CN114514413A - 用于预估车辆的速度分布图的方法 - Google Patents
用于预估车辆的速度分布图的方法 Download PDFInfo
- Publication number
- CN114514413A CN114514413A CN202080070719.6A CN202080070719A CN114514413A CN 114514413 A CN114514413 A CN 114514413A CN 202080070719 A CN202080070719 A CN 202080070719A CN 114514413 A CN114514413 A CN 114514413A
- Authority
- CN
- China
- Prior art keywords
- input data
- data
- vehicle
- data set
- journey
- 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 29
- 230000006399 behavior Effects 0.000 description 11
- 230000006855 networking Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 241000156302 Porcine hemagglutinating encephalomyelitis virus Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种用于预估车辆(2)的速度分布图(1)的方法,所述速度分布图表示沿着预定的行程(x)直至特定的展望范围(3)为止的未来速度变化过程。所述方法具有以下步骤:生成预估模型(4);将输入数据(5.1、5.2)输入到所述预估模型(4)中;基于包含在所述预估模型(4)中的至少一种算法从所述输入数据(5.1、5.2)中计算输出数据(6),其中所述输出数据(6)预估所述车辆(2)的速度分布图(1);从所述预估模型(4)输出所述输出数据(6)。所述输入数据(5.1、5.2)具有第一输入数据组(5.1.1、5.1.2、5.1.3)和第二输入数据组(5.2.1、5.2.2、5.2.3),在所述第一输入数据组中至少包含所述行程(x)的地理坐标(5.1.1),在所述第二输入数据组中包含不同的输入数据,即至少包含数字地图的位置信息(5.2.1);沿着所述行程(x)的平均交通流量数据(5.2.2);和/或联网车辆的速度分布图(5.2.3)。基于情形分析(6)在使用预定标准(11)的情况下来执行从所述第二输入数据组(5.2.1、5.2.2、5.2.3)中对所述输入数据的选择。
Description
技术领域
本发明涉及一种用于预估车辆的速度分布图的方法。
背景技术
了解未来的速度分布图对于动力系统的众多应用是重要的。例如,通过了解预期的行驶分布图轨迹(Fahrprofiltrajektorie)可以改善混合动力车辆、电动车辆和内燃机车辆的运行策略,将不同的车辆功能适配于单独的驾驶行为,并且估计用于所规划的路段的能量需求,以及估量不同的车辆状态(诸如温度)。对于这些应用,通常需要超过车载传感器系统(雷达、摄像机等)的有效范围的预估范围。为此,可以使用数字地图的属性(例如速度极限、弯道半径)。
可替代地,存在以下方案,其中基于联网车辆的所收集的轨迹来预估速度分布图(众包(Crowdsourcing))。
由于所使用的传感器系统(摄像机、雷达)的有效范围,由环境传感器系统限制预估范围。因为由于必要的制动过程而在众多的路段分段上不能达到最高速度,所以数字地图的属性仅有条件地适用于预测预期的速度分布图。此外,单独的驾驶员行为对速度分布图的水平有影响。
具有众包的联网方案的问题是,只有在所收集的行驶分布图可供使用、即在该点已经从其他车辆收集了速度分布图时,该方案才是可能的。然而,联网车辆的所收集的数据通常不在不同的汽车制造商之间被交换。
对于具有仍少量联网的车辆或在特定的销售市场上仅占有小市场份额的那些汽车制造商来说,这是问题。从而基于速度分布图预估的应用是不可能的或仅逐路段分段地是可能的。
联网解决方案的另一缺点是车辆联网的保证(“死点(Funklöcher)”)。因此不全面(flächendeckend)保证通过众包对速度分布图的预测。速度分布图的预测被用作运营策略的输入,以降低消耗和排放。然而,只有降低消耗和排放的措施(RDE消耗、生态创新(Eco-Innovationen))全面可供使用时,所述降低消耗和排放的措施才被立法者承认。
发明内容
本发明所基于的任务是提供一种用于预估车辆的速度分布图的方法和控制设备,所述方法和控制设备可以为所有路段分段提供可靠的速度预测。
该任务通过独立专利权利要求的主题来解决。在从属权利要求中描述本发明的有利实施方式。
