机和连接在该摄像机下游的图像处理装置。当然也可以基于摄像机的图像数据例如确定交通信号灯的当前切换状态。

在此情况下，一种实施方式规定，丢弃在拥堵状况下确定的在停车点处所确定的行驶运行状态。由于例外“拥堵状况”不扭曲或影响停车模型的适应过程或训练过程，所以由此更有效地进行停车模型的训练或适应。可以凭借机动车的走停行驶行为和/或根据所述交通信息来识别拥堵状况。

一种实施方式规定，至少部分地通过以下方式对停车模型进行训练或适应，即使控制装置与车辆外部的至少一个数据源耦合并且从至少一个数据源接收来自至少一个另外的机动车的相应停车模型的模型数据和/或从服务器接收总模型的模型数据，并且利用所接收的模型数据适应或配置停车模型。该服务器可以是互联网的服务器。因此，使机动车的控制装置例如经由无线电连接与服务器和/或与至少一个另外的机动车耦合，并且分别接收模型数据。因此，例如可以基于另外的机动车的停车模型来改善或扩展该机动车的停车模型。可以从服务器接收总模型的模型数据，在所述总模型中，组合多个机动车的观察数据或训练数据。该实施方式具有以下优点：在机动车中也可以针对尚未或至少很少被机动车本身行驶的这样的行驶线路训练或适配停车模型。

一种实施方式规定，所述的至少一个运行措施包括：在航行运行(用脱开的发动机慢慢滑行至停止)中和/或在牵引运行(利用接合的发动机慢慢滑行至停止)和/或再生运行(将机动车的动能转化成电能)中运行机动车的驱动系。附加于此或替代于此，至少一个运行措施可以包括：关断机动车的内燃机。另一可能的运行措施是在预期的停车过程期间有针对性地操控车载电网的辅助消耗器。因此例如，可以提高至少一个通电的辅助消耗器的功率和/或可以减小至少一个非通电的辅助消耗器的功率(例如，通过在内燃机处的带传动)。所述至少一个运行措施具有以下优点：与在通过内燃机推进机动车并且随后借助于摩擦制动进行制动情况下驶向停车点相比，降低机动车的动力燃料消耗。通常，通过至少一个运行措施来改善机动车的能量平衡。通常，每个运行措施规定，通过触发运行措施来改变机动车的运行方式。尤其是规定，执行至少一个运行措施用以增高效率和/或增加舒适性和/或降低排放和/或提高安全性(例如，提前激活制动灯)。

一种实施方式规定，除了概率值本身，通过停车模型还确定置信度值。置信度值说明停车模型与当前行驶状况一致的程度。仅当置信度值处于预定的置信度区间内时才开始至少一个运行措施。因此，停车模型不仅说明用于停车过程是怎样可能的概率值，而且通过置信度值表达：停车模型是否究竟针对当前交通状况适当地予以配置。例如，如果通过停车模型根据当前的交通状况确定概率值，则可以通过置信度值表达：在停车模型中针对当前交通状况究竟已经收集了多少统计数据或观察，也就是说训练数据关于当前的交通状况和/或白天时间具有什么范围。置信度值因此可以说明在停车模型中考虑的训练数据的范围或量。因此，置信度值表达构成停车模型所基于的统计基础的可靠性。通过该实施方式得出以下优点：对于当前行驶状况不可靠的停车模型不能导致触发至少一个运行措施。

一种实施方式规定，通过停车模型针对相应的停车过程附加地确定持续时间值，所述持续时间值说明机动车在停车过程情况下可能还停多长时间。通过控制装置于是根据持续时间值启动至少一个预定的起动措施。例如，在具有交通信号灯的停车点情况下，持续时间值可以说明：迫使机动车成停车过程的当前红灯阶段还将持续多长时间。起动措施为机动车的起动过程做准备。

