CN116691701A - 用于预估车速曲线的方法及导航装置 - Google Patents
用于预估车速曲线的方法及导航装置 Download PDFInfo
- Publication number
- CN116691701A CN116691701A CN202210173178.0A CN202210173178A CN116691701A CN 116691701 A CN116691701 A CN 116691701A CN 202210173178 A CN202210173178 A CN 202210173178A CN 116691701 A CN116691701 A CN 116691701A
- Authority
- CN
- China
- Prior art keywords
- road
- route
- vehicle speed
- model
- driver
- 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
- 238000012937 correction Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 2
- 230000001133 acceleration Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- B60W40/08—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 drivers or passengers
- B60W40/09—Driving style or behaviour
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/043—Identity of occupants
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/30—Driving style
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Radar, Positioning & Navigation (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种用于预估车速曲线的方法,该方法包括以下步骤:S1:获取并识别驾驶员的身份信息并基于该身份信息调取驾驶员的驾驶习惯模型;S2:基于出发地以及目的地信息提供规划的路线供选择;S3:针对所选择的路线基于道路特征建立路线模型或调取相应的常用路线模型;S4:根据所述驾驶习惯模型和路线模型得出整个行程的预计的车速曲线以及预估时间。本发明还包括一种相应的导航装置。通过本发明的方案能充分考虑不同驾驶员个性化的差异,根据驾驶员各自的驾驶风格结合路线模型预测各个路段的车速曲线。通过将各个路段的车速曲线进行组合,得到整个行程的更加准确的车速‑时间的曲线图。
Description
技术领域
本发明涉及汽车电子技术领域,具体涉及一种用于预估车速曲线的方法及导航装置。
背景技术
目前,车载导航技术已经在各种车辆中广泛应用。然而,现有的导航装置在准备导航时通常能规划多条路线供驾驶员选择,在驾驶员选择路线后,导航装置能识别到起点到终点之间的路况是通畅还是拥堵,并且根据当前的驾驶车速预估出到达终点的时间。
例如,在中国专利文献CN113566832B中公开了一种基于物联网的车辆导航系统及导航方法,其中通过信号收发模块将GPS定位发送至中央处理模块中,并由显示屏显示,中央处理模块与用于对道路进行分析的路径分析模块信号连接,路径分析模块与路测传感器信号连接,实时监测路况,选择多种路径,并分别预测到达时间,最后由与路径分析模块信号连接的数据汇总模块将数据汇集,通过系统的反馈,择优选择路径,并通过信号指令发送给车辆。
然而,现有的导航装置不能结合车辆行驶过程中路况及驾驶员个人的驾驶风格等因素进行综合考虑,导致预估的到达时间不够准确。尤其是对于不同的驾驶员或者对于路线长、路况比较复杂的长途路线,预估的到达时间与实际到达时间偏差较大,这会降低用户体验。
因此,迫切希望提供一种预估车速曲线的方法及导航装置,其能够克服上述的现有技术中存在的技术问题。
发明内容
本发明提出了一种用于预估车速曲线的方法及相应的导航装置,通过所述方法和所述导航装置能够根据每个驾驶员的驾驶风格和各个路段的具体情况推断出整个路线上的车速曲线图,从而准确地计算出到达时间。
