CN115230677A - 一种交通信息处理方法、装置、存储介质、控制器及车辆 - Google Patents

Abstract

本发明通过实施例公开了一种交通信息处理方法、装置、存储介质、控制器及车辆；利用车联网的车流数据、实时的导航数据、由图商定制的数据等，实现了目标车辆车道特性的动态判断；还通过模型参数拟合，进一步获得了相关路口的车辆通行模型；在预测目标车辆通行数据的基础上，结合自动启停系统的动作阈值，可避免车辆频繁的启动，改善了车辆的运行稳定性和零速度附近的加速度指标；此外，相关模型的参数可以通过实时数据进行优化，使得系统性能得到了进一步的提高。

Description

一种交通信息处理方法、装置、存储介质、控制器及车辆

技术领域

本发明属于智能车技术领域，尤其涉及一种交通信息处理方法、装置、存储介质、控制器及车辆。

背景技术

汽车发动机自动启停功能已经出现很多年了，但常常被车辆使用者弃置不用，究其缘由，顾虑重重：首先、发动机反复启动熄火会产生零速度附近额外的加速度；其次、频繁的启动会加大发动机的磨损；第三、发动机的停止可能需要切断大功率负载；第四、频繁启停未必较之怠速节省燃料；特殊工况下，如坡道、涉水及加油等，还可能导致不可挽回的损失。

发明内容

本发明实施例公开了一种交通信息处理方法、装置、存储介质、控制器及车辆一种交通信息处理方法；其方法包括第一信息采集步骤、第二信息预测步骤；其中，第一信息采集步骤用于获取第一交通流信息，该第一交通流信息则包括第二历史交通流信息、第三实时交通流信息。

具体地，其第三实时交通流信息还进一步包括第四地理定位信息，该第四地理定位信息则包括第一目标车辆Z的地理位置信息，该第一目标车辆Z为待预测其被迫安全停车时长的车辆。

进一步地，第二信息预测步骤获取第一目标车道在第一目标路口的第一禁止通行时间ts，该第一目标路口为第一目标车辆Z行进方向的首个带有红灯、执勤岗和/或停车概率大于零的路口，其第一目标车道为第一目标车辆Z拟通过第一目标路口的车道；其中，第一禁止通行时间ts为历史值；ts包括在第一目标车道距离第一目标路口预设距离内于第二历史交通流信息中的停车时长、统计值或仿真值，ts还包括第一目标车道的第一红灯配置时间t0或第二被迫强制停车时间t1；若第一禁止通行时间ts大于或等于预设的第一熄火时间阈值，则以第一熄火时间阈值为第一预测值（201）。

进一步地，其第一信息采集步骤还获取第一目标车道的队首最大停车时间TM，该TM为第二历史交通流信息中第一目标车道距离第一目标路口预设距离内车辆的最大停车时间；其第二信息预测步骤还包括输出第一预测值到车辆控制器或更新第一交通流信息用于进一步的处理；其中，若TM大于t0或TM大于t1，则以t0为第一预测值。

进一步地，该交通信息处理方法实施例还可包括第三启停控制步骤；其第三启停控制步骤获取车辆运行信息用于自动启停功能的决策；其中，第一禁止通行时间ts小于或等于第一红灯配置时间t0；其第一交通流信息可以来自地理信息系统GIS、交通信息数据源和/或实验室仿真数据源。

具体地，若第一预测值小于第一熄火时间阈值，则禁用第一目标车辆Z的自动启停功能。

进一步地，其第一交通流信息还可包括实时获取的路况信息，该路况信息包括积水路段存在标志WV、水位超限传感器告急标志WL，当车辆涉水深度或涉水水面波浪在预设时长内的高度超过预设涉水深度阈值或水位阈值，则将水位超限传感器告急标志WL置位；若积水路段存在标志WV和/或水位超限传感器告急标志WL有效，则关闭自动启停功能。

进一步地，其第二历史交通流信息包括历史测量数据，其第三实时交通流信息包括实车采集数据；其第四地理定位信息包括卫星定位数据；其第四地理定位信息还包括第一目标车辆Z在第一目标路口的第五队列状态信息；其中，第五队列状态信息包括第一目标路口的第一亮灯时刻T1（041）信息，即红灯亮起所有车辆开始减速停车的时刻；还包括第二稳停时刻T2（042）信息，即第一目标车辆Z（060）停稳的时刻；还包括第三预动时刻T3（043）信息，即绿灯亮起时第一目标路口（050）首台车开始起动的时刻；还包括第四复动时刻T4（044）信息，即第一目标车辆Z开始起动的时刻；

以第五队列状态信息为依据，拟合第一交通流信息中的历史数据，以拟合所得的函数或模型为依据，预测和/或输出第一目标车辆Z从停车到再次起步所经历的第一预测时间tp。

具体地，该交通信息处理方法，还可包括第四模型构造步骤；通过获取第一目标车辆Z与第一目标路口之间在第一目标车道上的车辆总数K，构造基于第一交通流信息（001）的第一预测模型；其中，第一预测模型的参数由第一交通流信息拟合后获得；其第一预测模型包括线性模型C =A·D2+B，A=－2/V，B=td；参数A与参数B采用最小二乘法拟合得到，V是当前车流速度，由第一交通流信息，D2为车流行驶平均间距。