本发明的第一方面涉及一种用于预估车辆的速度分布图的方法,其中所述速度分布图表示沿着预定的行程直至特定的展望范围为止的未来速度变化过程。所述方法具有以下步骤:生成预估模型;将输入数据输入到所述预估模型中;基于包含在所述预估模型中的至少一种算法从所述输入数据中计算输出数据(Abgabedaten),其中所述输出数据预估所述车辆的速度分布图;从所述预估模型输出所述输出数据。所述输入数据具有第一输入数据组和第二输入数据组,在所述第一输入数据组中至少包含所述行程的地理坐标,在所述第二输入数据组中包含不同的输入数据,即至少包含数字地图的位置信息;沿着所述行程的平均交通流量数据;和/或联网车辆的速度分布图。基于情形分析在使用预定标准的情况下来执行从所述第二输入数据组中对所述输入数据的选择。
在此,可以利用不同的数据源创建不同的模型。模型在精度方面不同。根据数据可用性和其他边界条件(例如可用的LTE联网),应该自动地选择最合适的模型。由此实现:不再存在不能为其提供预测的路段分段。
在一种实施例中,数字地图的位置信息具有来自以下组中的至少一个元素,所述组包含车辆的地理坐标;沿着行程的地图属性、诸如速度限制、交通信号灯、交通信号灯阶段、优先通行规则、交通标志、弯道半径和/或坡度。
在一种实施例中,沿着行程的平均交通流量数据表示当前交通流量或历史交通模式。
在一种实施例中,第一输入数据组附加地包含车辆数据,所述车辆数据具有来自以下组中的至少一个元素,所述组包含车辆的速度值;当前时间;交通信息频道数据、即TMC数据;通过车辆检测的温度、湿度、雨、雪和/或光滑性数据;通过车辆摄像机检测的图像或视频数据;以及通过车辆的亮度传感器检测的亮度数据。
在一种实施例中,第一输入数据组附加地包含基于过去的行驶生成的单独的驾驶行为数据,尤其是与交通流量、速度分位数或地图属性、诸如速度极限相比的驾驶员行为。
在根据本发明的方法的一种优选实施变型方案中,在情形分析时在使用所述预定标准的情况下至少考虑来自所述第二输入数据组的不同的输入数据的可用性和/或数据保护预设和/或通过使用来自所述第二输入数据组的不同的输入数据产生的成本和/或所述行程上的各自道路类别和/或来自所述第二输入数据组的不同的输入数据对预估的质量的影响。
优选地作为单独的方法步骤从第二输入数据组中选择输入数据,其中检验所提到的这些标准中的一个或多个。
来自第二输入数据组的不同的输入数据的可用性在这里优选地包括数据的瞬时或一般可用性。瞬时可用性可能例如受在时间和/或位置上引起的(bedingt)缺乏的无线电连接(例如死点)限制。作为一般可用性在这里概括:究竟是否存在相应的数据,也即例如是否已针对各自路段分段收集了速度分布图,这些数据是当前的还是过时的和/或可能的所收集的数据是否是可访问的。
例如为了访问这样的数据可能征收服务费。因此,优选地还可以考虑用于选择第二输入数据组的输入数据的产生的可能的成本。附加地,法律和/或个人数据保护预设可以限制从第二输入数据组中对输入数据的选择。
使用来自第二输入数据组的不同的输入数据的可用性和/或有用性此外可以与沿着行程的各自道路类别(例如乡间公路或高速公路)有关。
此外,在行驶期间可以确定出:基于第二输入数据组的特定输入数据的预估比在使用第二输入数据组的其他输入数据的情况下更精确。因此,在选择输入数据时也可以考虑预估的质量。
在一种实施例中,因此情形分析使用预定标准中的至少一个:
在无足够的移动数据连接的路段分段上选择第二输入数据组的输入数据,所述输入数据事先本地地已经被存储在所述车辆中或借助于交通信息频道(TMC)被接收;
在无足够的移动数据连接的路段分段上,选择所述第二输入数据组的输入数据,所述输入数据事先经由后端被加载;
在对其而言不存在或存在过时的所收集的速度分布图的路段分段上,选择数字地图的位置信息和/或沿着所述行程的平均交通流量数据;
在特定最小长度的展望范围的情况下,选择数字地图的位置信息和/或历史交通模式形式的平均交通流量数据;
在对其而言不存在平均交通流量数据和不存在速度分布图的路段分段上,选择数字地图的位置信息;
在乡间公路上,选择数字地图的位置信息和速度分布图;
在高速公路上,选择平均交通流量数据,优选地以与单独的驾驶行为数据组合的方式来选择;
如果在行驶期间确定出:基于所述第二输入数据组的特定输入数据的预估与所述第二输入数据组的其他输入数据相比是不精确的,则仅仅选择所述第二输入数据组的其他输入数据;
如果所述速度分布图的使用受数据保护准则限制或降低自身的数据保护偏好,则选择数字地图的位置信息和沿着所述行程的平均交通流量数据;
如果用于来自所述第二输入数据组的特定输入数据的服务费超过阈值,则选择来自所述第二输入数据组的其他输入数据。
在一种实施例中,从联网车辆的速度分布图中创建用于关于沿着所述行程的固定的位置点的所收集的速度分布图的分布。
在一种实施例中,第一输入数据组包含在当前时间点或沿着回溯范围的速度分布图。