本发明的一个方面涉及一种用于预估车速曲线的方法,其包括以下步骤:
S1:获取并识别驾驶员的身份信息并基于该身份信息调取驾驶员的驾驶习惯模型;
S2:基于出发地以及目的地信息提供规划的路线供选择;
S3:针对所选择的路线基于道路特征建立路线模型或调取相应的常用路线模型;
S4:根据所述驾驶习惯模型和路线模型得出整个行程的预计的车速曲线以及预估时间。在此,应当指出的是,步骤S1与步骤S2,S3可以依次执行,也可以并行地执行S1和S2-S3或者先执行步骤S2-S3,再执行步骤S1。可以通过GPS系统自动获取当前的车辆位置作为出发地,也可以通过驾驶员输入具体位置作为出发地。
在此,充分考虑不同驾驶员个性化的驾驶风格,并根据相应的驾驶风格结合路线模型预测各个路段的车速曲线。通过将各个路段的车速曲线进行组合,得到整个行程的车速-时间的曲线图。在获得到这个预估的车速-时间的曲线图之后,一方面能够帮助导航系统更加准确的计算到达目的地的时间。另外,还可以将这个曲线发给其他的控制器,用于联合控制。驾驶风格是驾驶员习惯性的驾驶方式,个体之间具有较大的差异性。例如,对于一条限速70km/h的道路,有些驾驶员会以68km/h的车速行驶,而有些驾驶员可能只会开到50km/h左右。在转弯时,有的驾驶员不习惯减速,而有些驾驶员可能会在转弯时甚至转弯前就把车速降到20km/h左右。在此可以通过基于大数据的统计分析得出驾驶员的驾驶习惯模型。
优选地,通过基于生物学特征的身份识别装置对驾驶员的身份进行识别。例如,可以通过安装在车辆内部的具有人脸识别功能的摄像头来识别驾驶员的身份。也可以考虑通过指纹、掌纹或声纹识别等来获取驾驶员的身份。然后根据身份信息从车辆存储器或车辆外部的服务器或云平台获取有关驾驶员的驾驶风格的驾驶习惯模型。驾驶习惯模型描述当前的驾驶员在不同情形下习惯性的驾驶方式,例如包括车速控制习惯、加速控制习惯以及车距保持习惯等等。
有利地,通过基于大数据的学习建立驾驶员的驾驶习惯模型。例如可以记录同一驾驶员在各种路况下的驾驶情况,当驾驶员在不同路段上数据足够多之后,就可以通过AI算法基于大数据的统计分析和学习来建立驾驶员自身的驾驶习惯模型。例如可以统计在各种类型的道路上的驾驶习惯,如在限速道路上的速度保持情况,在各种弯道时的减速情况,在车辆启停过程中的加速和减速情况等等。在最简单的情况下,可以对多次经过相同类型的路段的驾驶参数进行平均来预估在该路段的驾驶参数,如速度、加速度等。
优选地,路线模型用于描述所选择的线路中的各个路段的道路特征,其中,道路特征是与车辆通行条件有关的参数。有利地,道路特征是转弯角度大小、道路等级、车道宽度以及是否双向通行等中的至少一种。显然,也可以在路线模型中通过加权的方式综合考虑上述多个道路特征。
有利地,在步骤S3中判断当前路线是否为常用路线,如果是,则调用针对该常用路线预存的路线模型。常用路线例如是驾驶员多次反复开车经过的路线,如上下班路线。对于常用路线,可以通过记录同一驾驶员驾驶经过该路线时的车速曲线以及耗时来预估即将进行的行程的车速曲线及时间。也就是说,可以基于大数据针对该常用路线建立精确的路线模型并存储在车辆的存储装置中并在需要时被调用。
有利地,如果所选择的路线不是常用路线,则根据道路特征将所选择的路线划分成多种不同类型的路段,基于每个路段的道路特征结合驾驶习惯针对每个路段确定特定于该路段的车速曲线,并通过组合每个路段的车速曲线得出整个行程的预计的车速曲线以及得出预估时间。例如,可以根据弯度大小将所选择的路线划分成多种三种类型的路段,即,直行路段、小弯道路段和大弯道路段。转弯角度在20度以下的道路都可视为直行路线;转弯角度在20-90度之间的弯路视为小弯道路段;而转弯角度大于等于90度的弯路归为大弯道路段。而根据驾驶习惯模型确定在各个类型的路段上的预计车速,由此确定每个路段的车速曲线。
有利地,将最近2次或多于2次,例如十次或十五次经过该类型的路段的平均车速作为该路段的预估车速。
有利地,通过天气修正系数和路况修正系数对预估车速进行修正。例如,在雨雪天,车速应当一定程度地下降,例如降低40%。另外,如果路况较差,如在如乡村公路的低等级公路上或在存在对向来车的狭窄道路上或者路面质量较差的颠簸道路上行驶时,也应相应地降低车速。由此使得车速的计算将更加贴近实际情况。
本发明的另一方面还涉及一种导航装置,包括用于从GPS系统接收定位信号的GPS模块、用于接收和输出信息的用户交互模块和处理器模块和车速曲线预估模块,其中,该车速曲线预估模块设计成执行根据本发明的方法的任一种变型。