尤其是起动措施规定，在机动车中的大于预定最小值的驱动功率可供起动过程使用。因此一种实施方式规定，至少一个起动措施包括：启动机动车的关闭的内燃机。因此，在停车过程被结束之前已经启动内燃机。

迄今认为，至少一个潜在的停车点是已知的。例如，潜在的停车点可以存储或绘制在数字道路地图中。例如，至少一个交通信号灯的相应位置可以存储在这样的数字道路地图中。但是，也可能存在最初不能在道路地图中识别或最初未绘制在道路地图中的停车点。因此，一种实施方式规定，在机动车本身和/或至少一个另外的机动车的至少一个在前的行驶期间，在相应的机动车已经执行了至少预定最小数目的停车过程的地方分别确定至少一个潜在的停车点。换句话说，至少一个停车点通过以下方式来定义：即至少一个机动车在那里已经观察到或执行了预定最小数目的停车过程。由此，借助于该方法自动化地识别有关的停车点。即使在那里例如不安装交通信号灯和/或停止标志，这也是可能的。

本发明还包括一种用于机动车的控制装置。根据本发明的控制装置具有计算设备，所述计算设备被设立用于执行根据本发明的方法的实施方式。计算设备可以基于微处理器或微控制器。可以为计算设备提供程序代码，通过所述程序代码在通过计算设备实施时执行根据本发明的方法的方法步骤。该控制装置可以被构成为用于机动车的控制设备或者被构成为由多个控制设备组成的复合体或者被构成为互联网的服务器。作为服务器，控制装置可以经由无线电连接与机动车耦合。

最后，本发明还包括一种机动车，其具有根据本发明的控制装置的实施方式。根据本发明的机动车可以例如被构成为汽车，即例如被构成为载客汽车或载重汽车。

所描述的实施方式的组合也属于本发明。

附图说明

下面描述本发明的实施例。其中：

图1示出根据本发明的机动车的一种实施方式的示意图；

图2示出根据本发明的方法的一种实施方式的流程图；

图3示出用于阐明根据本发明的方法的一种实施方式的简图，其中检测用于配置停车模型的训练数据；

图4示出用于阐明根据本发明的方法的一种实施方式的简图，其中服务器确定用于多个机动车的总模型；

图5示出用于进一步阐明根据图4的方法的简图；和

图6示出用于阐明根据本发明的方法的一种实施方式的简图，其中预测停车过程。

具体实施方式

下面阐述的实施例是本发明的一种优选实施方式。在该实施例情况下，实施方式的所描述的组件分别是彼此无关地要考虑的各个本发明特征，所述特征分别也彼此无关地改进本发明并且从而也可以单独地或以与所示的组合不同的组合被视为本发明的组成部分。此外，所描述的实施方式也可以由已经描述的本发明特征中的其他特征来补充。

在图中，功能相同的元件分别配备有相同的附图标记。

图1示出机动车10。机动车10可以例如是载客汽车或载重汽车。机动车10可以具有控制装置11，所述控制装置例如可以如下控制机动车10的内燃机12，即所述控制装置可以利用控制信号13关断和/或启动内燃机12。控制装置11此外可以与至少一个车辆组件14耦合，其中所述控制装置11可以经由所述至少一个车辆组件14例如确定机动车10的当前行驶运行状态15和/或可以获悉或调用机动车10的当前行驶线路16。行驶线路16可以被估计或规划。至少一个车辆组件14例如可以包括机动车10的导航系统和/或发动机控制设备。控制装置11此外可以与机动车10的通信设备17耦合。通信设备17例如可以包括移动无线电模块(例如4G或5G或UMTS)和/或WLAN无线电模块(WLAN无线局域网(wireless local areanetwork))。借助于通信设备17，可以经由无线电连接18和例如移动无线电网络19使控制装置11与服务器20、例如互联网的服务器耦合。服务器可以是计算机或计算机复合体(Computerverbund)。因此，服务器20在本发明的意义上是数据源。

控制装置11可以运行停车模型21。停车模型21可以例如是数字模型，所述数字模型基于或借助于控制装置11的计算设备22被运行。该停车模型21尤其是统计模型。

控制装置11可以例如设置机动车10的控制设备或由机动车10的多个控制设备组成的复合体。

图2阐明能够如何通过控制装置11基于停车模型21实施或执行方法23，基于所述方法23，例如能够切换机动车10的内燃机12，以便使机动车10的运行与在无控制的情况下相比更高效。

该方法23在步骤S10中规定，例如基于数字道路地图24沿着行驶线路16识别位于前面的潜在的停车点25，其中在所述停车点25处可能发生机动车10的停车过程。例如，停车点25可以具有交通信号灯26，其中机动车10在交通信号灯26的红灯阶段期间在所述交通信号灯26处必须停车。交通信号灯26可以立在十字路口27处。

在步骤S11中，控制装置11可以借助于停车模型21对于停车点25确定概率值28，所述概率值28说明在停车点25处实际发生停车过程的概率有多大。停车模型在此规定，概率值28是概率说明，也就是说也可以具有在0％和100％之间的中间值。在步骤S12中，通过控制装置11可以检验：该概率值是否处于预定的值区间29中，对于所述值区间假定：这意味着在该停车点25处实际上发生停车过程。

在本发明的意义上，停车过程是机动车到行驶速度0km/h的停车或停止。停车过程尤其包括超过5秒、优选超过10秒的停止。

对于概率值28处于值区间29之外(在图2中通过“-”符号象征性表示)的情况，可以返回到步骤S10并且确定另一潜在的停车点。对于在步骤S12中识别出概率值28处于值区间29之内(在图2中由“+”符号象征性表示)的情况，在步骤S13中可以通过控制装置11触发预定的运行措施30。运行措施30可以例如包括产生用于关断内燃机12的控制信号13。在触发运行措施之后，又可以返回到步骤S10并且确定另一潜在的停车点。

可选地可以规定，附加于概率值28，通过停车模型21也输出置信度值28'，该置信度值说明：概率值28在多大程度上或在多大范围内恰当地描述当前的行驶状况。例如，对于在停车模型中所存储的概率分布，可以确定其数据库有多大。数据库的大小于是可以通过置信度值28'描述。如果置信度值28'不高于预定的阈值，则可以规定，搁置至少一个运行措施30。

图3阐明可以如何配置或训练停车模型21。图3示出在图2的方法23的描述所基于的行驶之前发生的在前行驶31期间的机动车10。

在行驶31期间，机动车10可以经过多个潜在的停车点32、33、34，在所述停车点处分别能够通过控制装置11确定观察数据或训练数据35，所述观察数据或训练数据说明在相应的潜在的停车点32、33、34处的行驶状态15。例如，交通信号灯36可以分别位于相应的停车点32、33、34处。然而代替交通信号灯36，例如停止标志或入口也可以触发或引起潜在的停车过程。图3阐明在停车点32处交通信号灯36在红灯阶段中如何引起停车过程。训练数据35相应地描述行驶状态15，在所述行驶状态情况下机动车10停车。因此，在停车模型21中对于停车点32可以使用所述训练数据35用于提高在停车点32处的停车过程的概率，使得在机动车10朝停车点32的方向将来行驶情况下概率值28较大。在停车点33处假定，交通信号灯36在那里被切换到绿灯阶段。根据训练数据35，控制装置11可以识别：机动车10的行驶状态对通行进行信号化，而在停车点33处不停车。因此，对于停车点33可以对停车模型21进行如下适配或配置，即对于将来驶过停车点33而言概率值28较小。在停车点34处，再次假定交通信号灯36处于红灯阶段中。在这里，可以基于训练数据25再次相应地配置停车模型21。停车模型21可以附加地具有其他输入参数。例如，停车模型21可以具有参考事件37的观察作为输入参数。例如，可以规定，作为参考事件37对于停车点34，将在停车点32处的一次起动(das ein Anfahren)、也就是说在停车点32处将交通信号灯36切换成绿灯作为基础并且根据从停车点32朝向停车点34的行驶时间T0在停车模型21中确定针对停车点34的概率值28。换句话说，停车模型21以以下为出发点：在停车点32情况下或通常在置于前面的停车点处观察参考事件37、例如当在交通信号灯36处切换到绿灯阶段之后起动，并且然后对于随后的停车点34，根据在置于前面的停车点处机动车10的起动过去了多长时间、也即机动车T0持续了多长时间来确定概率值28。由此，例如可以对沿着多个交通信号灯36得出的所谓的绿波(grüne Welle)进行建模。因此在此不需要使停车模型21与在停车点34本身处的交通信号灯36同步，而是通过在置于前面的停车点32或33处观察参考事件37来进行同步。

图4示出除了机动车10之外，其他机动车38分别能够如何在如根据图3所描述的更新或训练39中更新或训练本地停车模型21。机动车10、38中的每一个于是可以借助于相应的通信设备17(参见图1)将描述当前停车模型21本身的模型数据40和/或训练数据35传送或传输或发送给服务器20。机动车10、38在此可以在不同的行驶线路41、42上行驶。可以通过服务器20构成总模型44，所述总模型44可以表示用于所有行驶线路42、43的停车模型。可以在更新或训练45中像机动车10、38之一中的本地停车模型那样基于训练数据35和/或模型数据40更新或配置总模型44。可以由总模型44基于全局模型44将例如预测数据46发送给机动车10、38，使得可以通过服务器20本身针对每个机动车10、38执行停车过程的预测或预告。预测数据46可以例如说明相应的概率值28。替代于此地，总模型44的模型数据47可以被传送给机动车10、38。基于模型数据47，可以更新或适配机动车10、38中的停车模型21。于是，与服务器20无关地分别在每个机动车10、38中如结合图2(步骤S11)所描述的本地预测48是可能的。

图5再次阐明机动车10如何也能够获得停车模型21，在所述停车模型情况下考虑尚从未被机动车10行驶的这样的道路43。图5以以下为出发点：机动车10仅在所示的道路42、43中的道路42上行驶了。通过机动车10和其余机动车38(在图5中例如仅示出一个机动车38)将其训练数据35和/或模型数据40传送给服务器20，服务器20可以组合关于所有道路42、43的信息。

最后，图6阐明如何通过将模型44的模型数据47发送给机动车10、38来给机动车10供应也描述街道43的这样的模型数据47。因此，即使机动车10首次在相应的道路43上行驶时，机动车10的停车模型21也可以在步骤S11中产生概率值28(参见图2)。

因此，总体地涉及车辆中的嵌入式学习系统，所述嵌入式学习系统例如对于向交通信号灯驶去的车辆预告交通信号灯阶段(本地系统)。可以通过后端服务器或简称为服务器链接不同车辆的多个学习系统(全局系统)，使得可以提高预测可用性和质量。利用交通信号灯预测，可以在停车过程情况下影响传动系，使得出现尽可能小的动力燃料消耗，也即控制航行和再生阶段(Rekupertionsphase)，使得车辆以尽可能低的动力燃料消耗停住。为此，必须准时地开始停车过程(前提是驾驶员协作)，这又仅利用对交通信号灯阶段的预测是可能的。如果已知车辆停住多久或何时车辆可以继续行驶，则可以进一步改善起动。从而可以准时地开始发动机启动过程和起动过程。

与需要来自基础设施的信息的解决方案相比，所建议的方案最小程度地基于在车辆中实现的解决方案(本地系统)，可以最大程度地动用具有服务器的全局解决方案作为用于预测意义上的数据收集和知识生成的基础。

该系统(即控制装置或由控制装置和服务器组成的组合)优选地不学习交通信号灯阶段的绝对时间点(例如，每星期一08:15:35的交通信号灯阶段)，而是根据先前的交通信号灯阶段和在那里观察到的参考事件(参见图3)来学习预期的交通信号灯阶段。例如学习在交通信号灯系列A、B、C的情况下，在沿路线跟在交通信号灯A之后的后续交通信号灯B和C处交通信号灯阶段如何。该系统以简化的方式学习红波和绿波，并且存储在红交通信号灯处必须停车多长时间。

因此，为了训练以及为了预测，关于在先前的交通信号灯处是否已停车以及在交通信号灯A和B或A和C之间的行驶时间T0是多长时间的信息是必要的。

预测系统可以持续地被训练，也即持续地被供应训练数据。为此，所述预测系统必须识别：是否驶向十字路口以及车辆是否必须停车。由此可以计算停车概率。基准点在此是具有所绘入的灯光信号设备以及还有停止标志的地图。可以使用轨迹准确的GPS/定位装置，因为确实每个方向都可以有自己的信号化(Signalisierung)。停止和相关的交通信号灯颜色不应强制性地仅用摄像机识别并且以这样的摄像机为前提(识别交通信号灯颜色)，而是也能够更简单地例如根据行驶运行状态被检测。因此不仅可以学习红交通信号灯，而且可以学习绿交通信号灯。

在此，不仅作为潜在停车点的灯光信号的类别对于例如所述动力传动系功能(Powertrainfunktionen)来说是重要的，而且在特定位置处的停车和起动概率通常也是重要的。当前的动态交通信息有助于进行合理性检验。例如，可以在拥堵状况中丢弃训练数据。如果优选基于车辆的解决方案(车载/本地)，则必须将经常足够地在线路上行驶。在此情况下优点是，不必找到基于服务器或基于发送器的解决方案。此外，无需与交通基础设施(交通信号灯、交通主导计算机……)联网。本地预测的缺点是，将预测局限于总是一再行驶的线路。

通过将车辆与服务器联网，可以在服务器中链接各个基于车辆的本地解决方案，并且从而为所有线路提供全局预测。越多的车辆输送训练数据，预测变得越好。车辆的运动数据也可以用于此。在足够的数据供应情况下，也可以检测交通信号灯的计划变更。由于可用的大数据量，因此可以根据交通流量或时间(白天时间、工作日)在后端中训练和使用不同的预测模型。全局预测的另一优点是，还可以为尚未创建本地预测模型的车辆或者为不在重复行驶的线路上移动的车辆、诸如租赁车辆提供预测。本发明的另一优点是，一般地计算停车概率，而不仅仅限制预测用于灯光信号设备。

总体地，该示例示出可以如何通过本发明提供本地的和可扩展的停车预测系统。

附图标记列表

10 机动车

11 控制装置

12 内燃机

13 控制信号

14 车辆组件

15 行驶状态

16 行驶线路

17 通信设备

18 无线电连接

19 移动无线电网络

20 服务器

21 停车模型

22 计算设备

23 方法

24 数字道路地图

25 停车点

26 交通信号灯

27 十字路口

28 概率值

29 值区间

30 运行措施

31 在前的行驶

32 停车点

33 停车点

34 停车点

35 训练数据

36 交通信号灯

37 参考事件

38 另外的机动车

39 本地训练

40 模型数据

41 行驶线路

42 道路

44 总模型

45 训练

46 预测数据

47 模型数据

48 本地预测

T0 行驶时间

S10-S13 方法步骤。

Claims (14)

1.一种用于在沿行驶线路(16)行驶期间运行机动车(10)的控制装置(11)的方法(23)，其中确定沿所述行驶线路(16)位于前面的至少一个潜在的停车点(25、32、33、34)并且在接近分别确定的潜在的停车点(25、32、33、34)时，基于停车模型(21)确定用于所述机动车(10)在所述停车点(25、32、33、34)处的停车过程的概率的概率值(28)，其特征在于，通过所述控制装置(11)运行统计模型作为所述停车模型(21)，所述统计模型也为所述概率值(28)设置在0％和100％之间的中间值，并且如果所述概率值(28)处于预定的值区间(29)内，其中该预定的值区间定义停车过程的可能发生，则触发至少一个预定的运行措施(30)，所述至少一个预定的运行措施分别被设立用于使所述机动车(10)的运行与所述停车过程适配，其中通过以下方式至少部分地训练所述停车模型(21)，即其方式是在至少一个在前的行驶(31)期间对于至少一个潜在的停车点(32、33、34)在所述机动车(10)中在到达相应的停车点(32、33、34)时识别行驶运行状态(15)，并且基于所识别的行驶运行状态(15)适配所述停车模型(21)，其中所述行驶运行状态在所述机动车(10)停车和所述机动车(10)通行之间进行区分。

2.根据权利要求1所述的方法(23)，其中作为至少一个潜在的停车点(25、32、33、34)分别确定具有优先行驶规章的十字路口和/或环形交通和/或停止标志和/或交通信号灯(26)和/引道和/或道口杆和/或停车场入口。

3.根据权利要求1或2所述的方法(23)，其中通过所述控制装置(11)对于沿所述行驶线路(16)的至少一个停车点(34)识别时间上在到达所述停车点(34)之前发生的至少一个参考事件(37)，并且通过所述停车模型(21)根据至少一个所识别的参考事件(37)确定所述概率值(28)。

4.根据权利要求3所述的方法(23)，其中所述至少一个参考事件(37)是在具有交通信号灯(36)的在前面的停车点(32)处的起动过程。

5.根据权利要求1或2所述的方法(23)，其中通过所述停车模型(21)根据交通信息和/或关于时钟时间和/或白天时间和/或工作日和/或季节的相应说明和/或交通信号灯的计划变更来确定相应的概率值(28)。

6.根据权利要求1或2所述的方法(23)，其中，丢弃在拥堵状况下确定的在停车点(32、33、34)处确定的行驶运行状态(15)。

7.根据权利要求1或2所述的方法(23)，其中，所述停车模型(21)至少部分地通过以下方式被训练，即使所述控制装置(11)与车辆外部的至少一个数据源耦合并且从所述至少一个数据源接收来自至少一个另外的机动车的模型数据(47)和/或从服务器(20)接收总模型(44)的模型数据(47)，并且利用所接收的模型数据(47)配置所述停车模型(21)。

8.根据权利要求1或2所述的方法(23)，其中，所述至少一个运行措施(30)包括：在航行运行和/或牵引运行和/或再生运行中运行所述机动车(10)的驱动系并且关断所述机动车(10)的内燃机(12)。

9.根据权利要求1或2所述的方法(23)，其中通过所述停车模型(21)除了所述概率值(28)之外还确定置信度值，其中所述置信度值说明所述停车模型(21)与当前行驶状况一致的程度，并且仅当所述置信度值处于预定的置信度区间(28')中时，才开始所述至少一个运行措施(30)。

10.根据权利要求1或2所述的方法(23)，其中通过所述停车模型(21)对于相应的停车过程附加地确定持续时间值，其中所述持续时间值说明所述机动车(10)在所述停车过程时还可能停多长时间，以及通过控制装置(11)根据持续时间值启动至少一个预定的起动措施。

11.根据权利要求10所述的方法(23)，其特征在于，所述至少一个起动措施包括：启动所述机动车(10)的关闭的内燃机(12)。

12.根据权利要求1或2所述的方法(23)，其中在所述机动车(10)和/或至少一个另外的机动车(38)的至少一个在前的行驶中分别在相应的机动车(10、38)已经执行了至少预定最小数目的停车过程的地方确定至少一个位于前面的潜在的停车点(25、32、33、34)。

13.一种用于机动车(10)的控制装置(11)，其中所述控制装置(11)具有计算设备(22)，所述计算设备被设立用于执行根据前述权利要求中任一项所述的方法(23)。

14.一种机动车(10)，所述机动车具有根据权利要求13所述的控制装置(11)。