本发明的第二方面涉及一种控制设备,所述控制设备被配置用于执行该方法。
指出的是,已经参照不同的发明主体描述了本发明的实施方式。尤其是,本发明的一些实施方式利用方法权利要求来描述,而本发明的其他实施方式利用设备权利要求来描述。然而,对于本领域技术人员而言在阅读本申请时将立即变得清楚的是,只要未明确地另外说明,除了属于发明主题的一种类型的特征的组合之外,属于发明主题的不同类型的特征的任意组合也是可能的。
附图说明
本发明的其他优点和特征由对优选实施方式的以下示例性描述得出。
图1示意性地示出车辆的速度分布图的预估,所述速度分布图表示沿着预定的行程直至特定的展望范围(Vorschauhorizont)为止的未来速度变化过程;和
图2示意性地示出根据一种实施例的用于预估车辆的速度分布图的方法的系统架构。
具体实施方式
图1示意性地示出车辆2的速度分布图1的预估,所述速度分布图表示沿着预定的行程x直至特定的展望范围3为止的未来速度变化过程。附图标记8表示沿行程x直至特定的回溯范围9为止的过去的速度变化过程。
图2示意性地示出根据一种实施例的用于预估车辆2的速度分布图1的方法的系统架构。利用该系统架构工作的方法具有以下步骤:生成预估模型4;将输入数据5.1、5.2输入到预估模型4中;从输入数据5.1、5.2中基于包含在预估模型4中的至少一种算法计算输出数据6,其中输出数据6预估车辆2的速度分布图1;以及从预估模型4输出输出数据6。
输入数据5.1、5.2包含第一输入数据组5.1.1、5.1.2、5.1.3,在所述第一输入数据组中至少包含行程(Fahrtroute)x的地理坐标5.1.1。车辆2的打算的路线(Route)x被用作输入并且可以通过驾驶员预先给定或通过智能算法确定。在当前时间点的或沿着回溯范围9的速度分布图此外可以与行程x的地理坐标5.1.1一起被输入到预估模型4中(在图2中未示出)。
第一输入数据组5.1.1、5.1.2、5.1.3附加地包含车辆数据5.1.2,所述车辆数据具有来自以下组中的至少一个元素,所述组包含车辆2的速度值;当前时间;交通信息频道数据、即TMC数据;通过车辆2检测的温度、湿度、雨、雪和/或光滑性数据(Glättedaten);通过车辆摄像机检测的图像或视频数据;以及通过车辆2的亮度传感器检测的亮度数据。
第一输入数据组5.1.1、5.1.2、5.1.3附加地包含基于过去的行驶生成的单独的(individuelle)驾驶行为数据5.1.3,尤其是与交通流量、速度分位数(Geschwindigkeitsquantilen)或地图属性、诸如速度极限相比的驾驶员行为。
第一输入数据组5.1.1、5.1.2、5.1.3的这些附加输入参量用于改善预测。从而,例如车辆数据5.1.2用于更精确地适配针对短展望范围、例如针对接下来的100 m的预测。
输入数据5.1、5.2包含第二输入数据组5.2.1、5.2.2、5.2.3,在所述第二输入数据组中包含不同的输入数据,即至少数字地图的位置信息5.2.1;沿着行程x的平均交通流量数据5.2.2;和/或联网车辆的速度分布图5.2.3。
数字地图的位置信息5.2.1可以本地地被存储在车辆2中(所谓的车载地图),或者所述位置信息可以通过移动无线电(例如LTE)从后端(诸如服务器)被加载(所谓的非车载(Offboard)地图)。数字地图的位置信息5.2.1具有来自以下组中的至少一个元素,所述组包含车辆2的地理坐标;沿着行程x的地图属性、诸如速度限制、交通信号灯、交通信号灯阶段(Ampelphasen)、优先通行规则、交通标志、弯道半径和/或坡度。
沿着行程x的平均交通流量数据5.2.2表示当前交通流量或历史交通模式。
从联网车辆的速度分布图5.2.3中可以创建用于关于固定的位置点的所收集的速度分布图5.2.3的分布。
基于情形分析10在使用预定标准11的情况下来选择来自第二输入数据组5.2.1、5.2.2、5.2.3的输入数据。来自第二输入数据组5.2.1、5.2.2、5.2.3的这些数据源中的至少一个是必要的,以便能够对于更长的展望范围3(例如几千米)执行速度预测。由机器学习算法使用这些数据源作为输入数据,并且可以从中预估沿着所规划的路线x的速度分布图1。作为预估模型4可以使用不同的方法(例如回归、神经网络、支持向量机、长短期记忆网络(LSTM)、递归卷积神经网络(RCNN)等)。可以基于预先给定的输入数据5.1、5.2和预先给定的输出数据6训练预估模型4。在此,可参数化的回溯范围9内的输入数据5.1、5.2也可以被用作输入。
预测的精度随着所使用的数据源的数量而增加,即尤其是从数字地图的位置信息5.2.1经由平均交通流量数据5.2.2朝向联网车辆的速度分布图5.2.3。在此,第二输入数据组5.2.1、5.2.2、5.2.3的所有输入数据或仅第二输入数据组5.2.1、5.2.2、5.2.3的输入数据的子组可以被用作输入。可以动态地选定第二输入数据组5.2.1、5.2.2、5.2.3的输入数据的选择,使得速度分布图1的预测在每个时间点均可用。下面描述第二输入数据组5.2.1、5.2.2、5.2.3的动态选择。