进一步地，该交通信息处理方法还可包括第五动态优化步骤：以tp=t0+KC为第一预测模型；其中，t0即为第一目标车辆Z第一目标车道的第一红灯配置时间；通过比较第一目标车辆Z实际的停车时间tr与第一预测时间tp，得到第一预测误差E；以第一预测误差修正第一预测模型的参数；其中，该第一预测误差E的修正方法包括梯度下降法。

通过实施例，本发明还公开了一种交通信息处理装置，包括第一信息采集单元、第二信息预测单元；其中，第一信息采集单元获取第一交通流信息，该第一交通流信息包括第二历史交通流信息、第三实时交通流信息，其第三实时交通流信息还包括第四地理定位信息，该第四地理定位信息则包括第一目标车辆Z的地理位置信息，该第一目标车辆Z即为待预测其被迫安全停车时长的车辆。

进一步地，第二信息预测单元获取第一目标车道在第一目标路口的第一禁止通行时间ts，其第一目标路口为第一目标车辆Z行进方向的首个带有红灯、执勤岗和/或停车概率大于零的路口，其第一目标车道为第一目标车辆Z拟通过第一目标路口的车道；第一禁止通行时间ts为历史值；ts包括在第一目标车道距离第一目标路口预设距离内于第二历史交通流信息中的停车时长、统计值或仿真值，ts还可包括第一目标车道的第一红灯配置时间t0或第二被迫强制停车时间t1；若第一禁止通行时间ts大于或等于预设的第一熄火时间阈值，则以第一熄火时间阈值为第一预测值。

具体地，其第一信息采集单元还可获取第一目标车道的队首最大停车时间TM，该TM为第二历史交通流信息中第一目标车道距离第一目标路口预设距离内车辆的最大停车时间；该第二信息预测单元还可输出第一预测值到车辆控制器或更新第一交通流信息用于进一步的处理；其中，若TM大于t0或TM大于t1，则以t0为第一预测值。

进一步地，该实施例交通信息处理装置还可包括有第三启停控制单元；该第三启停控制单元通获取车辆运行信息用于自动启停功能的决策；其中，第一禁止通行时间ts小于或等于所述第一红灯配置时间t0；其第一交通流信息来自地理信息系统GIS、交通信息数据源和/或实验室仿真数据；若第一预测值小于第一熄火时间阈值，则禁用第一目标车辆Z（060）的自动启停功能；其第一交通流信息还可包括实时获取的路况信息，该路况信息包括积水路段存在标志WV、水位超限传感器告急标志WL，当车辆涉水深度或涉水水面波浪在预设时长内的高度超过预设涉水深度阈值或水位阈值，则将水位超限传感器告急标志WL置位；若积水路段存在标志WV和/或水位超限传感器告急标志WL有效，则关闭第一目标车辆Z的自动启停功能。

具体地，其第二历史交通流信息可包括历史测量数据，其第三实时交通流信息可包括实车采集数据；其第四地理定位信息可包括卫星定位数据；其第四地理定位信息还可包括第一目标车辆Z在第一目标路口的第五队列状态信息。

具体地，其第五队列状态信息包括第一目标路口的第一亮灯时刻T1，即红灯亮起所有车辆开始减速停车的时刻；还包括第二稳停时刻T2，即第一目标车辆Z停稳的时刻；还包括第三预动时刻T3，即绿灯亮起第一目标路口首台车开始起动的时刻；还包括第四复动时刻T4，即第一目标车辆Z开始起动的时刻。

进一步地，以该第五队列状态信息为依据，拟合第一交通流信息中的历史数据，以拟合所得的函数或模型为依据，预测和/或输出第一目标车辆Z从停车到再次起步所经历的第一预测时间tp。

进一步地，该交通信息处理装置还可包括第四模型构造单元；通过获取第一目标车辆Z与第一目标路口之间在第一目标车道上的车辆总数K，构造基于第一交通流信息的第一预测模型；其中，第一预测模型的参数由第一交通流信息拟合后获得。

具体地，其第一预测模型可以是线性模型C =A·D2+B，A=－2/V，B=td；其中，参数A与参数B采用最小二乘法拟合得到，V是当前车流速度，由第一交通流信息提供，D2为车流行驶平均间距。

进一步地，本实施例的交通信息处理装置，还可设置有第五动态优化单元：并可采用第一预测模型tp=t0+KC进行优化；其中，t0即为第一目标车辆Z第一目标车道的第一红灯配置时间。

进一步地，通过比较第一目标车辆Z实际的停车时间tr与第一预测时间tp，得到第一预测误差E；以第一预测误差E修正第一预测模型的参数；其中，第一预测误差E的修正方法包括梯度下降法。

进一步地，在采用相同发明构思的前提下，本发明实施例还公开了一种计算机存储介质、控制器和车辆，其存储介质包括用于存储计算机程序的存储介质本体；其计算机程序在被微处理器执行时，可实现上述方法的处理过程。

此外，其控制器可以包括以上任一交通信息处理装置；若第一预测值小于预设的阈值，则禁用第一目标车辆Z的自动启停功能、禁止车辆的启动和/或禁止车辆二次启动；其中，二次启动定义为发动机由启动状态熄火后再次点火的过程；该控制器还可包括一特殊工况检测模块，该特殊工况检测模块用于检测存在二次启动风险的待规避工况；具体地，该待规避工况包括涉水工况、爬坡工况等。