有利地,所述导航装置包括驾驶员身份识别装置。驾驶员身份识别装置优选通过生物学特征来对驾驶员的身份进行识别。例如,人脸识别装置、指纹识别装置等等。
附图说明
本发明的其它特性和优点由下面的借助于附图的优选实施例描述给出。
附图示出:
图1示出了根据本发明的方法的一种实施形式的流程图;
图2示出了对选择的路线进行划分以建立路线模型的示意图;
图3是用于预估各个路段的预估车速的方法流程;
图4是考虑天气因素对预估车速进行修正的方法流程;
图5是考虑路面因素对预估车速进行修正的方法流程;
图6示出了针对整个选择的路线得出的预估车速曲线图。
具体实施方式
下面结合附图对本发明的实施例进行详细解释说明。显然,所描述的实施例仅仅是本发明可能实施例的一部分,但本发明并不限于此。在各个附图中,相同或功能相同的部件采用相同的附图标记。
图1示出了根据本发明的方法的一种优选实施方法的流程图。如图1所示,该方法包括步骤S1-S4,其中在步骤S1中借助于身份识别装置获取驾驶员的身份信息并基于该身份信息调取与驾驶员的驾驶风格有关的驾驶习惯模型,身份识别装置例如是人脸识别装置、指纹识别装置等;在步骤S2中基于出发地以及目的地信息提供规划的路线供选择;车辆位置信息例如可以车载GPS系统自动确定,也可以通过驾驶员输入。确定出发地点和目的地之后,导航系统会提供出多条可能的路线供驾驶员选择。在驾驶员选定路线之后,接下来在步骤S3中针对所选择的路线基于道路特征建立路线模型或调取相应的常用路线模型。也就是说,根据当前选择的路线是否常用路线来进行路线模型建立或调取。对于常用路线,驾驶员经常驾车经过该路线,已经针对该路线积累了足够多的驾驶数据,可以基于大数据针对该常用路线建立精确的路线模型并存储在车辆的存储装置中并在需要时被调用。对于新的路线,则需要建立相应的路线模型。路线模型的建立将在下文进一步描述。最后,在步骤S4中根据所述驾驶习惯模型和路线模型得出整个行程的预计的车速曲线以及预估时间。
图2示出了为了建立路线模型对路线进行划分的示意图。如图2所示,所选择的路线是一条蜿蜒的曲线,从起点1开始,途经5个明显转弯点之后到达终点2。在此,将整个路线划分为3类:直行路线3,即转弯角度在20度以下的道路都可视为直行路线;小弯道路段4,即转弯角度在20-90度之间的弯路;大弯道5,即转弯角度大于等于90度的弯路。根据前述定义,可以将整个行驶路线划分为若干个区间,其中,区间①,③,⑤,⑦,⑨,是直行路段3;区间②,④,⑩是小弯道路段4;区间⑥和⑧是大弯道路段5。由此,建立了为相应的路线建立了模型,该模型描述该路线中的各个路段中通行条件,并且包括基于各个路段的道路特征的分类。显然,在对路线进行划分时还可以额外考虑其他标准,如道路等级、车道宽度以及是否双向通行等中的至少一种。然后,基于与当前驾驶员驾驶的大数据对即将行驶的选定路线中的各个路段的车速进行预估,具体例如可以拾取驾驶员最近二次或更多次,如最近十次驾驶经过该类型的路段的车速进行计算,得出的平均车速作为该类型路段的预估车速。显然,也可以采用更多或更少次数的数据,而不仅仅限于2次或10次。
图3示出了如何针对不同类型的路段进行车速预估的具体方法步骤。如图3所示,例如根据预设的标准基于每个路段的路段特征将相应的路段划分成不同的路段类型,然后针对该类型的路段基于驾驶员以往驾驶经过该类型的路段的车速数据,例如过去五次、十次、或者更多次的数据进行计算,得出的平均车速作为该类型路段的预估车速。
图4和图5示出了如何考虑天气和路面因素,使得预估车速的计算将更加贴近实际情况。例如,在天气晴朗的情况下,天气系数A为1,而在雨天或下雪天将天气系数A设为0.6。在平坦路面下,路面系数B为1,而在路面颠簸的情况下,路面系数B设为0.8;在路面泥泞的情况下,路面系数B设为0.6。
由此,可以针对每种类型的路段计算出相应路段的平均车速:
直行路段预估平均车速=X*A*B;其中,X是基于驾驶员模型和路段类型得出的基准车速;
小弯道路段预估平均车速=Y*A*B;其中,Y是基于驾驶员模型和路段类型得出的基准车速;
大弯道路段预估平均车速=Z*A*B;其中,Z是基于驾驶员模型和路段类型得出的基准车速。
图6示出了在综合考虑天气因素和路面因素的情况下,各种类型的路段下的预估平均速度的曲线图。由图6可以清楚看出,在直行路段①,③,⑤,⑦,⑨,上,预估平均车速为X*A*B;而在小弯道路段②,④,⑩上,预估平均车速为Y*A*B;在大弯道路段⑥和⑧上,预估平均车速为Z*A*B。
驾驶习惯模型同样基于大数据建立,例如通过基于大数据的学习建立驾驶员的驾驶习惯模型。当驾驶员在不同路线上数据足够多之后,就可以建立驾驶员自身的驾驶习惯模型,在最简单的情况下例如可以将在所有路段行驶的车速的加权求平均值:
X’=(X1*a1+X2*a2+…+Xn*an)/(a1+a2+…+an);
X1代表在第一条路线的直行路段上的平均车速,a1代表在第一路线的直行路段上的行驶次数;Xn代表在第n条路线的直行路段上的平均车速,an代表在第n条路线的直行路段上的行驶次数。
类似地,可以得出在小弯道路段平均车速Y’和大弯道路段平均车速Z’。
因此,可以得出代表驾驶员在不同路线上的同一类路段的平均车速模型:直行路段平均车速X’,小弯道路段平均车速Y’,大弯道路段平均车速Z’。由此建立驾驶员的驾驶习惯模型。对于新的行驶路线,仍然可以用这种方法预先估计计算出本次路程的预计车速。得到这个预估的车速图之后,一方面能够帮助导航系统更加准确的计算到达目的地的时间,另一方面可以将这个曲线发给其他的控制器,用于联合控制。
整体而言,通过本发明的方案充分考虑不同驾驶员个性化的差异,根据驾驶员各自的驾驶风格结合路线模型预测各个路段的车速曲线。通过将各个路段的车速曲线进行组合,得到整个行程的更加准确的车速-时间的曲线图。
可以理解的是,以上实施方式仅仅是为了说明本发明的设计而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种用于预估车速曲线的方法,其特征在于,该方法包括以下步骤:
S1:获取并识别驾驶员的身份信息并基于该身份信息调取驾驶员的驾驶习惯模型;
S2:基于出发地以及目的地信息提供规划的路线供选择;
S3:针对所选择的路线基于道路特征建立路线模型或调取相应的常用路线模型;
S4:根据所述驾驶习惯模型和路线模型得出整个行程的预计的车速曲线以及预估时间。
2.根据权利要求1所述的方法,其特征在于,通过基于生物学特征的身份识别装置对驾驶员的身份进行识别。
3.根据权利要求1或2所述的方法,其特征在于,通过基于大数据的学习建立驾驶员的驾驶习惯模型。
4.根据权利要求1或2所述的方法,其特征在于,路线模型用于描述所选择的线路中的各个路段的道路特征,其中,道路特征是与车辆通行有关的参数,所述道路特征是转弯角度大小、转弯道路等级、车道宽度以及是否双向通行中的至少一种。
5.根据权利要求1或2所述的方法,其特征在于,在步骤S3中判断当前路线是否为常用路线,如果是,则调用针对该常用路线预存的路线模型。
6.根据权利要求5所述的方法,其特征在于,如果所选择的路线不是常用路线,则根据道路特征将所选择的路线划分成多种不同类型的路段,基于每个路段的道路特征结合驾驶习惯针对每个路段确定特定于该路段的车速曲线,并通过组合每个路段的车速曲线得出整个行程的预计的车速曲线以及得出预估时间。
7.根据权利要求1或2所述的方法,其特征在于,将最近2次或多于2次经过该类型的路段的平均车速作为该路段的预估车速。
8.根据权利要求1或2所述的方法,其特征在于,通过天气修正系数和路况修正系数对预估车速进行修正。
9.一种导航装置,包括用于从GPS系统接收定位信号的GPS模块、用于接收和输出信息的用户交互模块和处理器模块和车速曲线预估模块,其中,该车速曲线预估模块设计成执行根据权利要求1至8中的任一项所述的方法。
10.根据权利要求9所述的导航装置,其特征在于,所述导航装置包括驾驶员身份识别装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210173178.0A CN116691701A (zh) | 2022-02-24 | 2022-02-24 | 用于预估车速曲线的方法及导航装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210173178.0A CN116691701A (zh) | 2022-02-24 | 2022-02-24 | 用于预估车速曲线的方法及导航装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116691701A true CN116691701A (zh) | 2023-09-05 |
Family
ID=87841921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210173178.0A Pending CN116691701A (zh) | 2022-02-24 | 2022-02-24 | 用于预估车速曲线的方法及导航装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116691701A (zh) |