目的是在每个时间点和在每种情形下选择第二输入数据组5.2.1、5.2.2、5.2.3的适当的输入数据,并且从而能够随时确保可靠的速度预测。出于精度原因,理想的是使用第二输入数据组5.2.1、5.2.2、5.2.3的所有三个所提到的输入数据。根据情形有意义的是,仅使用第二输入数据组5.2.1、5.2.2、5.2.3的一个或两个特定输入数据。情形分析10使用预定标准11中的至少一个:
在无足够的移动数据连接(例如LTE)的路段分段(Streckenabschnitten)上,选择第二输入数据组5.2.1、5.2.2、5.2.3的输入数据,所述输入数据事先本地地已经被存储在车辆2中或借助于交通信息频道TMC被接收。在此可以是车载地图。在无足够的移动数据连接的路段分段上,也可以选择第二输入数据组5.2.1、5.2.2、5.2.3的输入数据,所述输入数据事先经由后端被加载。尤其是当例如通过可以部分地通过众包构成的网络覆盖地图,预先已知这些路段分段上的死点,则可能的是,经由后端将信息事先加载到车辆中。从而可以以预估方式下载交通信息、所收集的速度分布图或数字精确地图的图块。
在对其而言不存在或存在过时的所收集的速度分布图5.2.3的路段分段上选择数字地图(非车载或车载)的位置信息5.2.1和/或沿着行程x的平均交通流量数据5.2.2。
在特定最小长度(例如3 h)的展望范围3的情况下,选择数字地图的位置信息5.2.1和/或历史交通模式形式的平均交通流量数据5.2.2。用于相对遥远的未来的预测的可能应用例如是用于未来行驶的电动车辆的路线规划或电动和混合动力车辆的充电管理。
在对其而言不存在平均交通流量数据5.2.2和不存在速度分布图5.2.3的路段分段上选择数字地图(非车载或车载)的位置信息5.2.1。
在乡间公路上,选择数字地图的位置信息5.2.1和速度分布图5.2.3(必要时甚至过时的速度分布图)。在乡间公路上通常交通流量信息不可用。此外,单独的速度特别是通过弯道半径、可见度(例如可看到的弯道)和高度分布图(Höheprofil)确定。因此,交通流量通常具有小的影响,并且即使在可用性情况下也经常不足够精确(例如在弯道或盲区(unübersichtlichen Stellen)前降低速度),使得更好的是使用所收集的速度分布图5.2.3。由于交通影响小,因此所收集的速度分布图5.2.3也可以是过时的。
在高速公路上选择平均交通流量数据5.2.2,优选地以与来自第一输入数据组的单独的驾驶行为数据5.1.3组合的方式来选择。因为在高速公路上交通流量是当前的,所以在高速公路上,可以在考虑单独的驾驶行为数据5.1.3的情况下特别是鉴于平均交通流量数据5.2.2计算预测。
如果在行驶期间确定出基于第二输入数据组5.2.1、5.2.2、5.2.3的特定输入数据的预估与第二输入数据组5.2.1、5.2.2、5.2.3的其他输入数据相比是不精确的,则仅仅选择第二输入数据组5.2.1、5.2.2、5.2.3的其他输入数据。
如果速度分布图5.2.3的使用受数据保护准则限制或降低自身的数据保护偏好,则选择数字地图的位置信息5.2.1和沿着行程x的平均交通流量数据5.2.2。如果用于来自第二输入数据组5.2.1、5.2.2、5.2.3的特定输入数据的服务费超过阈值,则选择来自第二输入数据组5.2.1、5.2.2、5.2.3的其他输入数据。
通过来自第二输入数据组5.2.1、5.2.2、5.2.3的所选择的输入数据确保:在每种情形下速度预测均是可能的,并且因此速度预测可以被用作用于不同的应用的可靠输入参量。
来自第二输入数据组5.2.1、5.2.2、5.2.3的输入数据和相应的预估模型4可以根据数据可用性、精度、道路类别、用户偏好、应用目的和预估范围(Prädiktionshorizont)3动态地被选择。
还可以使用本发明用于实施用于HEV、EV或传统车辆的运行策略、用于操控废气后处理系统、用于提高导航算法的精度以及用于EV的路线应用。
还可以使用本发明用于根据速度预测来预估运行状态,以便例如积极地影响电驱动装置的降额行为(Derating-Verhalten)。最后,信息可以被储存在数字地图中。
附图标记列表
1 速度分布图
2 车辆
3 展望范围
4 预估模型
5.1 输入数据
5.1.1 地理坐标
5.1.2 车辆数据
5.1.3 单独的驾驶行为数据
5.2 输入数据
5.2.1 数字地图的位置信息
5.2.2 平均交通流量数据
5.2.3 联网车辆的速度分布图
6 输出数据
8 过去的速度变化过程
9 回溯范围
10 情形分析
11 预定标准。
Claims (8)
