DE10062856A1 - Verfahren zur fahrzeugindividuellen Verkehrsprognose - Google Patents

Abstract

Die Erfindung bezieht sich auf ein Verfahren zur fahrzeugindividuellen Verkehrsprognose, bei dem fahrzeugseitig laufend Verkehrszustandsdaten gewonnen und für eine Ermittlung des zugehörigen aktuellen Verkehrszustands mittels eines Verkehrszustandserkennungsalgorithmus und für eine Prognose des für das jeweilige Fahrzeug relevanten zukünftigen Verkehrszustands mittels eines Verkehrszustandsprognosealgorithmus herangezogen werden. DOLLAR A Erfindungsgemäß werden die laufend gewonnenen Verkehrszustandsdaten mit dem ermittelten Verkehrszustand und/oder dem für den betreffenden Zeitpunkt früher prognostizierten Verkehrszustand verglichen, um den Verkehrszustandsermittlungs- und/oder den Verkehrszustandsprognosealgorithmus zu aktualisieren. Mit dem dynamischen Verkehrszustandsprognosealgorithmus werden individualisierbare Verkehrszustandsobjekte erkannt und in ihrer zeitlich-räumlichen Entwicklung prognostiziert, wobei zusätzlich von anderen Fahrzeugen gewonnene Verkehrszustandsdaten berücksichtigt werden. DOLLAR A Verwendung z. B. zur fahrzeugindividuellen dynamischen Verkehrszustandsprognose für Straßenverkehrsnetze.

Description

Die Erfindung bezieht sich auf ein Verfahren zur fahrzeugindi­ viduellen Verkehrsprognose nach dem Oberbegriff des Anspruchs 1. Bei diesem Verfahren werden in einem jeweiligen Fahrzeug laufend Verkehrszustandsdaten gewonnen und für eine Ermittlung des zugehörigen aktuellen Verkehrszustands mittels eines Ver­ kehrszustandsermittlungsalgorithmus und für eine Prognose des für das jeweilige Fahrzeug relevanten zukünftigen Verkehrszu­ stands mittels eines Verkehrszustandsprognosealgorithmus he­ rangezogen.

Verfahren zur Verkehrszustandsprognose oder kurz Verkehrsprog­ nose sind in vielen verschiedenen Ausführungen gebräuchlich, insbesondere zur Prognose des Verkehrszustands auf Straßenver­ kehrsnetzen. Die allermeisten dieser Verfahren benutzen eine oder mehrere stationäre Verkehrszentralen, da sich in diesen problemlos hohe Rechnerkapazitäten installieren lassen, und berücksichtigen den aktuellen Verkehrszustand. Dazu werden entsprechende Verkehrszustandsdaten, d. h. Datenwerte eines oder mehrerer vorgebbarer Verkehrszustandsparameter, wie mitt­ lere Fahrzeuggeschwindigkeit, Zeitabstand zwischen Fahrzeugen, Verkehrsdichte und Verkehrsfluss, durch fahrzeugseitige Mittel z. B. in Form sogenannter FCD ("Floating Car Data") oder durch stationäre streckenseitige Detektoren gewonnen, bei Bedarf durch geeignete Auswertemittel zu zeitabhängigen Funktionsver­ läufen aufbereitet oder in anderer Weise verarbeitet und in Rohdatenform oder entsprechend weiterverarbeiteter Form an die Zentrale übermittelt. Diese führt die Verkehrsprognose auf der Basis der empfangenen und gegebenenfalls auch auf der Basis von historischen, d. h. vorab z. B. empirisch gewonnenen Verkehrsinformationen durch und übermittelt den aktuellen und den prognostizierten Verkehrszustand über geeignete Kommunikati­ onsmittel, wie Mobilfunknetze, Rundfunkkanäle etc., an das je­ weilige Fahrzeug. Dort können die Verkehrsprognosedaten zu verschiedenen Zwecken verwendet, z. B. zur Zielführung. Derar­ tige zentralenbasierte Verfahren und Vorrichtungen zur Ver­ kehrsprognose sind z. B. in den Offenlegungsschriften DE 196 47 127 A1, DE 197 25 556 A1, DE 197 53 034 A1 und DE 197 54 483 A1 sowie der älteren deutschen Patentanmeldung 199 44 077.8 beschrieben.

Historische Verkehrsinformationen können insbesondere in Form sogenannter Ganglinien vorliegen, die üblicherweise empirisch gewonnen werden und orts- und zeitaufgelöst typische, in der Regel zu erwartende Werte für den oder die berücksichtigten Verkehrszustandsparameter beinhalten, insbesondere abhängig vom aktuellen Fahrzeugort, der Fahrtrichtung, der Uhrzeit, dem Wochentag und dem Fahrzeugziel.

In der älteren deutschen Patentanmeldung 199 44 075.1 ist ein auch für Prognosen geeignetes Verfahren zur Überwachung des Verkehrszustands in einem Verkehrsnetz mit einer oder mehreren sogenannten effektiven Engstellen beschrieben, das auf der Er­ kennung typischer sogenannter Muster dichten Verkehrs strom­ aufwärts einer jeweiligen effektiven Engstelle basiert. Zur Verkehrsprognose wird für das jeweilige Muster dichten Ver­ kehrs der aktuelle Fahrzeugzufluss erfasst, und die aktuellen Flankenpositionen zwischen verschiedenen Musterbereichen, in denen der Verkehrszustand unterschiedliche, individualisierba­ re Zustandsphasen aufweist, und die zeitlich-räumliche Dynamik dieser Flankenpositionen werden bestimmt. Anhand dieser Ein­ gangsdaten wird aus abgespeicherten Musterprofilen ein best­ passendes Musterprofil ausgewählt und der Verkehrsprognose im betreffenden Streckenbereich zugrundegelegt. Ein ähnliches Verfahren, das auf der Basis von FCD-Verkehrsdaten Muster dichten Verkehrs an effektiven Engstellen insbesondere von Schnellstraßennetzen erkennt, ist in der älteren deutschen Patentanmeldung 100 36 789.5 beschrieben. Verfahren zur Erken­ nung effektiver Engstellen sowohl in Schnellstraßennetzen als auch in Verkehrsnetzen von Ballungsräumen sind in der älteren deutschen Patentanmeldung 100 36 792.5 beschrieben. In Bal­ lungsraum-Verkehrsnetzen ist die Verkehrsdynamik typischerwei­ se durch Verkehrsregelungsmaßnahmen an verkehrsgeregelten Netzknoten dominiert, wobei sich typische Verkehrsmuster in Form von Warteschlangen vor den verkehrsgeregelten Netzknoten bilden, d. h. die verkehrsgeregelten Netzknoten bilden effekti­ ve Engstellen, an denen bei entsprechendem Verkehrsaufkommen Warteschlangen-Verkehrsmuster entstehen.