进一步地，上述方法和产品均可用于车辆的技术升级，其实现过程与上述产品类似，在此不再赘述。

综上所述，本发明利用车联网的车流数据、实时的导航数据、由图商定制的数据等，实现了目标车辆车道特性的动态判断；还通过模型参数拟合，进一步获得了相关路口的车辆通行模型；在预测目标车辆通行数据的基础上，结合自动启停系统的动作阈值，可避免车辆频繁的启动，改善了车辆的运行稳定性和零速度附近的加速度指标；此外，相关模型的参数可以通过实时数据进行优化，使得系统性能得到了进一步的提高。

需要说明的是，在本文中采用的“第一”、“第二”等类似的语汇，仅仅是为了描述技术方案中的各组成要素，并不构成对技术方案的限定，也不能理解为对相应要素重要性的指示或暗示；带有“第一”、“第二”等类似语汇的要素，表示在对应技术方案中，该要素至少包含一个。

附图说明

为了更加清晰地说明本发明的技术方案，利于对本发明的技术效果、技术特征和目的进一步理解，下面结合附图对本发明进行详细的描述，附图构成说明书的必要组成部分，与本发明的实施例一并用于说明本发明的技术方案，但并不构成对本发明的限制。

附图中的同一标号代表相同的部件，具体地：

图1为本发明实施例车辆队列初始模型示意图；

图2为本发明方法及产品实施例工作流程示意图；

图3为本发明方法实施例红灯等待时间预测模型示意图；

图4为本发明方法实施例红灯等待时间预测流程示意图；

图5为本发明方法及产品实施例红灯等待时间预测与实测对比图；

图6为本发明方法实施例流程示意图；

图7为本发明装置实施例组成结构示意图；

图8为本发明各产品实施例组成结构示意图一；

图9为本发明各产品实施例组成结构示意图二；

图10为本发明各产品实施例组成结构示意图三；

图11为本发明各产品实施例组成结构示意图四。

其中：

001-第一交通流信息，

002-第二历史交通流信息，

003-第三实时交通流信息，

004-第四地理定位信息，

006-停车线，其余未做标注，代表须达到车速为零的位置，

007-车辆运动标志，其余未做标注，代表车辆向路口方向的车速大于零，

008-红灯点亮时即将止于目标车道停车线前的车辆AAA，

009-红灯即将熄灭时驶入同一目标车道的车辆BBB，

010-车辆AAA与车辆BBB之间的某一车辆，其余未做标注，

011-目标车道红灯的灯时一，红灯点亮时刻的灯时，

012-目标车道红灯的灯时二，即将结束红灯时的灯时，

022-实际停车时间t，

033-第一预测时间tp，

040-第一目标车道，

041-第一亮灯时刻T1，

042-第二稳停时刻T2，

043-第三预动时刻T3，

044-第四复动时刻T4，

050-第一目标路口，仅标注了T1时刻的路口，

051-红灯读秒一，

052-红灯读秒二，

053-绿灯读秒一，

054-绿灯读秒二，

060-第一目标车辆Z，仅标注了T3时刻，其余时刻的未标注，

061-当前车流速度V，与车流密度相关，

062-一般车辆平均长度L，

063-车流行驶平均间距D2，与车流密度相关，

064-第一目标车辆Z自红灯开始减速到停止行驶的距离S，

065-停车时刻车辆与路口中心的距离X，

066-一般车辆停止时的前后车间距D1，

067-第一目标车辆Z到路口的前方车辆总数量K，

077-时间轴，

081-15s红灯仿真对比，

082-30s红灯仿真对比，

083-60s红灯仿真对比，

088-三组样本点（15s、30s、60s），

100-第一信息采集步骤，

200-第二信息预测步骤，

201-第二实时预测误差，

300-第三启停控制步骤，

301-第三启停控制信号，

400-第四模型构造步骤，

500-第五动态优化步骤，

555-第五队列状态信息，

610-第一信息采集单元，

620-第二信息预测单元，

630-第三启停控制单元，

640-第四模型构造单元，

650-第五动态优化单元，

900-车辆，

901-控制器，

902-交通信息处理装置，

903-存储介质，

904- GIS数据源或图商数据源，

905-存在信息交换的其它智能单元。

具体实施方式

下面结合附图和实施例，对本发明作进一步的详细说明。当然，下列描述的具体实施例只是为了解释本发明的技术方案，而不是对本发明的限定。此外，实施例或附图中表述的部分，也仅仅是本发明相关部分的举例说明，而不是本发明的全部。

如图1所示，由于存在上述的技术问题，导致部分驾驶员不愿意开启该功能，本实施例基于GPS及红绿灯信息实现了智能起停过程中的信息预测；可在具有一些交通流信息的情况下对于第一目标车辆Z在红灯中等待的时间Tr进行一个初步的预测；并通过建模，根据离线的数据进行参数辨识，最终得到离线预测模型后；进而再根据线上最新的数据进行参数迭代更新，最终得到预测时间的结果。

如上所示，有了预测时间Tp，驾驶员或者开发者可以设定一个阈值，如果预测时间Tp低于这个阈值，那么此次停车将不会触发启停功能，以减少非必要的停车次数，增加驾驶员的行驶体验。

下图2所示为正常交通状态下，车辆驶入路口的两种状态，AAA车为红灯刚刚亮起时驶入路口的车辆，此时AAA车与路口的距离非常小，BBB车为红灯即将结束时驶入路口的车辆，可以观察到，在一般状态下，红灯剩余时间或者说车辆在这个路口的停车时间与车辆距离路口距离存在负相关的关系；这也是本发明方法的主要依据。