1.一种用于预估车辆(2)的速度分布图(1)的方法,所述速度分布图表示沿着预定的行程(x)直至特定的展望范围(3)为止的未来速度变化过程,其中所述方法具有以下步骤:
生成预估模型(4);
将输入数据(5.1、5.2)输入到所述预估模型(4)中;
基于包含在所述预估模型(4)中的至少一种算法从所述输入数据(5.1、5.2)中计算输出数据(6),其中所述输出数据(6)预估所述车辆(2)的速度分布图(1);
从所述预估模型(4)输出所述输出数据(6);
其中所述输入数据(5.1、5.2)具有第一输入数据组(5.1.1、5.1.2、5.1.3)和第二输入数据组(5.2.1、5.2.2、5.2.3),在所述第一输入数据组中至少包含所述行程(x)的地理坐标(5.1.1),在所述第二输入数据组中包含不同的输入数据,即至少包含数字地图的位置信息(5.2.1);沿着所述行程(x)的平均交通流量数据(5.2.2);和/或联网车辆的速度分布图(5.2.3);其中
基于所述情形分析(6)在使用预定标准(11)的情况下来执行从所述第二输入数据组(5.2.1、5.2.2、5.2.3)中对所述输入数据的选择。
2.根据前述权利要求所述的方法,其中数字地图的位置信息(5.2.1)具有来自以下组中的至少一个元素,所述组包含所述车辆(2)的地理坐标;沿着所述行程(x)的地图属性、诸如速度限制、交通信号灯、交通信号灯阶段、优先通行规则、交通标志、弯道半径和/或坡度;和/或
沿着所述行程(x)的平均交通流量数据(5.2.2)表示当前交通流量或历史交通模式。
3.根据前述权利要求中任一项所述的方法,其中所述第一输入数据组(5.1.1、5.1.2、5.1.3)附加地包含车辆数据(5.1.2),所述车辆数据具有来自以下组中的至少一个元素,所述组包含所述车辆(2)的速度值;当前时间;交通信息频道数据、即TMC数据;通过所述车辆(2)检测的温度、湿度、雨、雪和/或光滑性数据;通过车辆摄像机检测的图像或视频数据;以及通过所述车辆(2)的亮度传感器检测的亮度数据;和/或
所述第一输入数据组(5.1.1、5.1.2、5.1.3)附加地包含基于过去的行驶生成的单独的驾驶行为数据(5.1.3),尤其是与交通流量、速度分位数或地图属性、诸如速度极限相比的驾驶员行为。
4.根据前述权利要求中任一项所述的方法,其中在所述情形分析(6)时在使用所述预定标准(11)的情况下考虑
-来自所述第二输入数据组的不同的输入数据(5.2.1、5.2.2、5.2.3)的可用性,和/或
-数据保护预设和/或
-通过使用来自所述第二输入数据组的不同的输入数据(5.2.1、5.2.2、5.2.3)产生的成本,和/或
-所述行程(x)上的各自道路类别,和/或
-来自所述第二输入数据组的不同的输入数据(5.2.1、5.2.2、5.2.3)对所述预估的质量的影响。
5.根据前述权利要求中任一项所述的方法,其中所述情形分析(6)使用所述预定标准(11)中的至少一个:
在无足够的移动数据连接的路段分段上,选择所述第二输入数据组(5.2.1、5.2.2、5.2.3)的输入数据,所述输入数据事先本地地已经被存储在所述车辆(2)中或借助于交通信息频道(TMC)被接收;
在无足够的移动数据连接的路段分段上,选择所述第二输入数据组(5.2.1、5.2.2、5.2.3)的输入数据,所述输入数据事先经由后端被加载;
在对其而言不存在或存在过时的所收集的速度分布图(5.2.3)的路段分段上,选择数字地图的位置信息(5.2.1)和/或沿着所述行程(x)的平均交通流量数据(5.2.2);
在特定最小长度的展望范围(3)的情况下,选择数字地图的位置信息(5.2.1)和/或历史交通模式形式的平均交通流量数据(5.2.2);
在对其而言不存在平均交通流量数据(5.2.2)和不存在速度分布图(5.2.3)的路段分段上,选择数字地图的位置信息(5.2.1);
在乡间公路上,选择数字地图的位置信息(5.2.1)和所述速度分布图(5.2.3);
在高速公路上,选择所述平均交通流量数据(5.2.2),优选地以与根据权利要求3所述的单独的驾驶行为数据(5.1.3)组合的方式来选择;
如果在行驶期间确定出:基于所述第二输入数据组(5.2.1、5.2.2、5.2.3)的特定输入数据的预估与所述第二输入数据组的其他输入数据相比是不精确的,则仅仅选择所述第二输入数据组(5.2.1、5.2.2、5.2.3)的其他输入数据;
如果所述速度分布图(5.2.3)的使用受数据保护准则限制或降低自身的数据保护偏好,则选择数字地图的位置信息(5.2.1)和沿着所述行程(x)的平均交通流量数据(5.2.2);
如果用于来自所述第二输入数据组(5.2.1、5.2.2、5.2.3)的特定输入数据的服务费超过阈值,则选择来自所述第二输入数据组(5.2.1、5.2.2、5.2.3)的其他输入数据。
6.根据前述权利要求中任一项所述的方法,其中从联网车辆(2)的速度分布图(5.2.3)中创建用于关于沿着所述行程(x)的固定的位置点的所收集的速度分布图(5.2.3)的分布。