-
2022
- 2022-02-24 CN CN202210173178.0A patent/CN116691701A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10838423B2 (en) | Intelligent vehicle navigation systems, methods, and control logic for deriving road segment speed limits | |
RU2683902C2 (ru) | Транспортное средство, способ и система для планирования режимов транспортного средства с использованием изученных предпочтений пользователя | |
EP1484729B1 (en) | Travel time prediction system | |
US9081651B2 (en) | Route navigation with optimal speed profile | |
US8753123B2 (en) | Driving support system and driving support managing device | |
US8547211B2 (en) | Route retrieval apparatus and navigation apparatus | |
US7302338B2 (en) | Navigational system and method for configuring a navigational system | |
JP5045210B2 (ja) | 走行情報収集装置 | |
US7584050B2 (en) | Automobile navigation system | |
CN105320128A (zh) | 用于自动化车辆的众包控制转换策略 | |
EP2732240B1 (en) | Managing errors in geographical data | |
US20090018767A1 (en) | Method for determining the geometry of a route section | |
WO2019030916A1 (ja) | 車線情報管理方法、走行制御方法及び車線情報管理装置 | |
US11454971B2 (en) | Methods and systems for learning user preferences for lane changes | |
CN112389451A (zh) | 用于提供个性化驾驶体验的方法、设备、介质以及车辆 | |
WO2019074067A1 (ja) | 自動運転提案装置及び自動運転提案方法 | |
Losing et al. | Personalized maneuver prediction at intersections | |
CN113424209A (zh) | 使用深度学习多预测器融合和贝叶斯优化的轨迹预测 | |
JP2020075561A (ja) | 走行範囲取得システム、車両制御システムおよび走行範囲取得プログラム | |
JP2018181034A (ja) | 走行支援装置、走行支援方法およびそのためのデータ構造 | |
US20240140481A1 (en) | Segment-based driver analysis and individualized driver assistance | |
CN116691701A (zh) | 用于预估车速曲线的方法及导航装置 | |
CN115203536A (zh) | 基于驾驶场景推荐智能驾驶参数的方法及装置 | |
US20210233400A1 (en) | Systems and methods for compensating for driver speed-tracking error | |
KR20200144166A (ko) | 머신러닝 알고리즘을 이용한 데이터 기반 음성 서비스 제공 시스템 및 그 방법 |
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 |