进一步地，由于车辆红灯等待时间与路口距离存在负相关的关系，所以可以将图商通过GPS得到的相关地图交通流信息与电子控制单元ECU（Electronic Control Unit）内部车辆状态信息结合起来对车辆红灯等待时间进行预测，并对车辆状态进行控制，以提高驾驶员对于启停功能的使用体验。

具体地，如图2、图3所示，本发明实施例通过将红灯前车辆的自身状态以及周边环境状态模型化，建立出的车辆红灯等待时间预测模型场景。

模型中我们关注于四个时刻：

T1：第一亮灯时刻，即红灯亮起所有车辆开始减速停车的时刻；

T2：第二稳停时刻，即第一目标车辆Z停稳的时刻；

T3：第三预动时刻，即绿灯亮起第一辆车开始起动的时刻；

T4：第四复动时刻，即第一目标车辆Z开始起动的时刻。

由于我们预测的是第一目标车辆Z停止到起动的时间也就是T4-T2，根据上述时刻的定义，我们可以将T4-T2展开为(T4-T3)+(T3-T1)-(T2-T1)。

其中T4-T3为总体车辆启动时间，又因为第一目标车辆Z到路口的前方车辆数量K可以由车长L、车辆停止时的车辆间距D1、停车时刻车辆与路口中心的距离X计算得到： K=X/（L+D1）。

所以根据模型参数可得总体车辆启动时间为：T4-T3=K·td=（X/（L+D1））·td。

T3-T1为红绿灯配置时间，根据模型参数可得：T3-T1=t0。

T2-T1为所有车辆停稳需要的时间，又因为每辆车的间距为D2，所以第一目标车辆Z做匀减速直线运动直到停下所需要的时间记为tsp，

又因为位移公式S=V·tsp-a·（tsp）^2可得到tsp的表达式即：tsp=2S/V。

又因为S=KD2，所以第一目标车辆Z从减速到停稳需求的时间根据模型参数可得：

T2-T1=tsp=（2KD2）/V=（X·2D2）/（（L+D1）·V）；

综合上式，最终推导出车辆红灯等待时间预测模型公式如下：

tp=T4-T2=t0+（X·（td-（2D2）/V））/（L+D1）。

其中：

t0为红灯配置时长；

L为一般车辆平均长度；

td为一般平均启动时间；

V为当前车流速度，与车流密度相关；

D1为一般车辆停止时的前后车间距；

D2为车流行驶平均间距，也与车流密度相关；

X为停车时刻车辆与路口中心的距离；

K为第一目标车辆Z到路口的前方车辆总数量；

S为第一目标车辆Z自红灯开始减速到停止行驶的距离。

本发明实施例在虚拟车辆实验室建立相关的交通场景仿真模型，共设置了9个路口，其中红绿灯配置时长分别设置为15s、30s以及60s；通过设置相应的车辆在场景中行驶，并选取其中10辆采集其行驶数据，车速、停车时刻车辆与路口中心的距离、实际停车时间等车辆相关状态数据。对这些历史数据进行处理后，可对车辆模型进行离线的参数辨识。

由于停车时刻车辆与路口中心的距离X、车长L、一般车辆停止时的前后车间距D1均可由历史数据得知，所以可以将模型简化为：

tp=t0+K·（td-（2D2）/V）=t0+KC；其中，C=（td-（2D2）/V）。

即认为C是与D2相关的线性函数，C =A·D2+B，A=－2/V，B=td。

由上式可知，仿真场景中采集得到的相关历史数据，例如停车时间tr等带入到上式中，并采用最小二乘法进行拟合即可得到A、B的值，最终得到整个模型的初始参数。

进一步地，将参数V以及td代入到原式中，可以得到车辆红灯等待时间预测模型，将该模型参数输入到ECU软件的模型中，并集成编译后即可实现相关的车辆控制。

此外，基于实际的停车时间与预测时间的误差E对于之前拟合得到的相应参数可进行实时的优化修正。

具体地，如图6所示，本发明实施例的交通信息处理方法，包括第一信息采集步骤100、第二信息预测步骤200；其中，第一信息采集步骤100获取第一交通流信息001，第一交通流信息001还包括第二历史交通流信息002、第三实时交通流信息003，其第三实时交通流信息003还包括第四地理定位信息004，其第四地理定位信息004包括第一目标车辆Z即060的地理位置信息，其第一目标车辆Z即060为待预测其被迫安全停车时长的车辆。

进一步地，如图3及图6所示，第二信息预测步骤200通过获取第一目标车道040在第一目标路口050的第一禁止通行时间ts，其第一目标路口050为第一目标车辆Z即060行进方向的首个带有红灯、执勤岗和/或停车概率大于零的路口，该第一目标车道040为第一目标车辆Z即060拟通过第一目标路口050的车道；其第一禁止通行时间ts为历史值；ts包括在第一目标车道040距离第一目标路口050预设距离内于第二历史交通流信息002中的停车时长、统计值或仿真值，ts还包括第一目标车道040的第一红灯配置时间t0或第二被迫强制停车时间t1；若第一禁止通行时间ts大于或等于预设的第一熄火时间阈值，则以第一熄火时间阈值为第一预测值201。