7.根据前述权利要求中任一项所述的方法,其中所述第一输入数据组(5.1.1、5.1.2、5.1.3)包含在当前时间点或沿着回溯范围(9)的速度分布图。
8.一种控制设备,所述控制设备被配置用于执行根据前述权利要求中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019215376.3 | 2019-10-08 | ||
DE102019215376.3A DE102019215376A1 (de) | 2019-10-08 | 2019-10-08 | Verfahren zur Prädiktion eines Geschwindigkeitsprofils eines Fahrzeugs |
PCT/EP2020/077962 WO2021069418A1 (de) | 2019-10-08 | 2020-10-06 | Verfahren zur prädiktion eines geschwindigkeitsprofils eines fahrzeugs |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114514413A true CN114514413A (zh) | 2022-05-17 |
Family
ID=73013363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080070719.6A Pending CN114514413A (zh) | 2019-10-08 | 2020-10-06 | 用于预估车辆的速度分布图的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20240053161A1 (zh) |
EP (1) | EP4042107A1 (zh) |
CN (1) | CN114514413A (zh) |
DE (1) | DE102019215376A1 (zh) |
WO (1) | WO2021069418A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022206914A1 (de) | 2022-07-06 | 2024-01-11 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Bestimmung einer geeigneten Kurvengeschwindigkeit von Fahrzeugen, Vorrichtung zur Durchführung desselben und dessen Verwendung |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509470A (zh) * | 2011-10-14 | 2012-06-20 | 北京掌城科技有限公司 | 基于动态路径规划实现车辆节能减排的系统和方法 |
CN103632540A (zh) * | 2012-08-20 | 2014-03-12 | 同济大学 | 基于浮动车数据的城市主干道交通运行信息处理方法 |
CN104044593A (zh) * | 2013-03-13 | 2014-09-17 | 福特环球技术公司 | 利用最佳速度曲线的路线导航 |
WO2019060938A1 (de) * | 2017-09-26 | 2019-04-04 | Avl List Gmbh | Verfahren und eine vorrichtung zum erzeugen eines dynamischen geschwindigkeitsprofils eines kraftfahrzeugs |
DE102017220420B3 (de) * | 2017-11-16 | 2019-04-18 | Continental Automotive Gmbh | Verfahren zum Erzeugen einer Verkehrsinformationssammlung, Verkehrsinformationssammlung, Sammeleinrichtung mit einer Verkehrsinformationssammlung und Fahrerassistenzeinrichtung |
CN110036424A (zh) * | 2016-12-12 | 2019-07-19 | 大陆汽车有限公司 | 用于预测未来的速度轨迹的速度信息的存储 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7221287B2 (en) * | 2002-03-05 | 2007-05-22 | Triangle Software Llc | Three-dimensional traffic report |