Zwar erlauben zentralenbasierte Systeme die Nutzung ver­ gleichsweise hoher Rechenkapazitäten, sie erfordern dafür aber auch einen entsprechenden Realisierungsaufwand, und die Nut­ zung aufgenommener Verkehrsinformationen ist durch die be­ grenzte Kapazität der verwendeten Kommunikationsstrecken limi­ tiert. So wird aus Gründen der begrenzten Übertragungskapazi­ tät nicht der gesamte Zeit- und ortsaufgelöste Verlauf des oder der überwachten Verkehrszustandsparameter von den zugehö­ rigen Detektoren zur Zentrale übermittelt, und die Zentrale übermittelt ihrerseits die aktuelle und prognostizierte Ver­ kehrslage nicht als kontinuierlichen zeitlich-örtlichen Ver­ lauf des oder der Verkehrszustandsparameter, sondern die Ver­ kehrsinformationsübertragung erfolgt vorzugsweise in Form von ereignisorientierten Meldungen, wie Staumeldungen etc.

In der älteren deutschen Patentanmeldung 100 51 777.3 der An­ melderin ist ein fahrzeugautonom durchführbares Verfahren zur fahrzeugindividuellen Verkehrszustandsprognose beschrieben, bei dem durch das jeweilige Fahrzeug laufend lokale Verkehrs­ zustandsdaten ermittelt und die ermittelten Daten in ihrem zeitlich-örtlichen Verlauf mit abgespeicherten historischen Ganglinien verglichen werden, um aus letzteren eine jeweils bestpassende Ganglinie aufzufinden und den von dieser reprä­ sentierten Verkehrszustand in Fahrtrichtung des Fahrzeugs als zu erwartenden Verkehrszustand zu prognostizieren. Zusätzlich wird in der älteren deutschen Patentanmeldung 100 57 796.2 der Anmelderin die Nutzung auch von Verkehrszustandsdaten, die von anderen Fahrzeugen ermittelt und an das eigene Fahrzeug über­ mittelt werden, für eine derartige Verkehrszustandsprognose vorgeschlagen. Für weitere Details solcher fahrzeugindividuel­ ler Verkehrszustandsprognosen mit Auswahl einer bestpassenden Ganglinie wird auf diese älteren Anmeldungen verwiesen. Unter dem Begriff "Ganglinie" sind dabei dort und vorliegend sowohl herkömmliche Ganglinien zu verstehen, die typische Verkehrspa­ rameter in ihrer zu erwartenden Zeitabhängigkeit repräsentie­ ren, als auch zeitlich-örtliche Verkehrsmuster, bei denen der oder die berücksichtigten Verkehrsparameter oder daraus abge­ leitete Größen typische zeitabhängige Musterprofile im Orts­ raum bilden, wie Muster dichten Verkehrs vor effektiven Eng­ stellen von Schnellstraßennetzen und Warteschlangen-Verkehrs­ muster vor verkehrsgeregelten Netzknoten in Ballungsraum-Ver­ kehrsnetzen.

Unter dem Begriff "dynamische Verkehrsprognose" sind vorlie­ gend solche Verkehrsprognosen zu verstehen, bei denen der Ver­ kehrszustand jedenfalls für einen gewissen, für das jeweilige Fahrzeug interessierenden Wegenetzbereich in seinem zeitlich- örtlichen Verlauf für einen gewissen Prognosezeitraum voraus­ geschätzt wird, insbesondere anhand des zeitlich-örtlichen Verlaufs von individualisierbaren Verkehrszustandsobjekten, wie den verschiedenen Verkehrszustandsphasen "freier Verkehr", "synchronisierter Verkehr" und "sich bewegende breite Staus" und daraus gebildeten Verkehrszustandsmustern. Die Patent­ schrift DE 196 47 127 C2 beschreibt speziell dynamische Prog­ nosen für Stauzustände, während dynamische Prognosen, die sich speziell auch für die Zustände synchronisierten Verkehrs und gestauchten synchronisierten Verkehrs und deren Grenzen zum Zustand freien Verkehrs und/oder zum Zustand "sich bewegender breiter Staus" eignen, in der Offenlegungsschrift DE 198 35 979 A1 und der älteren deutschen Patentanmeldung 199 44 077.8 der Anmelderin beschrieben sind, worauf für weitere diesbezüg­ liche Details verwiesen wird.