进一步地，如图6所示，本发明实施例的第一信息采集步骤100还获取第一目标车道040的队首最大停车时间TM，其TM为第二历史交通流信息002中第一目标车道040距离第一目标路口050预设距离内车辆的最大停车时间。

具体地，第二信息预测步骤200还可包括输出第一预测值201到车辆控制器901或更新第一交通流信息001用于进一步的处理；其中，若TM大于t0或TM大于t1，则以t0为第一预测值201。

进一步地，本发明方法实施例还包括第三启停控制步骤300；该第三启停控制步骤300获取车辆运行信息用于自动启停功能的决策；其中，第一禁止通行时间ts小于或等于第一红灯配置时间t0；其第一交通流信息001可以是来自地理信息系统GIS、交通信息数据源和/或实验室的测量或仿真数据。

进一步地，若第一预测值201小于所述第一熄火时间阈值，则禁用第一目标车辆Z，即060的自动启停功能。

进一步地，该第一交通流信息001还可包括实时获取的路况信息，其路况信息可包括积水路段存在标志WV、水位超限传感器告急标志WL，当车辆涉水深度或涉水水面波浪在预设时长内的高度超过预设涉水深度阈值或水位阈值，则将水位超限传感器告急标志WL置位；若积水路段存在标志WV和/或水位超限传感器告急标志WL有效，则关闭第一目标车辆Z的自动启停功能。

具体地，其第二历史交通流信息002可以是历史测量数据101，其第三实时交通流信息003则包括实车采集数据102；其第四地理定位信息004可以是卫星定位数据；其第四地理定位信息004还可包括第一目标车辆Z即060在第一目标路口050的第五队列状态信息555；该第五队列状态信息555包括第一目标路口050的第一亮灯时刻T1，代号041，即红灯亮起所有车辆开始减速停车的时刻；还包括第二稳停时刻T2代号042，即第一目标车辆Z，即060停稳的时刻；还包括第三预动时刻T3，代号043，即绿灯亮起且第一目标路口050首台车开始起动的时刻；还包括第四复动时刻T4，代号044，即第一目标车辆Z，即060开始起动的时刻。

进一步地，如图3所示，以第五队列状态信息555为依据，拟合第一交通流信息001中的历史数据，以拟合所得的函数或模型为依据，预测和/或输出第一目标车辆Z，即060从停车到再次起步所经历的第一预测时间tp。

进一步地，如图6所示，本方法实施例还包括第四模型构造步骤400；通过获取第一目标车辆Z，即060与第一目标路口050之间在第一目标车道040上的车辆总数K，

构造基于第一交通流信息001的第一预测模型；其中，该第一预测模型的参数由第一交通流信息001拟合后获得。

具体地，其第一预测模型可以是线性模型C =A·D2+B，A=－2/V，B=td；其中，参数A与参数B可采用最小二乘法拟合得到，V是当前车流速度，可由第一交通流信息001提供，D2为第一目标车辆Z所在车流的行驶平均间距。

进一步地，如图6所示，本方法实施例还包括第五动态优化步骤500：若以tp=t0+KC为第一预测模型；其中，t0即为第一目标车辆Z，即060所在第一目标车道040的第一红灯配置时间；可通过比较第一目标车辆Z即060实际的停车时间tr与第一预测时间tp，可得到第一预测误差E；再以第一预测误差E修正第一预测模型的参数；其中，第一预测误差E的修正方法可以采用梯度下降法。

如图7所示，本发明实施例还公开了一种交通信息处理装置，包括第一信息采集单元610、第二信息预测单元620；其中，第一信息采集单元610获取第一交通流信息001，该第一交通流信息001还包括第二历史交通流信息002、第三实时交通流信息003，其第三实时交通流信息003还包括第四地理定位信息004，该第四地理定位信息004包括第一目标车辆Z即060的地理位置信息；同样，该第一目标车辆Z即060为待预测其被迫安全停车时长的车辆。

进一步地，如图6所示，其第二信息预测单元620获取第一目标车道040在第一目标路口050的第一禁止通行时间ts，该第一目标路口050为第一目标车辆Z即060行进方向的首个带有红灯、执勤岗和/或停车概率大于零的路口，其第一目标车道040为第一目标车辆Z即060拟通过第一目标路口050的车道；该第一禁止通行时间ts为历史值；该ts包括在第一目标车道040距离第一目标路口050预设距离内于第二历史交通流信息002中的停车时长、统计值或仿真值，其ts还包括第一目标车道040的第一红灯配置时间t0或第二被迫强制停车时间t1；若第一禁止通行时间ts大于或等于预设的第一熄火时间阈值，则以该第一熄火时间阈值为第一预测值201。

进一步地，如图7-11所示，本实施例的交通信息处理装置，其中第一信息采集单元610还可获取第一目标车道040的队首最大停车时间TM，其TM为第二历史交通流信息002中第一目标车道040距离第一目标路口050预设距离内车辆的最大停车时间；其第二信息预测单元620还可输出第一预测值201到车辆控制器901或更新第一交通流信息001用于进一步的处理；其中，若TM大于t0或TM大于t1，则以t0为第一预测值201。

进一步地，本装置实施例还可包括第三启停控制单元630；其第三启停控制单元630获取车辆运行信息用于自动启停功能的决策；其中，第一禁止通行时间ts小于或等于第一红灯配置时间t0；其第一交通流信息001来自地理信息系统GIS、交通信息数据源和/或实验室仿真数据；若第一预测值201小于第一熄火时间阈值，则禁用第一目标车辆Z，即060的自动启停功能。