DE102004055275A1 (de) * | 2004-11-17 | 2006-05-18 | Robert Bosch Gmbh | Verfahren und System zur Optimierung der Funkübertragung von Daten zwischen einem Fahrzeug und einer externen Gegenstelle |
US7912628B2 (en) * | 2006-03-03 | 2011-03-22 | Inrix, Inc. | Determining road traffic conditions using data from multiple data sources |
US20120245756A1 (en) * | 2011-03-23 | 2012-09-27 | Tk Holdings Inc. | Driver assistance system |
US9286793B2 (en) * | 2012-10-23 | 2016-03-15 | University Of Southern California | Traffic prediction using real-world transportation data |
US10380509B2 (en) * | 2016-02-03 | 2019-08-13 | Operr Technologies, Inc. | Method and system for providing an individualized ETA in the transportation industry |
-
2019
- 2019-10-08 DE DE102019215376.3A patent/DE102019215376A1/de active Pending
-
2020
- 2020-10-06 US US17/766,433 patent/US20240053161A1/en active Pending
- 2020-10-06 WO PCT/EP2020/077962 patent/WO2021069418A1/de active Application Filing
- 2020-10-06 EP EP20796700.1A patent/EP4042107A1/de active Pending
- 2020-10-06 CN CN202080070719.6A patent/CN114514413A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509470A (zh) * | 2011-10-14 | 2012-06-20 | 北京掌城科技有限公司 | 基于动态路径规划实现车辆节能减排的系统和方法 |
CN103632540A (zh) * | 2012-08-20 | 2014-03-12 | 同济大学 | 基于浮动车数据的城市主干道交通运行信息处理方法 |
CN104044593A (zh) * | 2013-03-13 | 2014-09-17 | 福特环球技术公司 | 利用最佳速度曲线的路线导航 |
CN110036424A (zh) * | 2016-12-12 | 2019-07-19 | 大陆汽车有限公司 | 用于预测未来的速度轨迹的速度信息的存储 |
WO2019060938A1 (de) * | 2017-09-26 | 2019-04-04 | Avl List Gmbh | Verfahren und eine vorrichtung zum erzeugen eines dynamischen geschwindigkeitsprofils eines kraftfahrzeugs |
DE102017220420B3 (de) * | 2017-11-16 | 2019-04-18 | Continental Automotive Gmbh | Verfahren zum Erzeugen einer Verkehrsinformationssammlung, Verkehrsinformationssammlung, Sammeleinrichtung mit einer Verkehrsinformationssammlung und Fahrerassistenzeinrichtung |
Also Published As
Publication number | Publication date |
---|---|
EP4042107A1 (de) | 2022-08-17 |