In der Offenlegungsschrift WO 99/26212 A1 ist ein Verkehrszu­ standsprognoseverfahren beschrieben, das primär zum Signali­ sieren von lokalen Verkehrsstörungen dient. Dazu wird jeweils zu einem Bezugsfahrzeug eine maximale Gruppe von Fahrzeugen festgelegt, von denen das Bezugsfahrzeug individuelle Fahr­ zeugdatensignale empfängt, die es wiederholt auswertet und ab­ speichert. Des weiteren wird durch Auswerten der individuellen Fahrzeugdaten mindestens eine für das Bezugsfahrzeug relevante Gruppe von Fahrzeugen und deren Gruppenverhalten ermittelt, wonach eine diesem Gruppenverhalten entsprechende Information signalisiert wird. Insbesondere kann das Gruppenverhalten eine Verkehrsstörung repräsentieren. Durch Anzeige der betreffenden Information im Bezugsfahrzeug soll ein gleichmäßiger Verkehrs­ strom erzeugt und das Auftreten von Unfällen verringert wer­ den. Die aktuelle Verkehrsinformation für das Bezugsfahrzeug bezieht sich somit auf einen Ort, den das Bezugsfahrzeug erst zu einem späteren Zeitpunkt erreichen wird, so dass diese Ver­ kehrsinformation eventuell schon veraltet ist, bis das Bezugs­ fahrzeug am betreffenden Ort ankommt, wenn die Entfernung zu groß wird. Daher eignet sich dieses bekannte Verfahren nur für eine Verkehrszustandsprognose in einem relativ eng begrenzten Umgebungsbereich des Bezugsfahrzeugs.

Der Erfindung liegt als technisches Problem die Bereitstellung eines Verfahren zur fahrzeugindividuellen Verkehrsprognose der eingangs genannten Art zugrunde, mit dem sich der Verkehrszu­ stand individuell für ein jeweiliges Fahrzeug mit vertretbarem Aufwand vergleichsweise zuverlässig dynamisch prognostizieren lässt.

Die Erfindung löst dieses Problem durch die Bereitstellung ei­ nes Verkehrszustandsprognoseverfahrens mit den Merkmalen des Anspruchs 1 oder 3.

Beim Verfahren nach Anspruch 1 wird speziell ein dynamischer Verkehrszustandsprognosealgorithmus verwendet, mit dem individualisierbare Verkehrszustandsobjekte, wie z. B. die verschie­ denen Zustandsphasen "freier Verkehr", "synchronisierter Ver­ kehr" und "sich bewegende breite Staus", erkannt werden und deren zeitlich-räumliche Entwicklung diagnostiziert wird. Um den Aufwand vertretbar zu halten und gleichzeitig eine hohe Prognosegüte zu erzielen, werden Verkehrszustandsdaten, die von einem oder mehreren anderen Fahrzeugen gewonnen und zu diesem Zweck zum eigenen Fahrzeug übertragen werden, zusätz­ lich zu den vom eigenen Fahrzeug gewonnenen Verkehrszustands­ daten als Stützstellen des dynamischen Verkehrszustandsprogno­ sealgorithmus herangezogen. Dadurch ist es zum einen möglich, ohne Verkehrszentrale auszukommen, während zum anderen durch die zusätzlichen, auf Daten von anderen Fahrzeugen basierenden Stützstellen die dynamische Verkehrszustandsprognose im allge­ meinen noch bessere Ergebnisse liefern kann als eine Prognose, die nur auf den vom eigenen Fahrzeug gewonnenen Verkehrszu­ standsdaten basiert.

In einer Ausgestaltung dieses Verfahrens werden nach Anspruch 2 mindestens die Verkehrszustandsphasen "freier Verkehr", "synchronisierter Verkehr" und "sich bewegender breiter Stau" als individualisierbare Verkehrszustandsobjekte berücksich­ tigt.

Beim Verfahren nach Anspruch 3 ist speziell eine Aktualisie­ rung des Verkehrszustandsermittlungsalgorithmus und/oder des Verkehrszustandsprognosealgorithmus anhand eines Vergleichs des von den fahrzeugseitig gemessenen Daten repräsentierten Verkehrszustands mit dem ermittelten aktuellen Verkehrszustand und/oder dem für diesen Zeitpunkt zu einem früheren Zeitpunkt prognostizierten Verkehrszustand vorgesehen. Dieser ver­ gleichsbasierte Aktualisierungsvorgang, der kontinuierlich oder von Zeit zu Zeit durchgeführt werden kann, ermöglicht ei­ ne Korrektur bzw. Anpassung des verwendeten Algorithmus an die aktuell vorgefundenen Gegebenheiten, d. h. der Verkehrszu­ standsermittlungsalgorithmus und/oder Verkehrszustandsprogno­ sealgorithmus kann entsprechend korrigiert werden, wenn die gemessenen Verkehrszustandsdaten merklich von dem für diesen Zeitpunkt aktuell geschätzten oder früher prognostizierten Verkehrszustand abweichen. Diese Maßnahme kann zusätzlich zu den Verfahrensmaßnahmen des Anspruchs 1 realisiert sein.

In einer Ausgestaltung dieses Verfahrens werden gemäß Anspruch 4 für die Ermittlung des aktuellen Verkehrszustands und/oder für die Prognose außer den vom eigenen Fahrzeug gewonnenen Verkehrszustandsdaten extern gewonnene Verkehrszustandsdaten von anderen Fahrzeugen, einer Verkehrszentrale und/oder stre­ ckenseitigen Einrichtungen herangezogen, was die Güte des Ver­ kehrszustandsermittlungsalgorithmus und/oder des Verkehrszu­ standsprognosealgorithmus weiter verbessern kann.