进一步地，其第一交通流信息001还可包括实时获取的路况信息，该路况信息包括积水路段存在标志WV、水位超限传感器告急标志WL，当车辆涉水深度或涉水水面波浪在预设时长内的高度超过预设涉水深度阈值或水位阈值，则将水位超限传感器告急标志WL置位；若积水路段存在标志WV和/或水位超限传感器告急标志WL有效，则关闭第一目标车辆Z即060的自动启停功能。

具体地，如图1、如图4所示，其第二历史交通流信息002可以是历史测量数据101，其第三实时交通流信息003可以是实车采集数据102；其第四地理定位信息004可以是卫星定位数据。

其中，如图3所示，其第四地理定位信息004还可包括第一目标车辆Z即060在第一目标路口050的第五队列状态信息555；其第五队列状态信息555可以是第一目标路口050的第一亮灯时刻T1，代号041，即红灯亮起所有车辆开始减速停车的时刻；还可包括第二稳停时刻T2，代号042，即第一目标车辆Z，即060停稳的时刻；还可包括第三预动时刻T3，代号043，即绿灯亮起第一目标路口050首台车开始起动的时刻；还包括第四复动时刻T4，代号044，即第一目标车辆Z，即060开始起动的时刻。

具体地，以第五队列状态信息555为依据，可拟合第一交通流信息001中的历史数据，以拟合所得的函数或模型为依据，预测和/或输出其第一目标车辆Z，即060从停车到再次起步所经历的第一预测时间tp。

进一步地，如图7所示，本发明装置实施例还可包括第四模型构造单元640；通过获取第一目标车辆Z，即060与第一目标路口050之间在第一目标车道040上的车辆总数K，并构造基于第一交通流信息001的第一预测模型；其中，该第一预测模型的参数可由第一交通流信息001拟合后获得。

具体地，第一预测模型可以是线性模型C =A·D2+B，A=－2/V，B=td；其中，参数A与参数B可采用最小二乘法拟合得到，V是当前车流速度，由第一交通流信息001提供，D2为车流行驶平均间距。

进一步地，如图7所示，本发明装置实施例还可包括第五动态优化单元650：并采用第一预测模型tp=t0+KC进行优化；其中，t0即为第一目标车辆Z即060的第一目标车道040的第一红灯配置时间。

具体地，可通过比较第一目标车辆Z，即060实际的停车时间tr与第一预测时间tp，得到第一预测误差E；并以该第一预测误差E修正第一预测模型的参数；其中，第一预测误差E的修正方法可以是梯度下降法。

进一步地，如图2、图8至图11所示，本发明实施例还给出了一种计算机存储介质、一种控制器即一种车辆的组成结构；其存储介质包括用于存储计算机程序的存储介质本体；使得计算机程序在被微处理器执行时，可以实现本发明所公开的相关方法；类似的，其控制器，包括可以由上述任一交通信息处理装置构成，若第一预测值201小于预设的阈值，则须禁用第一目标车辆Z，即060的自动启停功能，或是禁止车辆的启动和/或二次启动功能；此处的二次启动定义为发动机由启动状态熄火后再次点火的过程；此外，还可采用一特殊工况检测模块，并将该特殊工况检测模块用于检测存在二次启动风险的待规避工况，例如涉水工况。

如图7-图11所示，对于采用上述装置、存储介质或控制器的车辆，其自然也落入本发明保护的范围，其信息处理过程和方法与上述产品实施例类似，在此不再赘述。

基于本发明实施例的预测方法和产品，能够结合图商提供的信息与控制器，如ECU原有的功能，对车辆的起停功能进行合理的控制，基于交通路口的模型与历史停车数据可以建立车辆网V2X（veichle to X）信息与停车时间的预测关系。

进一步地，再经过在线修正还可得到第一目标车辆Z预测停车时间，从而可以标定开发人员或者驾驶员对于停车时间的阈值，小于阈值的情况下即禁止自动启停功能，从而有效减少驾驶过程中无效的停车，能够节省部分燃油并且增加驾驶员的驾驶体验。

如图5所示，在仿真模型得到相关数据后，选取一部分作为验证数据集，剩余的作为样本集拟合得到相应参数后，代入得到预测模型；然后选择验证集进行验证，可以得到其验证结果；如图5所示，本发明实施例基于驾驶员体验初步设置10s以下停车为无效停车，设置10s为阈值，预测时间与实际停车时间均大于或者均小于10s认为预测正确，基于标准验证得到算法正确率为86.87%。

需要说明的是，上述实施例仅是为了更清楚地说明本发明的技术方案，本领域技术人员可以理解，本发明的实施方式不限于以上内容，基于上述内容所进行的明显变化、替换或替代，均不超出本发明技术方案涵盖的范围；在不脱离本发明构思的情况下，其它实施方式也将落入本发明的范围。

Claims (16)

1.一种交通信息处理方法，其特征在于，包括：第一信息采集步骤（100）、第二信息预测步骤（200）；

其中，所述第一信息采集步骤（100）获取第一交通流信息（001），所述第一交通流信息（001）包括第二历史交通流信息（002）、第三实时交通流信息（003），所述第三实时交通流信息（003）包括第四地理定位信息（004），所述第四地理定位信息（004）包括第一目标车辆Z（060）的地理位置信息，所述第一目标车辆Z（060）为待预测其被迫安全停车时长的车辆；

所述第二信息预测步骤（200）获取第一目标车道（040）在第一目标路口（050）的第一禁止通行时间ts，所述第一目标路口（050）为所述第一目标车辆Z（060）行进方向的首个带有红灯、执勤岗和/或停车概率大于零的路口，所述第一目标车道（040）为所述第一目标车辆Z（060）拟通过所述第一目标路口（050）的车道；所述第一禁止通行时间ts为历史值；ts包括在所述第一目标车道（040）距离所述第一目标路口（050）预设距离内于所述第二历史交通流信息（002）中的停车时长、统计值或仿真值，ts还包括所述第一目标车道（040）的第一红灯配置时间t0或第二被迫强制停车时间t1；若所述第一禁止通行时间ts大于或等于预设的第一熄火时间阈值，则以所述第一熄火时间阈值为第一预测值（201）。

2.如权利要求1的所述交通信息处理方法，其中：

所述第一信息采集步骤（100）还获取所述第一目标车道（040）的队首最大停车时间TM，TM为所述第二历史交通流信息（002）中所述第一目标车道（040）距离所述第一目标路口（050）预设距离内车辆的最大停车时间；

所述第二信息预测步骤（200）还包括输出所述第一预测值（201）到车辆控制器（901）或更新所述第一交通流信息（001）用于进一步的处理；其中，若TM大于t0或TM大于t1，则以t0为所述第一预测值（201）。

3.如权利要求1的所述交通信息处理方法，还包括：第三启停控制步骤（300）；

所述第三启停控制步骤（300）获取车辆运行信息用于自动启停功能的决策；其中，所述第一禁止通行时间ts小于或等于所述第一红灯配置时间t0；所述第一交通流信息（001）来自地理信息系统GIS、交通信息数据源和/或实验室仿真数据；

若所述第一预测值（201）小于所述第一熄火时间阈值，则禁用所述第一目标车辆Z（060）的自动启停功能。

4.如权利要求3的所述交通信息处理方法，其中：

所述第一交通流信息（001）还包括实时获取的路况信息，所述路况信息包括积水路段存在标志WV、水位超限传感器告急标志WL，当车辆涉水深度或涉水水面波浪在预设时长内的高度超过预设涉水深度阈值或水位阈值，则将所述水位超限传感器告急标志WL置位；

若所述积水路段存在标志WV和/或所述水位超限传感器告急标志WL有效，则关闭所述自动启停功能。

5.如权利要求3的所述交通信息处理方法，其中：

所述第二历史交通流信息（002）包括历史测量数据（101），所述第三实时交通流信息（003）包括实车采集数据（102）；所述第四地理定位信息（004）包括卫星定位数据；

所述第四地理定位信息（004）还包括所述第一目标车辆Z（060）在所述第一目标路口（050）的第五队列状态信息（555）；

所述第五队列状态信息（555）包括：所述第一目标路口（050）的第一亮灯时刻T1（041），即红灯亮起所有车辆开始减速停车的时刻；还包括第二稳停时刻T2（042），即所述第一目标车辆Z（060）停稳的时刻；还包括第三预动时刻T3（043），即绿灯亮起所述第一目标路口（050）首台车开始起动的时刻；还包括第四复动时刻T4（044），即所述第一目标车辆Z（060）开始起动的时刻；

以所述第五队列状态信息（555）为依据，拟合所述第一交通流信息（001）中的历史数据，以拟合所得的函数或模型为依据，预测和/或输出所述第一目标车辆Z（060）从停车到再次起步所经历的第一预测时间tp。

6.如权利要求5的所述交通信息处理方法，还包括第四模型构造步骤（400）；

获取所述第一目标车辆Z（060）与所述第一目标路口（050）之间在所述第一目标车道（040）上的车辆总数K，K为自然数；

构造基于所述第一交通流信息（001）的第一预测模型；其中，所述第一预测模型的参数由所述第一交通流信息（001）拟合后获得；

所述第一预测模型包括线性模型C =A·D2+B，A=－2/V，B=td；其中，参数A与参数B采用最小二乘法拟合得到，V是当前车流速度，由所述第一交通流信息（001）提供，D2为车流行驶平均间距。

7.如权利要求6的所述交通信息处理方法，还包括第五动态优化步骤（500）：

以tp=t0+KC为所述第一预测模型；其中，t0即为所述第一目标车辆Z（060）所述第一目标车道（040）的第一红灯配置时间；

比较所述第一目标车辆Z（060）实际的停车时间tr与所述第一预测时间tp，得到第一预测误差E；以所述第一预测误差修正所述第一预测模型的参数；其中，所述第一预测误差E的修正方法包括梯度下降法。

8.一种交通信息处理装置，包括：第一信息采集单元（610）、第二信息预测单元（620）；

其中，所述第一信息采集单元（610）获取第一交通流信息（001），所述第一交通流信息（001）包括第二历史交通流信息（002）、第三实时交通流信息（003），所述第三实时交通流信息（003）包括第四地理定位信息（004），所述第四地理定位信息（004）包括第一目标车辆Z（060）的地理位置信息，所述第一目标车辆Z（060）为待预测其被迫安全停车时长的车辆；

所述第二信息预测单元（620）获取第一目标车道（040）在第一目标路口（050）的第一禁止通行时间ts，所述第一目标路口（050）为所述第一目标车辆Z（060）行进方向的首个带有红灯、执勤岗和/或停车概率大于零的路口，所述第一目标车道（040）为所述第一目标车辆Z（060）拟通过所述第一目标路口（050）的车道；所述第一禁止通行时间ts为历史值；ts包括在所述第一目标车道（040）距离所述第一目标路口（050）预设距离内于所述第二历史交通流信息（002）中的停车时长、统计值或仿真值，ts还包括所述第一目标车道（040）的第一红灯配置时间t0或第二被迫强制停车时间t1；若所述第一禁止通行时间ts大于或等于预设的第一熄火时间阈值，则以所述第一熄火时间阈值为第一预测值（201）。

9.如权利要求8的所述交通信息处理装置，其中：

所述第一信息采集单元（610）还获取所述第一目标车道（040）的队首最大停车时间TM，TM为所述第二历史交通流信息（002）中所述第一目标车道（040）距离所述第一目标路口（050）预设距离内车辆的最大停车时间；

所述第二信息预测单元（620）还输出所述第一预测值（201）到车辆控制器（901）或更新所述第一交通流信息（001）用于进一步的处理；其中，若TM大于t0或TM大于t1，则以t0为所述第一预测值（201）。

10.如权利要求8的所述交通信息处理装置，还包括：第三启停控制单元（630）；

所述第三启停控制单元（630）获取车辆运行信息用于自动启停功能的决策；其中，所述第一禁止通行时间ts小于或等于所述第一红灯配置时间t0；所述第一交通流信息（001）来自地理信息系统GIS、交通信息数据源和/或实验室仿真数据；

若所述第一预测值（201）小于所述第一熄火时间阈值，则禁用所述第一目标车辆Z（060）的自动启停功能；

所述第一交通流信息（001）还包括实时获取的路况信息，所述路况信息包括积水路段存在标志WV、水位超限传感器告急标志WL，当车辆涉水深度或涉水水面波浪在预设时长内的高度超过预设涉水深度阈值或水位阈值，则将所述水位超限传感器告急标志WL置位；若所述积水路段存在标志WV和/或所述水位超限传感器告急标志WL有效，则关闭所述自动启停功能。

11.如权利要求10的所述交通信息处理装置，其中：

所述第二历史交通流信息（002）包括历史测量数据（101），所述第三实时交通流信息（003）包括实车采集数据（102）；所述第四地理定位信息（004）包括卫星定位数据；

所述第四地理定位信息（004）还包括所述第一目标车辆Z（060）在所述第一目标路口（050）的第五队列状态信息（555）；

所述第五队列状态信息（555）包括：所述第一目标路口（050）的第一亮灯时刻T1（041），即红灯亮起所有车辆开始减速停车的时刻；还包括第二稳停时刻T2（042），即所述第一目标车辆Z（060）停稳的时刻；还包括第三预动时刻T3（043），即绿灯亮起所述第一目标路口（050）首台车开始起动的时刻；还包括第四复动时刻T4（044），即所述第一目标车辆Z（060）开始起动的时刻；

以所述第五队列状态信息（555）为依据，拟合所述第一交通流信息（001）中的历史数据，以拟合所得的函数或模型为依据，预测和/或输出所述第一目标车辆Z（060）从停车到再次起步所经历的第一预测时间tp。

12.如权利要求11的所述交通信息处理装置，还包括第四模型构造单元（640）；

通过获取所述第一目标车辆Z（060）与所述第一目标路口（050）之间在所述第一目标车道（040）上的车辆总数K，K为自然数；

构造基于所述第一交通流信息（001）的第一预测模型；其中，所述第一预测模型的参数由所述第一交通流信息（001）拟合后获得；

所述第一预测模型包括线性模型C =A·D2+B，A=－2/V，B=td；其中，参数A与参数B采用最小二乘法拟合得到，V是当前车流速度，由所述第一交通流信息（001）提供，D2为车流行驶平均间距。

13.如权利要求12的所述交通信息处理装置，还包括第五动态优化单元（650）：

采用所述第一预测模型tp=t0+KC进行优化；其中，t0即为所述第一目标车辆Z（060）所述第一目标车道（040）的第一红灯配置时间；

通过比较所述第一目标车辆Z（060）实际的停车时间tr与所述第一预测时间tp，得到第一预测误差E；以所述第一预测误差E修正所述第一预测模型的参数；其中，所述第一预测误差E的修正方法包括梯度下降法。

14.一种计算机存储介质，包括：

用于存储计算机程序的存储介质本体；所述计算机程序在被微处理器执行时，实现如权利要求1至7的任一所述交通信息处理方法。

15.一种控制器，包括：

如权利要求8-13的任一所述交通信息处理装置；

若所述第一预测值（201）小于预设的阈值，则禁用所述第一目标车辆Z（060）的自动启停功能、禁止车辆的启动和/或禁止车辆二次启动；所述二次启动定义为发动机由启动状态熄火后再次点火的过程；

还包括一特殊工况检测模块，所述特殊工况检测模块用于检测存在所述二次启动风险的待规避工况；所述待规避工况包括涉水工况。

16.一种车辆，包括：

如权利要求8-13的任一所述交通信息处理装置；和/或如权利要求14所述的存储介质；和/或如权利要求15所述控制器。

Images