US20240053161A1 (en) | 2024-02-15 |
DE102019215376A1 (de) | 2021-04-08 |
WO2021069418A1 (de) | 2021-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9604633B2 (en) | Travel support device, travel support method, and drive support system | |
CN110418940B (zh) | 用于预测车辆的未来驾驶条件的方法 | |
US9902392B2 (en) | Mobility information processing apparatus, mobility information processing method, and driving support system | |
CN106163862B (zh) | 用于行程规划的方法和计算机可读存储介质 | |
US9631940B2 (en) | Method and system for determining a route for efficient energy consumption | |
CN110036424B (zh) | 用于预测未来的速度轨迹的速度信息的存储 | |
JP5013211B2 (ja) | 運転評価システム及び運転評価プログラム | |
CN106891893B (zh) | 车辆模式确定 | |
US11584396B2 (en) | Method, system, and vehicle for preparing an energy forecast and determining an optimized driving behavior with respect to the energy forecast | |
CN106573624B (zh) | 用于运行机动车的方法、机动车和计算机程序 | |
US9487208B2 (en) | Travel support device, travel support method, and drive support system | |
EP2910442B1 (en) | Travel support device, travel support method, and drive support system | |
JP5920309B2 (ja) | 移動支援装置、移動支援方法、及び運転支援システム | |
JP2015157569A (ja) | 移動支援装置、移動支援方法、及び運転支援システム | |
CN113844451B (zh) | 行驶设备控制方法、装置、电子设备及存储介质 | |
WO2015045261A1 (en) | Travel support device, travel supporting method, and drive support system | |
US20160362098A1 (en) | Moving assist apparatus and method and driving assist system | |
CN103177562A (zh) | 一种获取交通状态预测所需信息的方法及装置 | |
CN106355915A (zh) | 一种用于提供行驶建议的方法和装置 | |
CN114802189A (zh) | 车辆的能耗控制方法、装置、车辆及存储介质 | |
EP4381244A1 (en) | Methods and systems for predicting an energy consumption of a vehicle for its travel along a defined route and for routing | |
CN110136438A (zh) | 基于人工智能的道路切换方法、装置、设备及存储介质 | |
KR102671687B1 (ko) | 차량의 주행 가능 거리를 추정하기 위한 방법 및 장치 | |
Elmorshedy et al. | Quantitative evaluation of the impacts of the time headway of adaptive cruise control systems on congested urban freeways using different car following models and early control results | |
CN114514413A (zh) | 用于预估车辆的速度分布图的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |