CN111788617B - 用于停车区域的识别的方法和控制装置 - Google Patents

用于停车区域的识别的方法和控制装置 Download PDF

Info

Publication number
CN111788617B
CN111788617B CN201980015953.6A CN201980015953A CN111788617B CN 111788617 B CN111788617 B CN 111788617B CN 201980015953 A CN201980015953 A CN 201980015953A CN 111788617 B CN111788617 B CN 111788617B
Authority
CN
China
Prior art keywords
vehicles
control device
vehicle
time
cluster
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
Application number
CN201980015953.6A
Other languages
English (en)
Other versions
CN111788617A (zh
Inventor
F·内尔罗斯
B·孟加纳
S·汉托西阿尔贝特松
G·兰比
G·泽特贝里瓦林
J·罗格斯塔迪乌斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Scania CV AB
Original Assignee
Scania CV AB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Scania CV AB filed Critical Scania CV AB
Publication of CN111788617A publication Critical patent/CN111788617A/zh
Application granted granted Critical
Publication of CN111788617B publication Critical patent/CN111788617B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
    • G01C21/3685—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities the POI's being parking facilities
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • 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
    • 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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/144—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces on portable or mobile units, e.g. personal digital assistant [PDA]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/147—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is within an open public zone, e.g. city centre
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/148—Management of a network of parking areas
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开涉及车辆方面的技术，并且特别地涉及用于识别车辆的停车区域的方法。根据一个方面，本公开涉及一种用于识别停车区域的方法。该方法包括确定S2多个车辆的停靠点，其中，一个停靠点是所述多个车辆的一个车辆与预定时间段相比停留更长时间的地理位置。该方法还包括基于确定的停靠点的地理位置的空间接近度，聚集S3确定的停靠点成为集群，以及通过识别满足一个或多个预定标准的所述集群中的一个或多个，确定S4停车区域。本公开还涉及用于执行提出的方法的控制装置和计算机程序。

Description

用于停车区域的识别的方法和控制装置
技术领域
本公开涉及车辆方面的技术，并且尤其涉及一种用于识别车辆的停车区域的方法。本公开还涉及用于执行提出的方法的控制装置和计算机程序。
背景技术
重型车辆(诸如卡车)的驾驶员经常为了沿道路寻找停车区域经历困难，在该停车区域他们可以根据用于驾驶时间的制约停留休息。另外，对于驾驶员，在到达停车区域之前知道停车处对于卡车是否足够大是麻烦的。此外，如果停留在他们的车辆中过夜的驾驶员没有找到合适的停车区域，驾驶员可能会面临损坏(例如割下卡车外罩)或货物的盗窃和燃料的问题。这可能转而在驾驶员中生成压力和不安全感。
在少数国家中存在带有安全卡车停车区域的数据库，例如带有数据源(诸如瑞典运输管理局(“Trafikverket”))。这些数据库基于有关已知的停车区域的信息。然而，许多驾驶员在寻找合适的停车区域时，主要依靠传闻，这一般是很不可靠的。
JP 2014021840建议了用于寻找休息点的另一解决方案，其提出在宽范围中收集与休息点相关的信息，所述信息从单独的车辆的乘员执行的实际休息而获得，将该信息储存在数据库中并且使单独的车辆能够分享信息。然而，此解决方案要求车辆主动地分享“休息事件”信息，其包含车辆类别和车辆的当前位置。
发明内容
本公开的目的是减轻现有技术的至少一些缺点。因此，一个目的是使驾驶员可以容易地找到合适的停车区域(例如可停留过夜的地方)，并且使他们分享有关停车区域的信息成为可能。此外，另一个目的是提供一种确定停车区域的方式，该方式可以在全球范围内实现并且可考虑除定位之外的另外的信息。
通过根据独立权利要求的方法和装置，以及通过根据从属权利要求的实施方式，至少部分地实现了这些目的和其他目的。
根据第一方面，本公开涉及一种用于识别停车区域的方法。该方法包括确定多个车辆的停靠点，其中，一个停靠点是所述多个车辆中的一个车辆与预定时间段相比停留更长时间的地理位置。该方法还包括基于确定的停靠点的地理位置的空间接近度，聚集确定的停靠点成为集群，以及通过识别满足一个或多个预定标准的集群中的一个或多个，确定停车区域。
与现今使用的数据库对照，提出的方法使驾驶员还可能探索非官方的停车点和休息点。此外，提出的方法可基于来自连接的车辆的实时数据，确定停车区域。因此，在一些实施方式中，由该方法提供的信息将总是最新的，当在数据库中寻找停车区域时，可能不是此情况。
该方法也易于实现，因为唯一的要求是有连接的车辆或在车辆中有其他位置源，诸如电话。这将使驾驶员更容易遵守驾驶和休息时间。识别的停车区域既可预先在规划路线时也可在途中用作决策支持。
根据一些实施方式，该方法包括获得多个车辆的位置数据，并且然后该确定包括基于该位置数据，确定停靠点。与现有技术对照，该方法不依赖车辆报告停靠点(例如“停靠开始”——“停靠结束”事件)。代替地，该方法可独立于位置源，基于任何位置数据，计算停靠点。例如，数据可从移动电话(在车辆中)而不是从车辆本身收集，这使得该方法独立于车辆制造者。
根据一些实施方式，位置数据包括对于所述多个车辆中的每一个的时间戳位置的一个流，并且然后该确定包括识别具有低于容差水平的空间间隔的时间戳位置的序列。因此，可以鲁棒的方式计算停靠点。
根据一些实施方式，每个停靠点进一步与限定车辆何时停留或停靠在停靠点处的时间相关联，并且然后，该聚集还基于时间的时间接近度。因此，除了仅是定位，还可从连接的车辆提取另外的信息。通过进一步使用时间，提供更多相关的信息。
根据一些实施方式，该确定包括确定多于预定数量的停靠点。如果在该聚集中使用的停靠点数量高于预定数量或水平，信息将更可靠。
根据一些实施方式，该方法进一步包括基于位置数据和/或用户输入，确定与确定的停靠点相关联的可用性信息，例如确定的停车区域中的一个是否已满。因此，通过结合来自该聚集的数据与来自例如驾驶员的输入，信息的相关性可能甚至更高。
根据一些实施方式，该方法还包括经由用户接口，向用户提供识别确定的停车区域的信息。通过向驾驶员提供有关停车点的信息，驾驶员可减小压力，并愿意贡献另外的数据(即附近的WC、干净的停车点、安全性等)，以进一步提高质量。
根据一些实施方式，该方法还包括：预定标准包括：集群的停靠点数量高于阈值。因此，仅由大量车辆使用的停车区域可被考虑。因此，不相关的停车区域可被过滤，并且从不呈现给用户。
根据一些实施方式，该方法还包括：预定标准包括：已经停留在集群处的车辆属于多于预定数量的车辆所有者。该标准避免例如报告私人车库或类似物。
根据一些实施方式，该方法还包括：预定标准包括：已经停留在集群处的不同单独的车辆的数量高于阈值。仅被一个或几个单独的车辆使用的停车区域可能不是合适的停车区域，但更可能是某人的“私人住宅”，并且不应该被考虑为合适的停车区域。
根据一些实施方式，该方法还包括：预定标准包括：所述多个车辆中的一个已经停留在停靠点中的一个处的时间点频率在预定的频率间隔内。因此，停车区域的确定的质量将更高。换句话说，他们是良好的停车区域的可能性将更高。
根据一些实施方式，该方法还包括：预定标准包括：由用户输入限定的其他标准。因此，通过添加关于所谓的地面实况的信息，可改善提出的方法。
根据第二方面，本公开涉及配置成识别停车区域的控制装置。该控制装置配置成确定多个车辆的停靠点，其中，一个停靠点是所述多个车辆中的一个车辆与预定时间段相比停留更长时间的地理位置。该控制装置还配置成，基于停靠点的地理位置的地理空间接近度，聚集确定的停靠点成为集群，以及通过识别满足一个或多个预定标准的集群中的一个或多个，确定停车区域。
根据一些实施方式，控制装置配置成获得多个车辆的位置数据，并基于该位置数据，确定停靠点。
根据一些实施方式，位置数据包括对于所述多个车辆中的每一个的时间戳位置的一个流，并且控制装置配置成，通过识别具有低于容差水平的空间间隔的时间戳位置的序列，确定停靠点。
根据一些实施方式，每个停靠点还与限定车辆何时停留在停靠点处的时间相关联，并且其中，该聚集也基于停靠点的时间点的时间接近度。
根据一些实施方式，控制装置配置成确定多于预定数量的停靠点。
根据一些实施方式，控制装置配置成经由用户接口，向用户提供识别确定的停车区域的信息。
根据一些实施方式，控制装置配置成，基于位置数据和/或用户输入，预测确定的停车区域中的一个是否已满。
根据第三方面，本公开涉及一种包括指令的计算机程序，当该程序被计算机执行时，使计算机执行根据以上和以下描述的方法的实施方式中的任何一个。
根据第四方面，本公开涉及一种包括指令的计算机可读介质，当其被计算机执行时，使计算机执行以上和以下描述的方法的实施方式中的任何一个。
附图说明
图1示出了多个车辆中的一个车辆的前视图。
图2更详细地示出了图1的车辆。
图3示出了在其中可实现提出的方法的系统。
图4a示出了多个车辆的时间戳位置。
图4b示出了从图4a的位置数据所确定的停靠点和集群。
图4c示出了通过过滤图4b的集群，确定停车区域。
图5是流程图，其示出了根据示例实施方式的方法的实施方式。
图6示出了确定停靠点的一个实施例。
图7示出了根据示例实施方式的控制装置。
图8a和图8b示出了用户接口的示例实现方式。
具体实施方式
本公开提出了一种基于来自连结的车辆的位置数据，用以识别车辆的停车区域(例如对于卡车驾驶员的合适的休息点)的算法。另外，本公开提出了完整的服务功能，其解释如何通过识别以创建用户价值。与现有技术的解决方案对照，提出的解决方案的一些实施方式涉及连接到在现场的车辆。它还能够用户输入，例如通过评级功能。换句话说，在此提出通过收集关于几辆连接的车辆已经停靠多于一次的区域的信息，识别“停车区域”。
更具体地，提出通过将多个车辆的单独的停靠点分组或聚集成为集群，确定潜在的停车区域。然后，将集群的子集或部分识别为停车区域(使用一些过滤试探法)，并通过应用程序编程接口(API)显露。在API之上，添加完整的服务功能，例如用户接口。完整的服务功能的范围可从基本的简单的停车区域建议到停车区域可用性状态和停车区域评级功能。
提出的方法包括使用多个(或组)车辆100提供的数据，识别停车区域。图1示出了多个车辆100的一个示例性车辆1的前视图。所述多个车辆100可例如是由某个车辆生产者在可配置的时间段期间生产的所有车辆，或其子集；相同的所有者所有的所有车辆，或其子集；某个地理区域的所有车辆，或其子集，等。
车辆1可包括广义上的运输装置，诸如例如卡车、轿车、摩托车、拖车、公共汽车、自行车、火车、电车、飞机、船只、缆绳运输、空中缆车、无人驾驶飞机、航天器或其他类似的人工操作的或无人驾驶的，运行于例如在车轮、轨道、空气、水或类似介质上，的运输装置。
车辆1可配置成用于在道路上、铁轨上、地形中、水中、空中、太空中等运行。车辆1在不同的实施方式中可以是驾驶员控制的或无人驾驶的(即自动控制的)。然而，为了更加清晰，车辆1随后被描述为具有驾驶员。
车辆1可连接到车队管理服务或第三方提供的类似服务。这样的服务可包括例如追踪车辆1并诊断车辆参数，诸如里程和燃料消耗、维护等。
“车队管理服务”的表述在本公开中应被广义地看待，因为这类服务本身不是本发明的部分，并且其可包括例如教育服务，其用于驾驶员学习使用较少的燃料和/或减少CO2排放、用于探测车辆1的异常或故障和/或驾驶员的不适当的行为(诸如超速)、和/或提供有关维护和服务措施的建议等。
图2更详细地示出了与提出的技术相关联的车辆1的部分。更具体地，车辆1包括一个或多个控制单元11、位置装置12、导航单元13和无线通信接口14。
位置装置12配置成确定车辆1的地理位置，其基于例如卫星导航系统诸如导航信号测时测距(Navistar)全球定位系统(GPS)、差分GPS(DGPS)、伽利略、GLONASS，或相似物。
因此，根据各种实施方式，位置装置12(以及因此也是车辆1)的地理位置，以及时间、车辆速度、前进方向等，可连续地或者在某个预定的或可配置的时间间隔处确定。
无线通信接口14配置成能够与服务器或后端，例如外部控制装置200(图3)无线通信。
通信可经由无线通信网络，通过无线接口执行，其包括以下或者至少受以下所启发：蜂窝无线接入技术，诸如例如3GPP LTE、高级LTE、E-UTRAN、UMTS、GSM、GSM/EDGE、WCDMA、时分多址(TDMA)网络、频分多址(FDMA)网络、正交FDMA(OFDMA)网络、单载波FDMA(SC-FDMA)网络、全球微波接入互操作性(WiMAX)，或超移动宽带(UMB)、高速分组接入(HSPA)演进的通用陆地无线接入(E-UTRA)、通用陆地无线接入(UTRA)、GSM EDGE无线接入网络(GERAN)、3GPP2CDMA技术，例如，CDMA2000 1x RTT和高速分组数据(HRPD)或类似物，以上只是提到一些少量的选择。
无线通信进一步或替代地可以根据用于无线车辆通信的任何IEEE标准执行，像例如一种用于车辆网络的IEEE 802.11的特殊操作模式，称为车辆环境的无线接入(WAVE)。IEEE 802.11p是对802.11无线LAN介质访问层(MAC)和物理层(PHY)规范的扩展。
控制单元11是控制车辆1中的一个或多个电气系统(或子系统)的嵌入装置。控制单元11包括硬件和软件。硬件基本地包括位于印刷电路板(PCB)上的各种电子部件。那些部件的最重要的典型地是处理单元(例如微处理器)以及存储器(例如EPROM或闪存芯片)。软件(也称为固件)典型地是在微控制器中运行的较低级的软件代码。
典型地，车辆1包括通过控制器局域网络(CAN)通信的多个控制单元。CAN网络用于处理车辆1中各个控制单元之间的通信。经常地，在车辆1中布置几个通过中央控制单元连接的CAN网络。一些现代机动车辆具有高达80个控制单元。然而，为了简明，在图2中仅示出了一个控制单元11。不过，必须理解，提出的技术可在车辆1中的任何控制单元11中实现。
车辆1中的控制单元11、位置装置12和无线通信接口13可经由例如有线或无线通信总线交互式地通信。通信总线可包括以上提到的CAN总线、面向媒体的系统传输(MOST)总线，或类似物。但是，通信替代地可通过无线连接(其包括或至少受任何先前讨论的无线通信技术启发)进行。
控制单元11还配置成控制位置装置12的功能。更具体地，控制单元配置成控制位置装置12以生成包括车辆1的时间戳位置10的位置数据，并且控制无线通信接口13以传送位置数据到车辆1外部的装置，例如控制装置200(图3)。
图3是在其中可实现提出的技术的系统的概念图像。该系统包括所述多个车辆100、控制装置200和包括用户接口300的装置。所述多个车辆100连接到控制装置200。该连接例如通过使用蜂窝无线接入技术的互联网建立。所述多个车辆100将数据传送到控制装置200。例如，车辆100连续地生成位置数据并将位置数据传送到控制装置200，如结合图2描述的。控制装置200接收来自所述多个车辆100的数据(例如位置数据)，并基于该数据，使用将在图5相关的流程图中描述的方法，识别停车区域。然后可经由用户接口300，将停车区域呈现到用户。控制装置200可进一步包括或被连接到数据库400，该数据库400可包括与车辆相关的数据和/或地理地图数据。
现在首先将参考图4a到图4d，其代表地形的地理地图，简要地描述由控制装置执行的用于识别停车区域的提出的方法的原理。
图4a示出了在不同时间点处记录的所述多个车辆100的时间戳瞬时位置10。时间戳位置10是例如由所述多个车辆100中的位置装置12记录。替代地，时间戳位置10由车辆中的其他装置(诸如GPS装置或移动电话)记录。每个单独车辆的位置被典型地周期地(例如每秒)记录。因此，时间戳位置10一起示出了所述多个车辆100如何随时间移动。
图4b示出了从图4a的位置数据确定的停靠点。停靠点20是位置10(图4a)中的所述多个车辆100中的任何车辆都已经停靠(即停留预定时间)的那些。换句话说，与仅是单独车辆的瞬时位置的图4a的位置对照，图4b的停靠点指示了所述多个车辆中的一个已经停留相当长的时间的位置。因此，一个停靠点典型地由时间、地理位置(例如坐标)和车辆识别所限定。停靠点可以不同的方式确定，如将进一步在结合图6中所描述。一般地，只有车辆已经停靠一些时间的停靠点才是相关的。车辆在停靠点处花费的时间量也可被记录。
图4b还示出了停靠点20的集群30的一些示例(由虚线椭圆标记)。集群30在此基于停靠点20的地理位置，通过将停靠点20聚集或分组形成。在此，停靠点20基于空间(或地理)接近度分组。换句话说，一个集群30将代表接近彼此定位的车辆停靠点20。因此，一个集群30可包括多个停靠点20。当执行聚集停靠点20时，形成多个集群。一些集群30可分别仅包括一个单个的停靠点20。其他集群可分别包括彼此接近相邻的几个停靠点20。当执行聚集时，一些或所有停靠点20可被包含在集群中。为了简明，在图4b中仅标记几个集群，尽管聚集可生成更多的集群30。
图4c示出了从集群30确定的停车区域40。停车区域40是满足某些预先限定的标准的集群30。停车区域40可被确定为满足某些标准的集群30中的车辆的中心或平均位置。标准可以例如涉及集群中车辆的数量或其他参数，如将在以下结合图5所进一步解释。
图5是流程图，其示出了根据示例性实施方式的用于识别停车区域的方法的实施方式。该方法典型地由控制装置200(图7)执行，该控制装置诸如是例如由车辆制造者所有的服务器(或后端)，其布置成与所述多个车辆100无线通信。更具体地，该方法典型地由控制装置的处理器210(图7)执行。一旦从所述多个车辆100获得足够的数据，可连续地执行该方法。换句话说，一有新的数据可用，就可再次执行该方法，使得新的停靠点可被发现并且将连续地评估旧的停靠点并且将发现新的停车区域。因此，该方法创建了“活的”模型，在其中由于评估来自所述多个车辆100的位置的事实，停车区域被确定及消失。如果现在新的站点已经被添加到相应的集群一定时间段，确定的停车区域可以例如被移除。
该方法可以被实现为包括指令的计算机程序，当该程序由计算机(或更具体地，计算机中的处理器)执行时，使计算机执行该方法。根据一些实施方式，计算机程序被储存在计算机可读介质(例如，存储器或光盘)中，该计算机可读介质包括指令，当其由计算机执行时，使计算机执行该方法。
该方法包括确定S2多个车辆的停靠点20。一个停靠点是例如限定为，所述多个车辆100中的至少一个车辆与预定时间段相比停留更长的地理位置。停靠点典型地由地理位置、车辆在该停靠点处停靠的时间以及在该停靠点处停靠的车辆的识别所限定。停靠点也可以由进一步的参数(如停靠点的持续时间或其他车辆数据)限定或与其相关联。可以开发识别停靠点20的目的的进一步技术。可例如是已知的，车辆1停靠以运送货物，然后这种停靠不能用以识别停车空间。
基于从所述多个车辆100接收的数据，确定停靠点。由所述多个车辆中的每个单独的车辆提供的数据是例如位置数据，即车辆的数据指示位置，诸如来自例如GPS的时间戳位置。该数据可替代地是明确地指示或限定车辆停靠点的数据。
换句话说，在一些实施方式中，该方法还包括获得S1多个车辆100的位置数据，并且基于该位置数据，确定S2停靠点20。该获得例如包括从所述多个车辆100的导航单元或从车辆中的其他位置装置(诸如从GPS和移动电话)接收位置数据。位置数据例如包括车辆的时间戳位置的序列。
有很多从位置序列识别停靠点的方式(例如基于质心、基于速度、基于持续时间、基于密度)。参见例如“Identification of activity stop locations in GPStrajectories by density-based clustering method combined with support vectormachines”,Journal of Modern Transportation,September 2015,Volume23,Issue 3,pp202-213,从以下获取：https://rd.springer.com/article/10.1007/s40534-015-0079-x。
图6示出了一个用于停靠点20的确定的示例算法，其可用于确定S2停靠点20。该算法基于时间中的地理空间密度，其比方说是速度低的复杂方式。它基本地意味着车辆的连续位置的一个序列，其中每个位置与其后续位置之间的距离小于一个阈值，并且其中序列中的第一位置与序列中最后位置之间的时间大于另一阈值，被认为是停靠点。换句话说，在一个示例性实施方式中，位置数据包括对于所述多个车辆100中的每一个的时间戳位置10的一个流，以及然后所述确定S2包括识别具有低于容差水平的地理空间间隔的时间戳位置10的序列。容差水平然后对应例如到GPS的准确度。原因是由于GPS不够完善，即使车辆完全静止，由GPS确定的位置将不会精确地相同。因此，该算法的目的是例如识别仅在GPS的预期的误差裕度内不同的GPS位置的序列。
与基于位置数据计算停靠点相关联的一个优点是该方法则更加通用。原则上，在车辆中具有移动电话，对于保持追踪车辆的位置则是足够的。另一优点是控制用于确定停靠点的算法并且选择提供适当的过滤停靠点的阈值是可能的。例如，车辆停留非常短的时间的停靠点可能期望被忽视。
在替代实施方式中，可在车辆中(或在车辆中的其他装置例如移动电话中)确定停靠点，并且将停靠点报告到控制装置200。例如，一些车辆可具有内置的逻辑，用以探测停靠点并且发送关于探测的停靠点的信息。因此，根据一些实施方式，该确定包括从所述多个车辆100接收限定停靠点的数据。例如，该数据可限定停靠点20的开始时间、停靠时间和/或持续时间。
数据量，或更具体地停靠点的数量，对得到可靠的信息可能是重要的。因此，在一些实施方式中，该确定S2包括确定多于预定数量的停靠点20。预定数量是例如根据经验确定的。然而，典型的具有多于300000个连接的车辆、至少每10分钟(常常更经常地)报告位置数据的车辆制造者，将生成(-300000个车辆*365天*24小时*6次/小时每年)每年160亿个位置。至少如果在几年内连续地收集数据，这对于提供可靠的信息典型地是足够的。
该方法进一步包括基于确定的停靠点20的空间接近度，聚集S3确定的停靠点20成为集群30。该聚集意味着停靠点20以一方式被分组，所述方式使得相同的组(称为集群)中的对象与其他组(集群)中的那些相比彼此更加相似(在某种程度中，在此是地理位置)。该聚集S3可例如是使用基于密度的聚集算法、基于连接性的聚集算法和/或基于质心的聚集算法实现。
就地理空间的接近度，这还可被描述为停靠点的“自连结”。术语“自连结”来自数据库理论，描述了如何结合集合。数学上的意思是计算集合的笛卡尔积，即计算来自一个集合的一个元素和来自其他集合的其他元素的所有组合，然后“结合条件”指示哪个组合被保留。常见的“结合条件”是一个元素中的域(field)等于其他元素中的一个域。例如，如果有很多车辆具有指示所有者身份(所有者id)的一个数据域，和许多具有身份(id)的车辆所有者，通过使用“所有者id＝id”作为结合条件，然后车辆可以与它们的所有者结合。在该情况中，使用停靠点的位置作为“结合条件”，在停靠点之间建立连接，其中，“结合条件”是指停靠点之间的距离应低于阈值。
该聚集可另外地考虑其他参数，诸如车辆何时停靠在停靠点处。因此，在一些实施方式中，每个停靠点20还与限定车辆何时停留或停靠在停靠点20处的时间相关联，并且然后该聚集S3也基于停靠点20的时间的时间接近度。时间是例如当车辆停靠(即到达)在停靠点处的时间点，或车辆静止在停靠点处的时间段。时间段的接近度可例如通过比较时间段的终点和/或中间确定。换句话说，集群将包括在时间和地理距离中都接近的停靠点。例如，可例如只接受时间相当接近(在该情况中，60-90天)的停靠点是有益的。该方法可能在不按时过滤的情况下，也可以起作用——但是按时间过滤边缘，结果将可能得到改善。
停靠点的集群基本上是定位彼此相邻的停靠点的组。与集群相对应的区域可被认为是在其中可停车良好的区域。然而，该聚集典型地还可揭露一些不适合的停车区域，但一个或多个车辆经常停靠在其中。这样的区域的示例可是车辆车间、驾驶员的房屋或私人车库。因此，为了提供关于停车区域的良好信息，典型地需要一些过滤。换句话说，该方法进一步包括通过识别满足一个或多个预定标准的集群，确定S4停车区域40。可使用简单的试探法模型，决定集群是否是合适的停车区域。从长远来看，机器学习可能还会被使用以训练模型以选择合适的停车区域。
过滤可以用于例如过滤掉仅包括少数停靠点的集群，或仅一个特定的车辆已经停靠的或单个所有者的车辆已经停靠的集群。换句话说，根据一些实施方式，预定标准包括已经停留在集群处的车辆1属于多于预定数量的车辆所有者。根据一些实施方式，预定标准包括已经停留在集群30处的不同单独的车辆的数量超过阈值，例如在30-80的范围中。
另一选择是过滤掉仅包含很少停靠点的集群，因为这样的区域可能不被考虑为相关的停车区域。因此，根据一些实施方式，预定标准包括集群的停靠点20的数量超过阈值，例如在30-80的范围中。
例如，为了避免私人停车区域，例如可能要求在过去的一个月期间50辆独一的车辆已停留在集群处。这样的规则还排除停靠了非常少的车辆的停车区域。
过滤还可移除停靠点之间的时间很长的集群。因此，根据一些实施方式，预定标准包括时间点频率，其中所述多个车辆100中的一个已经停留在集群30处，该时间点频率在预定间隔内，例如40-60天。
根据一些实施方式，预定标准包括由用户输入限定的其他标准。例如，其他驾驶员标记为无关(例如由于它们不合适、不安全或不方便)的停车区域，可能会被过滤掉。下面将进一步解释这种用户输入的不同类型。
作为预定标准的一个示例，可以使用以从集群识别停车区域的一个安全假设是例如，假设停车区域是来自Y个不同车辆所有者的多于X个车辆已经停留多于Z分钟/小时的区域(即集群)。随着发展过程，例如使用机器学习和/或用户输入，可以开发另外的试探法。
集群30还可与描述集群的其他数据相关联，例如集群可包含到达时间的直方图(例如早上20％、早上30％、下午10％、傍晚35％、夜晚5％)或连接的车辆在一天的什么时间在现场的直方图。例如，如果车辆在傍晚到达并停留到早晨，则有助于傍晚、夜晚和早晨的“得分(buckets)”。可与集群相关联的其他的可能参数是“上个月停留在停车区域处的车辆数量”、“上个月已经停留在停车区域处的车辆数量”或“在停车区域中停车的平均时间”。预定标准可使用所有此类数据决定集群是否是(合适的)停车区域。
知道确定的停车区域40是否已满也可以是相关的。由于位置数据(例如来自多个车辆的GPS数据)显示所有所述多个车辆100目前在哪里，以及它们曾经在哪里(以及它们在哪个方向中行驶)，此数据还可用于确定当前有哪些车辆停在停车区域中，并且进一步估计哪些车辆正在到停车区域的路上，或哪些车辆可能很快离开。可替代地，用户输入或来自其他装置(诸如所述多个车辆100处的照相机)的输入，可用于预测可用性。
换句话说，根据一些实施方式，该方法进一步包括基于位置数据或用户输入，确定S5与确定的停车区域40相关联的可用性信息。不同的表述为，在一些实施方式中，该方法还包括基于位置数据和/或用户输入，预测确定的停车区域40中的一个是否已满。
确定的停车区域40典型地通过应用程序编程接口(API)显露或提供。不同的表述为，在一些实施方式中，该方法进一步包括通过API，提供识别确定的停车区域的信息。该API可是内部API(只能被服务提供者例如车辆制造者可接入)，或者它可是被任何人可接入的公开可用的API。在API之上，可添加完整的服务功能，例如用户接口。
因此，在一些实施方式中，该方法还包括经由用户接口300，向用户提供S6识别确定的停车区域的信息。用户接口300可以不同的方式生成，并且它可使用不同的装置(例如显示器)呈现。用户接口300可例如是网络接口、移动装置或其他软件应用程序。可在不同类型的装置(诸如移动电话、平板电脑或计算机)的显示器上提供用户接口300。一种可能性是在图形用户接口中的地图上，标记停车区域及它们的大小，以便驾驶员可轻松地检查合适的地方休息。可替代地，可以通过音频、书面或使用任何其他方式提供信息。
还可提供其他信息，诸如确定的可用性信息、安全性信息或其他驾驶员提供的信息。
在所有数据挖掘或机器学习中，常见的挑战是具有关于已知情况下模型的样子的知识，所谓的地面实况(ground truth)。一个建议是驾驶员自身可在地图上标记地点，其在对每个人可见之前可被回顾。驾驶员还可被要求标记可停留过夜的区域，并对它们评分，并写下关于它们的简短评论。换句话说，在一些实施方式中，该方法包括经由用户接口300，接收包括与停车区域相关联的信息的用户输入。
在另一示例中，有可能向用户指示在特定的位置中是否发生过许多事件/犯罪。这些信息可以从归档的警察报告获取，作为对驾驶员的评分的补充。
图7示出了根据示例性实施方式的控制装置200。控制装置1是车外系统，也被称为后端，典型地在外部服务器中实现，诸如车辆制造者处的服务器或云服务器。
在典型的实现中，控制装置200包括处理器210、通信接口220和存储器230。控制装置200可以进一步连接到，或包括，至少一个显示器，其中可生成用户接口300。
处理器210可包括处理线路的一个或多个例子，即，中央处理器(CPU)、处理单元、处理线路、处理器、专用集成电路(ASIC)、微处理器或其他可阐释和执行指令的处理逻辑。因此，在此利用的表达“处理器”可代表包括多个处理线路的处理电路，诸如例如，以上列举的那些的任何一个、一些或全部。
通信接口220配置成使得能够在控制装置200和外部装置之间通信。例如，通信接口220配置成使得能够在所述多个车辆100与控制装置200之间通信。通信接口220可以是标准的有线或无线通信接口。例如，通信接口配置成建立以太网连接或WiFi连接。通信接口220还可配置成使得能够与其他装置通信，诸如与在其中生成用户接口300的显示器，或与包括确定停车区域时使用的信息的外部数据库通信。
控制装置200，或更具体地，控制装置的处理器210，配置成执行以上和以下描述的方法的所有方面。这典型地是通过运行储存在控制电路中的所述一个或多个处理器210中的存储器230中的计算机程序代码完成。
上述计算机程序制品可以例如以承载计算机程序代码的数据载体的形式提供，其用于当被加载到控制装置200的处理器210中时，执行根据一些实施方式的步骤S1-S6(图5)中的至少一些。数据载体可以是例如，硬盘、CD ROM盘、记忆棒、光学储存装置、磁储存装置或任何其他适当的介质(诸如磁盘或磁带)，其可以非暂时性方式容纳机器可读数据。
更具体地，控制装置200配置成获得多个车辆100的位置数据。这典型地包括通过使用蜂窝网络建立的互联网连接，从所述多个车辆100接收数据。
控制装置200还配置成确定停靠点20，其中，一个停靠点是所述多个车辆100中的一个车辆与预定时间段相比停留更长时间的地理位置，如已经参照5解释的。
控制装置200还配置成基于停靠点20的地理空间接近度，聚集确定的停靠点20成为集群30，并且通过识别满足一个或多个预定标准的集群30，确定停车区域40，如已经参照5解释的。
在一些实施方式中，控制装置200配置成获得多个车辆100的位置数据，并基于该位置数据，确定停靠点20。位置数据是例如经由通信接口220，从所述多个车辆100获得。
在一些实施方式中，位置数据包括所述多个车辆100中的每一个的时间戳位置10的一个流，然后控制装置200配置成通过识别具有低于容差水平的空间间隔的时间戳位置10的序列，确定停靠点20。
在一些实施方式中，每个停靠点20还与限定车辆何时停留在停靠点20处的时间相关联，并且然后该聚集S3也基于时间的时间接近性。
在一些实施方式中，控制装置200配置成确定多于预定数量的停靠点20。
在一些实施方式中，控制装置200配置成基于位置数据和/或用户输入，确定与确定的停车区域40相关联的可用性信息。
在一些实施方式中，控制装置200配置成通过应用程序编程接口(API)，显露确定的停车区域。API可以是通过通信接口220可接入的外部API。
在一些实施方式中，控制装置200配置成经由用户接口300，向用户提供识别确定的停车区域的信息。用户接口300可在包括在控制装置200中的显示器处被提供。可替代地，它可以在经由通信接口220连接到控制装置200的显示器(例如移动电话或计算机的显示器)处被提供。
图8a示出了用于向用户提供识别确定的停车区域的信息的用户接口300(在移动电话80上演示)的示例性实现方式。如图8a中所示，停车区域可在地图上，例如在导航应用程序中，指示为可选图标301。
图8b示出了用于接收与确定的停车区域相关联的用户输入的用户接口300的示例性实现方式。例如当用户点击图8a中示出的可选图标301中的一个时，该用户接口可生成。用户接口可例如包括通过选择多个可选图标“安全”311或“不安全”312中的一个，用于评级或评分停车区域的一个部分310。用户接口还可包括一个部分320，在其中用户可阅读或提供关于停车区域的评论。新的评论可例如通过选择图标“新”321被登记。
如在附图中所示的实施方式的描述中使用的术语并不旨在限制描述的方法；控制装置或计算机程序。在不脱离由所附权利要求限定的发明实施方式的情况下，可进行各种改变、替换和/或变更。
如在此使用的，术语“和/或”包括一个或多个相关联的所列项目的任何和所有组合。如在此使用的术语“或”将被阐释为数学的或(OR)，即可兼析取；除非另有明确说明，否则不作为数学的异或(XOR)。另外，单数形式不定冠词和定冠词应被阐释为“至少一个”，因此，除非另外明确说明，否则还可能包括多个相同种类的实体。还将理解的是，术语“包括”、“包含”、“含有”和/或“包涵”指定存在陈述的特征、动作、部分、步骤、操作、元件和/或部件，但是不排除一个或多个其他特征、动作、部分、步骤、操作、元件和/或部件的存在或添加。单个单元，诸如例如处理器可满足权利要求中记述的几项功能。在互不相同的从属权利要求中记述的某些措施的单纯事实并不指示不能有利使用这些措施的组合。计算机程序可储存/分发在合适的介质上，诸如与其他硬件一起或作为其部分供应的光学储存介质或固态介质，但是也可以其他形式(诸如经由互联网或其他有线或无线通信系统)分发。

Claims (14)

1.一种用于识别停车区域(40)的方法，所述方法包括：
-确定(S2)多个车辆的停靠点(20)，其中，一个停靠点是所述多个车辆(100)中的一个车辆与预定时间段相比停留更长时间的地理位置，
-基于确定的停靠点(20)的地理位置的空间接近度，聚集(S3)确定的停靠点(20)成为集群(30)，以及
-通过识别满足一个或多个预定标准的所述集群中的一个或多个，确定(S4)停车区域(40)，
其中，所述预定标准包括以下的至少一个：
·所述集群的停靠点(20)的数量高于阈值，
·已经停留在集群处的车辆(1)属于多于预定数量的车辆所有者，
·已经停留在集群(30)处的不同单独的车辆的数量高于阈值，
·所述多个车辆(100)中的一个已经停留在集群(30)处的时间点频率在预定的频率间隔内，以及
由用户输入限定的其他标准。
2.根据权利要求1所述的方法，还包括：
-获得(S1)多个车辆(100)的位置数据；以及
其中，所述确定(S2)包括：基于位置数据，确定停靠点(20)。
3.根据权利要求2所述的方法，其中，位置数据包括所述多个车辆(100)中的每一个的时间戳位置(10)的一个流，并且其中，所述确定(S2)包括识别具有低于容差水平的空间间隔的时间戳位置(10)的序列。
4.根据前述权利要求中的任一项所述的方法，其中，每个停靠点(20)进一步与限定车辆何时停留在停靠点(20)处的时间相关联，并且其中，所述聚集(S3)还基于时间的时间接近度。
5.根据前述权利要求中的任一项所述的方法，其中，所述确定(S2)包括确定多于预定数量的停靠点(20)。
6.根据前述权利要求中的任一项所述的方法，进一步包括：
-基于位置数据和/或用户输入，确定(S5)与确定的停车区域(40)相关联的可用性信息。
7.根据前述权利要求中的任一项所述的方法，其中，所述方法还包括：
-经由用户接口(300)，向用户提供(S6)识别确定的停车区域的信息。
8.一种控制装置(200)，其配置成识别停车区域，所述控制装置被配置成：
-确定多个车辆的停靠点(20)，其中，一个停靠点是所述多个车辆(100)中的一个车辆与预定时间段相比停留更长时间的地理位置，
-基于停靠点(20)的地理位置的地理空间接近度，聚集确定的停靠点(20)成为集群(30)，以及
-通过识别满足一个或多个预定标准的所述集群(30)中的一个或多个，确定停车区域(40)，
其中，所述预定标准包括以下的至少一个：
·所述集群的停靠点(20)的数量高于阈值，
·已经停留在集群处的车辆(1)属于多于预定数量的车辆所有者，
·已经停留在集群(30)处的不同单独的车辆的数量高于阈值，
·所述多个车辆(100)中的一个已经停留在集群(30)处的时间点频率在预定的频率间隔内，以及
由用户输入限定的其他标准。
9.根据权利要求8所述的控制装置(100)，其中，所述控制装置(100)配置成：
-获得多个车辆(100)的位置数据，并基于所述位置数据，确定停靠点(20)。
10.根据权利要求9所述的控制装置(100)，其中，所述位置数据包括用于所述多个车辆(100)中的每一个的时间戳位置(10)的一个流，并且其中，控制装置(100)配置成，通过识别具有低于容差水平的空间间隔的时间戳位置(10)的序列，确定停靠点(20)。
11.根据权利要求8至10中任一项所述的控制装置(100)，其中，每个停靠点(20)还与限定车辆何时停留在停靠点(20)处的时间相关联，并且其中，所述聚集(S3)也基于停靠点(20)的时间点的时间接近度。
12.根据权利要求8至11中任一项所述的控制装置(100)，其中，所述控制装置配置成确定多于预定数量的停靠点(20)。
13.根据权利要求8至12中任一项所述的控制装置(100)，其中，所述控制装置(100)配置成：
-基于位置数据和/或用户输入，确定与确定的停车区域(40)相关联的可用性信息。
14.根据权利要求8至13中任一项所述的控制装置(100)，其中，所述控制装置(100)配置成：
-经由用户接口(300)，向用户提供识别确定的停车区域的信息。
CN201980015953.6A 2018-03-06 2019-03-04 用于停车区域的识别的方法和控制装置 Active CN111788617B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
SE1850238-5 2018-03-06
SE1850238A SE541634C2 (en) 2018-03-06 2018-03-06 Method and control arrangement for identification of parking areas
PCT/SE2019/050183 WO2019172823A1 (en) 2018-03-06 2019-03-04 Method and control arrangement for identification of parking areas

Publications (2)

Publication Number Publication Date
CN111788617A CN111788617A (zh) 2020-10-16
CN111788617B true CN111788617B (zh) 2022-10-14

Family

ID=67846283

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980015953.6A Active CN111788617B (zh) 2018-03-06 2019-03-04 用于停车区域的识别的方法和控制装置

Country Status (7)

Country Link
US (1) US11410554B2 (zh)
EP (1) EP3762912A4 (zh)
KR (1) KR102415293B1 (zh)
CN (1) CN111788617B (zh)
BR (1) BR112020014842A2 (zh)
SE (1) SE541634C2 (zh)
WO (1) WO2019172823A1 (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3772729B1 (en) * 2019-08-08 2022-08-31 Ningbo Geely Automobile Research & Development Co. Ltd. A method for preconditioning vehicles
US12111161B2 (en) 2020-02-24 2024-10-08 Schneider Enterprise Resources, LLC Systems and methods for generating trip plan
US12094339B2 (en) * 2020-02-24 2024-09-17 Schneider Enterprise Resources, LLC Systems and methods for parking suggestions
US12085400B2 (en) * 2020-05-27 2024-09-10 Rm Acquisition, Llc Routing system that incorporates hours of service into time estimates
JP7415822B2 (ja) * 2020-06-29 2024-01-17 トヨタ自動車株式会社 情報処理装置、情報処理システム、プログラム、及び車両
JP7363707B2 (ja) * 2020-08-03 2023-10-18 トヨタ自動車株式会社 情報処理装置、情報処理システム、情報処理プログラム、及び情報処理方法
US11934644B2 (en) * 2020-11-23 2024-03-19 Geotab Inc. Intelligent zoning
US20220335829A1 (en) * 2021-04-16 2022-10-20 Wejo Limited System and method for vehicle event data processing for identifying and updating parking areas
CN113361914B (zh) * 2021-06-04 2021-12-28 南京大学 一种危险废物运输风险管控预警的方法与系统
CN114141014B (zh) * 2021-11-30 2023-04-18 中寰卫星导航通信有限公司 一种停车场的确定方法、装置、设备及存储介质
US20230177958A1 (en) * 2021-12-07 2023-06-08 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for activation of intelligent parking availability functions
US11881109B2 (en) * 2021-12-27 2024-01-23 Here Global B.V. Method, apparatus, and system for providing in-parking navigation
CN115050210B (zh) * 2022-06-07 2023-10-20 杭州市城市大脑停车系统运营股份有限公司 基于时序预测的停车场智能诱导方法、系统及装置
CN115083161B (zh) * 2022-06-15 2023-08-04 平安国际融资租赁有限公司 车辆停留点的评估方法、装置、电子设备及可读存储介质
US20240203255A1 (en) * 2022-12-20 2024-06-20 Here Global B.V. System to predict vehicle parking bunching
CN116071954A (zh) * 2022-12-29 2023-05-05 北京中交兴路信息科技有限公司 车辆停靠区域的识别方法、装置、设备及存储介质

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009289174A (ja) 2008-05-30 2009-12-10 Aisin Aw Co Ltd 駐車場情報判断システムおよびプログラム
WO2010081547A1 (en) * 2009-01-14 2010-07-22 Tomtom International B.V. Navigation apparatus, server apparatus and method of collecting parking location information
TWI408340B (zh) 2009-07-27 2013-09-11 Htc Corp 導航路徑顯示方法、導航裝置及電腦程式產品
WO2012019628A1 (en) 2010-08-12 2012-02-16 Tomtom Germany Gmbh & Co. Kg Parking lot detection using probe data
US8606499B2 (en) 2011-12-16 2013-12-10 Navteq B.V. Method and apparatus for determining parking area location information
JP5886671B2 (ja) 2012-03-30 2016-03-16 株式会社ゼンリン 駐車場満空判定装置、判定方法およびそのためのプログラム
US8781735B2 (en) 2012-06-25 2014-07-15 Google Inc. Adaptive clustering of locations
JP6280299B2 (ja) * 2012-07-20 2018-02-14 矢崎エナジーシステム株式会社 運行情報収集システムの情報管理方法、及び、運行情報収集システム用管理装置
CN103594000B (zh) 2013-11-22 2016-03-02 天津大学 基于移动网络服务的停车位搜索平台
US20150177002A1 (en) 2013-12-24 2015-06-25 Mobydom Ltd. Method and system for generating a parking areas map based on signals from personal communication devices indicative of parking events
CN103903438B (zh) 2014-03-14 2015-10-28 深圳先进技术研究院 客运车辆违规停车地点识别方法及系统
US20160025503A1 (en) 2014-07-24 2016-01-28 Ford Global Technologies, Llc Vehicle parking management
US9508260B2 (en) * 2014-10-31 2016-11-29 Toyota Motor Engineering & Manufacturing North America, Inc. Method to improve parking space identification in autonomous driving
US9904932B2 (en) 2014-12-29 2018-02-27 Google Llc Analyzing semantic places and related data from a plurality of location data reports
US9697730B2 (en) * 2015-01-30 2017-07-04 Nissan North America, Inc. Spatial clustering of vehicle probe data
US9568335B2 (en) * 2015-01-30 2017-02-14 Nissan North America, Inc. Associating parking areas with destinations based on automatically identified associations between vehicle operating information and non-vehicle operating information
DE102015207804B4 (de) 2015-04-28 2017-03-16 Robert Bosch Gmbh Verfahren zum Erkennen von Parkflächen und/oder Freiflächen
US10096248B2 (en) * 2015-06-11 2018-10-09 Nissan North America, Inc. Parking lot mapping system
US10242574B2 (en) * 2016-03-21 2019-03-26 Uber Technologies, Inc. Network computer system to address service providers to contacts
DE102017206343A1 (de) * 2017-04-12 2018-10-18 Robert Bosch Gmbh Verfahren zum Ermitteln von Daten eines Verkehrsszenarios
EP3662431A4 (en) * 2017-08-01 2021-04-14 Balu Subramanya ADVANCED PARK MANAGEMENT SYSTEM
US10648831B2 (en) * 2017-08-31 2020-05-12 Here Global B.V. Method, apparatus, and computer program product for providing an indication of favorability of parking locations
US11526798B2 (en) * 2017-11-14 2022-12-13 International Business Machines Corporation Parking availability predictor

Also Published As

Publication number Publication date
SE541634C2 (en) 2019-11-19
KR20200098696A (ko) 2020-08-20
US20200410861A1 (en) 2020-12-31
US11410554B2 (en) 2022-08-09
KR102415293B1 (ko) 2022-06-30
CN111788617A (zh) 2020-10-16
WO2019172823A1 (en) 2019-09-12
EP3762912A4 (en) 2021-12-01
BR112020014842A2 (pt) 2020-12-08
EP3762912A1 (en) 2021-01-13
SE1850238A1 (en) 2019-09-07

Similar Documents

Publication Publication Date Title
CN111788617B (zh) 用于停车区域的识别的方法和控制装置
US10681498B2 (en) Standardization of addresses and location information
US9519658B2 (en) Determining the accuracy of map data
EP3165034B1 (en) Automatic geofence determination
CA2985509C (en) Determining street segment headings
US10323955B2 (en) Viewing, modifying, and/or creating routes
EP3335210B1 (en) Method and apparatus for providing parking availability detection based on vehicle trajectory information
CN106092113B (zh) 预行驶道路预估系统、方法、导航客户端及服务器
US9869557B2 (en) Determining the accuracy of map data and providing reports for same
US10894547B2 (en) Method, apparatus, and system for assessing safety and comfort systems of a vehicle
CN103050013B (zh) 基于车联网技术的车辆分级限速监控方法及其装置
CN109781123A (zh) 导航方法、装置及系统
WIjesinghe GPS Based Bus Tracking System
CN117007062A (zh) 行程轨迹数据的处理方法和装置及交通导航方法

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