Vorteilhafte Ausführungsformen der Erfindung sind in den Zeichnungen dargestellt und werden nachfolgend beschrieben. Dabei zeigen:

Fig. 1 eine schematische Blockdiagrammdarstellung eines ersten Verfahrens zur dynamischen, fahrzeugindividuellen Ver­ kehrszustandsprognose anhand fahrzeugeigener Daten und mit Vergleich gemessener und geschätzter bzw. prognos­ tizierter Verkehrszustandsdaten,

Fig. 2 eine schematische Blockdiagrammdarstellung eines zwei­ ten Verfahrens zur dynamischen, fahrzeugindividuellen Verkehrszustandsprognose anhand von Verkehrszustandsda­ ten des eigenen und anderer Fahrzeuge,

Fig. 3 eine schematische Blockdiagrammdarstellung eines für die dynamische Verkehrszustandsprognose verwendbaren Algorithmus zur Erkennung und Prognose individualisier­ barer Verkehrszustandsobjekte für eine Beispielsituati­ on,

Fig. 4 eine schematische Blockdiagrammdarstellung eines zur Erkennung und Prognose dreier verschiedener individualisierbarer Verkehrszustandsphasen verwendbaren Algo­ rithmus,

Fig. 5 ein Diagramm zur schematischen Darstellung der Funkti­ onsweise des Algorithmus von Fig. 4 anhand eines Bei­ spielfalls,

Fig. 6 ein schematisches Blockdiagramm eines dritten Verfah­ rens zur dynamischen, fahrzeugindividuellen Verkehrszu­ standsprognose anhand von Verkehrszustandsdaten des ei­ genen und anderer Fahrzeuge unter Verwendung einer Ver­ kehrszustandsschätzeinheit,

Fig. 7 eine schematische Blockdiagrammdarstellung eines vier­ ten Verfahrens zur dynamischen, fahrzeugindividuellen Verkehrszustandsprognose anhand von Verkehrszustandsda­ ten des eigenen und anderer Fahrzeuge und mit Vergleich gemessener und geschätzter bzw. prognostizierter Ver­ kehrszustandsdaten und

Fig. 8 eine schematische Blockdiagrammdarstellung eines fünf­ ten Verfahrens zur dynamischen, fahrzeugindividuellen Verkehrszustandsprognose entsprechend Fig. 7, jedoch mit zusätzlicher Nutzung weiterer externer Verkehrszu­ standsdaten.

In den Figuren sind verschiedene Ausführungsbeispiele des er­ findungsgemäßen Verfahrens zur fahrzeugindividuellen dynami­ schen Prognose des Verkehrszustands mit dazu vorteilhaft ver­ wendbaren Algorithmen sowie die zur Verfahrensdurchführung be­ nötigten Mittel illustriert. Die Verkehrszustandsprognose be­ zieht sich jeweils auf einen Bereich eines Wegenetzes, der für das betreffende Fahrzeug relevant ist, d. h. in welchem sich das Fahrzeug während eines vorgebbaren Prognosezeitraums aller Voraussicht nach bewegt, gegebenenfalls bis hin zu einem vor­ gebbaren Zielort.

Im Verfahrensbeispiel von Fig. 1 beinhaltet das jeweilige Fahrzeug 1 Verkehrszustandsbestimmungsmittel 2, mit denen der aktuelle Verkehrszustand kontinuierlich in seinem zeitlich- örtlichen Verlauf anhand eines oder mehrerer gemessener Para­ meter und/oder daraus abgeleiteter Größen erfasst wird, wie der mittleren Fahrzeuggeschwindigkeit, der Verkehrsdichte, des Verkehrsflusses und/oder individualisierbarer Verkehrszu­ standsobjekte, insbesondere Verkehrsstörungsobjekte. Der Beg­ riff "Verkehrszustandsdaten" soll dabei vorliegend der Ein­ fachkeit halber sowohl die gemessenen Rohdaten als auch die durch die gegebenenfalls vorgesehene Aufarbeitung bzw. Weiter­ verarbeitung derselben erhaltenen Daten bezeichnen.

Derartige individualisierbare Verkehrszustandsobjekte umfassen insbesondere individualisierbare Zustandsphasen, wie Stau, synchronisierter Verkehr, gestauchter synchronisierter Verkehr und freier Verkehr, Phasenübergänge zwischen solchen Zustands­ phasen und zeitlich-räumliche Muster aus derartigen Zustands­ phasen, insbesondere Muster dichten Verkehrs an effektiven Engstellen. Zu den weiteren Details über die Dynamik solcher verschiedener Zustandsphasen und daraus aufgebauter Muster kann auf die diesbezügliche Literatur verwiesen werden, spe­ ziell auch auf die früheren Patentanmeldungen der Anmelderin zu dieser Thematik. Bezüglich der Erkennung von Mustern dich­ ten Verkehrs an effektiven Engstellen und Warteschlangenmus­ tern an verkehrsgeregelten Netzknoten und darauf aufbauenden Verkehrsprognosen sei insbesondere auf die oben erwähnten äl­ teren deutschen Patentanmeldungen 199 44 075.1, 100 36 789.5, 100 36 792.5 und 100 51 777.3 verwiesen.

Durch Erkennung der verschiedenen Verkehrsmuster und Verkehrs­ zustandsphasen sowie Phasenübergängen zwischen denselben lässt sich die Bestimmung und Prognose des Verkehrszustands deutlich erleichtern und verbessern. Denn anhand der aufgenommenen Ver­ kehrszustandsdaten können solche vorhandenen individuellen verkehrlichen Objekte erkannt werden, die dann anhand ihrer bekannten Dynamik in ihrem zeitlich-örtlichen Verlauf recht zuverlässig prognostiziert werden können, was in einer ent­ sprechend zuverlässigen Prognose des Verkehrszustands insge­ samt resultiert.

Vorliegend werden dazu empirische Daten solcher Muster und Zu­ standsphasen ebenso wie bei Bedarf weitere Verkehrszustandsda­ ten vorab empirisch ermittelt und zu sogenannten historischen Ganglinien verarbeitet, die zeit- und ortsabhängig für einen jeweiligen Streckenabschnitt den dort zum jeweiligen Zeitpunkt zu erwartenden Verkehrszustand widerspiegeln, und zwar sowohl in Form herkömmlicher zeitabhängiger Profile der berücksich­ tigten Verkehrsparameter als auch in Form von typischen zeit­ abhängigen Verkehrsmustern im Ortsraum. Für die Zeitabhängig­ keit ist es dabei zweckmäßig, sowohl hinsichtlich Uhr- d. h. Tageszeit als auch Wochentag zu unterscheiden, da der Verkehr meistens von beiden Zeitparametern signifikant abhängt. Hin­ sichtlich der Ortskomponente ist neben dem aktuellen Fahrzeug­ ort vor allem das Fahrzeugziel und/oder die Fahrtrichtung von Interesse, um den örtlichen Prognosebereich darauf abgestimmt zu begrenzen. Bei dieser Ganglinien-Anwendung können selbst­ verständlich je nach Bedarf herkömmliche Ganglinien-Methoden verwendet werden, z. B. ein sogenanntes Ganglinien-"Clustering", bei dem sich ähnelnde Ganglinien zusammengefasst werden, z. B. solche, die sich um weniger als ein vorgebbares und abgespei­ chertes Maß unterscheiden. Des weiteren können die Ganglinien bzw. Verkehrsmuster mit einer zugehörigen Wahrscheinlichkeit ihres Auftretens abgespeichert sein, die dann bei der Auswer­ tung entsprechend berücksichtigt wird.

Ein solcher herkömmlich gewonnener Gangliniensatz wird, nun­ mehr wieder auf Fig. 1 bezugnehmend, in einer entsprechenden Speichereinheit 3 im jeweiligen Fahrzeug 1 abgelegt. Die Spei­ chereinheit 3 kann von einem beliebigen herkömmlichen Typ sein, z. B. in Form einer CD-ROM, auf der die Daten fest abge­ speichert sind, aber auch in Form einer sogenannten lernenden digitalen Wegenetzkarte, wie sie in der älteren deutschen Pa­ tentanmeldung 199 16 967.5 der Anmelderin beschrieben ist. In letzterem Fall können die historischen Ganglinien anhand frü­ herer Fahrten derselben Strecke mit demselben oder reinem ande­ ren Fahrzeug gelernt und bei einer erneuten Fahrt auf dieser Strecke aktualisiert werden. Dies kann sich z. B. besonders für Fahrzeuge anbieten, die häufig dieselbe Strecke befahren.

In einer Prognoseganglinien-Auswahleinheit 4 werden dann die laufend während eines vorausgegangenen Zeitraums gemessenen und gegebenenfalls weiterverarbeiteten Verkehrszustandsdaten mit dem abgespeicherten Satz historischer Ganglinien ein­ schließlich zeitlich-räumlicher Verkehrsmuster zu dem Zweck verglichen, unter den abgespeicherten Ganglinien diejenige he­ rauszufinden, die am besten zu den gemessenen bzw. weiterver­ arbeiteten Verkehrszustandsdaten, d. h. zur aktuellen Verkehrs­ situation passt. Diese Ganglinienauswahl erfolgt nach Art ei­ nes herkömmlichen "Matching"-Verfahrens.

Die ausgewählte, am besten zum erfassten, aktuellen zeitlich- örtlichen Verlauf des oder der verwendeten Verkehrszustandspa­ rameter passende Ganglinie wird dann als Prognoseganglinie zum einen von einer Verkehrszustandsschätzeinheit 5 zur Bestimmung des aktuellen Verkehrszustands für das Fahrzeug und zum ande­ ren von einer Prognoseeinheit 6 zur fahrzeugautonomen Ver­ kehrszustandsprognose des zeitlich-räumlichen Verlaufs der verschiedenen erkannten Verkehrszustandsphasen und gegebenen­ falls anderer Verkehrszustandscharakteristika herangezogen. Dies beinhaltet insbesondere eine Prognose über die im betref­ fenden Streckenbereich und im betreffenden Zeitraum zu erwar­ tenden Geschwindigkeits-, Dichte- und/oder Verkehrsflussprofi­ le sowie über die zeitlich-räumliche Entwicklung von Staus und anderen individualisierbaren verkehrlichen Objekten, wie syn­ chronisierter Verkehr und Muster dichten Verkehrs an effekti­ ven Engstellen und Warteschlangen an verkehrsgeregelten Netz­ knoten. Der Verkehrszustandsprognosealgorithmus nutzt dazu ne­ ben der ausgewählten Prognoseganglinie auch den in der Ver­ kehrszustandsschätzeinheit 5 ermittelten aktuellen Verkehrszu­ stand.

Eine Vergleichseinheit 7 nimmt einen kontinuierlichen dynami­ schen Vergleich der von den Verkehrszustandsbestimmungsmitteln 2 gemessenen Verkehrszustandsdaten, z. B. über den zeitlich- räumlichen Verlauf der Fahrzeuggeschwindigkeit und optional über die lokale Verkehrsdichte und über Geschwindigkeitsdiffe­ renzen zwischen verschiedenen Fahrzeugen z. B. auf verschiede­ nen Fahrspuren, mit dem von der Schätzeinheit 5 geschätzten aktuellen Verkehrszustand und dem von der Prognoseeinheit 6 früher für den betreffenden Zeitpunkt prognostizierten Ver­ kehrszustand vor. Falls hierbei der zum jeweiligen Zeitpunkt t = t₀ von der Schätzeinheit 5 geschätzte aktuelle Verkehrszu­ stand und der für diesen Zeitpunkt zu einem früheren Zeitpunkt von der Prognoseeinheit 6 prognostizierte Verkehrszustand mit den aktuellen Verkehrszustandsdaten zu einem gewissen späteren Zeitpunkt t = t₀ + Δt_i im Rahmen eines vorgegebenen Kriteriums übereinstimmen, speziell hinsichtlich des zeitlich-räumlichen Verlaufs individualisierbarer Verkehrszustandsobjekte und ge­ gebenenfalls anderer, hierfür herkömmlich genutzter Verkehrs­ zustandscharakteristika, wird dies der Schätzeinheit 5 und der Prognoseeinheit 6 als "OK", d. h. "in Ordnung", gemeldet. Die Schätzeinheit 5 verwendet daraufhin unverändert den in ihr implementierten Verkehrszustandsermittlungsalgorithmus. Ebenso verwendet die Prognoseeinheit 6 dann unverändert den in ihr implementierten Verkehrszustandsprognosealgorithmus. Das Zeit­ inkrement Δt_i wird in geeigneter Größe vorgegeben. Als Kriteri­ um kann irgendein geeignetes, herkömmliches Vergleichskriteri­ um verwendet werden, z. B. das Kriterium, dass die Differenz zwischen den beiden verglichenen Werten eines jeweiligen Ver­ kehrszustandsparameters betraglich einen vorgebbaren Grenzwert überschreitet, d. h. eine solche Überschreitung wird dann als Nichtübereinstimmung interpretiert.

Falls der zum Zeitpunkt t = t₀ von der Schätzeinheit 5 ermittelte aktuelle Verkehrszustand und/oder der für diesen Zeitpunkt früher von der Prognoseeinheit 6 prognostizierte Verkehrszu­ stand nicht mit dem von den Verkehrszustandsbestimmungsmitteln 2 sensorbasiert zum Zeitpunkt t = t₀ + Δt_i gemäß dem vorgegebenen Kriterium übereinstimmt, wird der geschätzte aktuelle bzw. der prognostizierte Verkehrszustand nicht mehr verwendet, sondern es werden der Verkehrszustandsermittlungsalgorithmus und/oder der Verkehrszustandsprognosealgorithmus abhängig vom Ver­ gleichsergebnis aktualisiert, d. h. angepasst. Dazu meldet die Vergleichseinheit 7 der Prognoseganglinien-Auswahleinheit 4 das Vergleichsergebnis als "nicht OK". Daraufhin wird eine ak­ tualisierende Neubestimmung der Prognoseganglinienauswahl ver­ bunden mit einer Neubestimmung entweder nur des prognostizier­ ten Verkehrszustands oder sowohl des prognostizierten Ver­ kehrszustands als auch des aktuellen Verkehrszustandes durch­ geführt. Dieser Aktualisierungszyklus wird zeitlich stetig oder mit einem diskreten Zeitintervall t = t₀ + n.Δt_i ausgeführt, wobei das Zeitinkrement Δt_i bei Bedarf von "n" abhängig sein kann.

Die solchermaßen fahrzeugautonom für das jeweilige Einzelfahr­ zeug 1 durchgeführte dynamische Verkehrsprognose kann dann je nach Anwendungsfall für verschiedene fahrzeugseitige Systeme 8 genutzt werden, z. B. für einen Verkehrsmonitor, zur Zielfüh­ rung, zur Fahrerassistenz, zur Komfort- und/oder Sicherheits­ verbesserung und/oder zur Kraftstoffverbrauchsreduzierung. Ei­ ne Maßnahme zur Sicherheitsverbesserung stellt beispielsweise eine frühzeitige Stauwarnung dar, bei welcher der Abstand bis zum Stau und/oder der voraussichtliche Zeitpunkt bis zur An­ kunft am Stau angegeben und/oder geeignete Gegenmaßnahmen emp­ fohlen werden, wie Verringerung der Fahrgeschwindigkeit, Um­ fahren des Staubereichs etc.

Fig. 2 zeigt ein Verfahrensbeispiel, bei dem zur fahrzeugsei­ tigen Ermittlung und Prognose des Verkehrszustands außer den vom eigenen Fahrzeug aufgenommenen Verkehrszustandsdaten zu­ sätzlich Verkehrszustandsdaten herangezogen werden, die von anderen Fahrzeugen F_i, . . ., F_j aus entsprechenden fahrzeugsei­ tigen Messungen (FSM) gewonnen werden. Dazu stehen die system­ beteiligten Fahrzeuge miteinander über einen Fahrzeug-Fahrzeug-Kommunikationskanal 9 in Datenaustauschverbindung. Jedes Fahrzeug beinhaltet sensorbasierte Verkehrszustandsbestim­ mungsmittel 2 entsprechend dem Beispiel von Fig. 1, ein­ schließlich zugehöriger Messtechnik, z. B. auf Basis des GPS und/oder von Radar, Infrarot, Video.

Das Prognosemodul 6 prognostiziert dann den zukünftigen, für das eigene Fahrzeug 1 relevanten Verkehrszustand anhand sowohl der von den Verkehrszustandsbestimmungsmitteln 2 gewonnenen, d. h. gemessenen und gegebenenfalls weiterverarbeiteten Ver­ kehrszustandsdaten als auch von Verkehrszustandsdaten, die von den anderen Fahrzeugen F₁, . . ., F_j gewonnen und ihm als Rohda­ ten oder in weiterverarbeiteter Form über den Kommunikations­ kanal 9 übermittelt werden. Die Prognose kann je nach imple­ mentiertem Prognosealgorithmus eine dynamische Prognose von Staus und anderen individualisierbaren Verkehrszustandsobjek­ ten und/oder eine Auswahl einer bestpassenden Prognosegangli­ nie anhand eines entsprechenden "Matching"-Algorithmus umfas­ sen, wobei für letzteren Fall wie im Beispiel von Fig. 1 his­ torische Ganglinien in der zugehörigen Speichereinheit 3 ge­ speichert sind. Die in der Speichereinheit 3 gespeicherten Ganglinien können bei Bedarf über den Kommunikationskanal 9 anhand von hierzu übermittelten Daten z. B. aus den anderen Fahrzeugen F₁, . . ., F_j oder aus einer nicht gezeigten Gangli­ niendatenbank aktualisiert werden. Zudem werden die von den Verkehrszustandsbestimmungsmitteln 2 erfassten Verkehrszu­ standsdaten über den Fahrzeug-Fahrzeug-Kommunikationskanal 9 zu den anderen Fahrzeugen F₁, . . . F_j übermittelt.

Bei der Prognose im Verfahren von Fig. 2 können somit die von den anderen Fahrzeugen F₁, . . ., F_j zugeführten Verkehrszu­ standsdaten zusätzlich zu den vom eigenen Fahrzeug 1 ermittel­ ten Verkehrszustandsdaten als weitere Stützstellen des Progno­ sealgorithmus dienen, um die Prognosequalität zu verbessern, siehe die ältere deutsche Patentanmeldung 100 57 796.2. Zur Prognose des zukünftigen Verkehrszustands können sowohl in den Verfahrensbeispielen der Fig. 1 und 2 als auch in den weiteren Verfahrensbeispielen der Fig. 6 bis 8 Verkehrszustandserken­ nungsprozesse verwendet werden, mit denen individualisierbare Verkehrszustandsobjekte und hierbei insbesondere die Zustände "freier Verkehr", "synchronisierter Verkehr", "gestauchter synchronisierter Verkehr" und "Staus" oder genauer "sich bewe­ gende breite Staus" erkannt und in ihrer zeitlich-räumlichen Entwicklung verfolgt werden können. Im Fall von Straßennetzen ist diese Vorgehensweise speziell für Schnellstraßennetze ge­ eignet. Eine analoge Vorgehensweise ist jedoch auch für Bal­ lungsraum-Verkehrsnetze möglich, bei denen der Verkehr wesent­ lich durch Verkehrsregelungsmaßnahmen an Netzknoten bestimmt ist. Hier können dann sogenannte Untersättigungszustände und Übersättigungszustände an den verkehrsgeregelten Netzknoten und die Länge von in Übersättigungszuständen gebildeten Warte­ schlangen erkannt und in ihrer zeitlich-räumlichen Entwicklung verfolgt werden. Dies wird zum leichteren Verständnis nachste­ hend unter Bezugnahme auf die Fig. 3 bis 5 anhand einer ange­ nommenen Beispielsituation erläutert.

Fig. 3 veranschaulicht anhand eines Streckenabschnitts 11 lo­ kale Messungen eines oder mehrerer für den Verkehrszustand re­ präsentativer Parameter durch geeignete Sensorik, z. B. statio­ näre, streckenseitige Detektoren oder fahrzeugseitige Sensoren in sogenannten FCD("Floating Car Data")-Fahrzeugen, die z. B. über einen Fahrzeug-Fahrzeug-Kommunikationskanal in Datenaus­ tauschverbindung stehen. Die für den Verkehr auf dem Strecken­ abschnitt 11 gemessenen und gegebenenfalls vorverarbeiteten Daten, z. B. über Fahrzeuggeschwindigkeit, Zeitabstand zwischen Fahrzeugen, Verkehrsdichte etc., werden dann zunächst durch den Verkehrszustandserkennungsalgorithmus zur Ermittlung des zugehörigen aktuellen Verkehrszustands ausgewertet. Dazu wer­ den insbesondere die individualisierbaren Zustandsphasen "freier Verkehr" F, "synchronisierter Verkehr" S und "sich be­ wegende breite Staus" ST erkannt. Der Verkehrszustandsprogno­ sealgorithmus ist dann dafür ausgelegt, die aktuell erkannten Zustandsphasen in ihrer zeitlich-räumlichen Entwicklung zu verfolgen und die Entstehung zukünftiger Verkehrsstörungszustände, d. h. zukünftiger Bereiche synchronisierten Verkehrs S und/oder von Staus ST vorauszusagen. Dies geschieht insbeson­ dere durch die Verfolgung und Vorausschätzung der stromabwär­ tigen Flanke x_j,d(t) eines jeweiligen Staus ST, der stromauf­ wärtigen Flanke x_j,u(t) desselben, der stromabwärtigen Flanke x_s,d(t) eines Bereichs synchronisierten Verkehrs S und dessen stromaufwärtiger Flanke x_s,u(t), jeweils als Funktion der Zeit t.

Fig. 4 veranschaulicht einen derartigen Algorithmus zur Erken­ nung, Verfolgung und Prognose anhand von lokalen Messungen des zeitabhängigen Verlaufs der Fahrzeuggeschwindigkeit v und/oder eines oder mehrerer weiterer Verkehrszustandsparameter µ, wie z. B. des Verkehrsflusses. Aus den Messdaten 12 werden mittels einer Fuzzy-Logik 13 die Zustandphasen "freier Verkehr", "syn­ chronisierter Verkehr", bevorzugt auch speziell "gestauchter synchronisierter Verkehr", und "sich bewegende breite Staus" unterscheidend erkannt, insbesondere die zeitabhängige Lage der Grenzflanken zwischen je zwei dieser verschiedenen Zustandsphasen. Hierfür ist z. B. der in den älteren deutschen Patentanmeldungen 198 35 979.9 und 199 44 077.8 der Anmelderin beschriebene Algorithmus verwendbar, auf die für diesbezügli­ che Details verwiesen werden kann. Für Bereiche freien Ver­ kehrs leistet der Algorithmus eine Prognose, ob und wenn ja wo zukünftig Phasenübergänge zu synchronisiertem Verkehr und/oder Stau auftreten. Für die Bereiche synchronisierten Verkehrs leistet der Algorithmus die Verfolgung und Prognose dieses Zu­ stands, d. h. insbesondere der zeitlichen Entwicklung von des­ sen stromabwärtiger und stromaufwärtiger Flanke x_s,d(t) und x_s,u(t). Des weiteren werden erkannte Staubereiche in ihrer zeitlich-räumlichen Entwicklung verfolgt und prognostiziert, d. h. wiederum insbesondere der zeitliche Verlauf der stromab­ wärtigen und stromaufwärtigen Stauflanken x_j,d(t) und x_j,u(t), wozu beispielsweise der in der Patentschrift DE 196 47 127 C2 beschriebene Algorithmus verwendbar ist, auf die hierzu bezüg­ lich weiterer Details verwiesen werden kann.

Im Fall von Ballungsraum-Verkehrsnetzen ist der analoge Algo­ rithmus verwendbar, um Übersättigungs- und Untersättigungsbe­ reiche sowie Warteschlangenlängen zu erkennen und in ihrer zeitlich-räumlichen Entwicklung zu verfolgen. Dabei treten die Untersättigungsbereiche an die Stelle der Bereiche freien Ver­ kehrs und die Übersättigungsbereiche an die Stelle der Berei­ che synchronisierten Verkehrs bzw. sich bewegender breiter Staus. Für Untersättigungsbereiche können eventuelle zukünfti­ ge Übergänge zu Übersättigungsbereichen prognostiziert werden, und für die Übersättigungsbereiche kann die Länge von Warte­ schlangen prognostiziert werden.

Fig. 5 veranschaulicht die Arbeitsweise eines solchen, auf der Erkennung, Verfolgung und Vorhersage individualisierbarer Ver­ kehrszustandsobjekte basierenden Algorithmus anhand einer Bei­ spielssituation in Form eines Ort-Zeit-Diagramms. Der betrach­ tete Streckenabschnitt beinhaltet zwei hintereinanderliegende effektive Engstellen E1, E2, an denen sich Muster dichten Ver­ kehrs ausbilden können. Zu einem gewissen aktuellen Zeitpunkt ist im Beispiel von Fig. 5 angenommen, dass stromaufwärts an­ schließend an die stromabwärtige effektive Engstelle E1 ein Muster dichten Verkehrs mit einem Bereich synchronisierten Verkehrs und einem anschließenden Bereich gestauchten synchro­ nisierten Verkehrs vorliegt. Der Bereich gestauchten synchro­ nisierten Verkehrs enthält bekanntermaßen sich wiederholende, kurze Stauzonen, in Fig. 5 mit schmalen dunklen Streifen ange­ deutet.

Im weiteren Zeitverlauf läuft der sich bewegende breite Stau stromaufwärts durch das Muster dichten Verkehrs an der strom­ abwärtigen effektiven Engstelle E1 hindurch und dann weiter über einen Bereich freien Verkehrs hinweg bis zur stromaufwär­ tigen effektiven Engstelle E2. Dort führt die übrige Verkehrs­ situation dazu, dass der Stau synchronisierten Verkehr aus­ löst, d. h. stromaufwärts anschließend an die stromaufwärtige effektive Engstelle E2 geht der Verkehr vom vorherigen Zustand freien Verkehrs in den Zustand synchronisierten Verkehrs über.

Im weiteren Verlauf kommt es dann zur Ausbildung eines Musters dichten Verkehrs auch an der stromaufwärtigen effektiven Eng­ stelle E2 mit einem Bereich synchronisierten Verkehrs und ei­ nem daran stromaufwärts anschließenden Bereich gestauchten synchronisierten Verkehrs. Vom letztgenannten Bereich lösen sich dann im Beispiel von Fig. 5 einzelne Staus ab, die weiter stromaufwärts mit einer typischen Staugeschwindigkeit propa­ gieren. Der Algorithmus zur Erkennung und Prognose des Ver­ kehrszustands ist in der Lage, dieses Verkehrsgeschehen des Beispiels von Fig. 5 zu erkennen und zu prognostizieren, d. h. den Verkehrszustand zum aktuellen Zeitpunkt und die zukünftige Verkehrsentwicklung, insbesondere hinsichtlich des Auftretens und der Ausdehnung der verschiedenen Zustandsphasen "freier Verkehr", "synchronisierter Verkehr" einschließlich "gestauch­ ter synchronisierter Verkehr" und "Stau" und daraus gebildeter Muster dichten Verkehrs.

Fig. 6 zeigt ein weiteres Verfahrensbeispiel, das weitgehend demjenigen von Fig. 2 entspricht, wobei für funktionell glei­ che Elemente dieselben Bezugszeichen verwendet sind. Im Ver­ fahren von Fig. 6 übernimmt eine vom Prognoseteil 6 separierte Verkehrszustandsschätzeinheit 12 die Bestimmung des aktuellen Verkehrszustands anhand der Messdaten des eigenen und der an­ deren Fahrzeuge. Dieser Schätzeinheit 12 ist eine Speicherein­ heit 13 zugeordnet, in welcher die von der Schätzeinheit 12 laufend ermittelten Verkehrszustände abgespeichert werden. Im Prognosemodul 6 erfolgt dann eine dynamische Prognose der zeitlich-räumlichen Entwicklung individualisierbarer Verkehrs­ zustandsobjekte und/oder eine "Matching"-Auswahl einer best­ passenden Prognoseganglinie in Abhängigkeit vom durch die Schätzeinheit 12 ermittelten aktuellen Verkehrszustand, den abgespeicherten gemessenen Verkehrszuständen und den abgespei­ cherten historischen Ganglinien. Die Ergebnisse des Prognose­ moduls 6 werden über den Fahrzeug-Fahrzeug-Kommunikationskanal 9 den anderen Fahrzeugen F₁, . . ., F_j zur Verfügung gestellt. Der von der Schätzeinheit 12 ermittelte aktuelle Verkehrszu­ stand und der vom Prognosemodul 6 vorhergesagte zukünftige Verkehrszustand werden dann wiederum je nach Anwendungsfall für einen oder mehrere Einsatzwecke genutzt, wobei im Beispiel von Fig. 6 die Nutzung für ein Fahrerassistenzsystem 14, ein Reisezeitberechnungsmodul 15 und einen Verkehrsmonitor 16 ex­ plizit gezeigt ist.

Fig. 7 zeigt ein weiteres Verfahrensbeispiel, das im wesentli­ chen demjenigen von Fig. 1 entspricht, wobei wiederum für funktionell gleiche Elemente dieselben Bezugszeichen verwendet sind und zu deren Beschreibung auf diejenige von Fig. 1 ver­ wiesen werden kann. Beim Verfahren von Fig. 7 werden im Ver­ gleich zu demjenigen von Fig. 1 zusätzlich Verkehrszustandsda­ ten von anderen Fahrzeugen F₁, . . ., F_j wie in den Beispielen der Fig. 2 und 6 zur Ermittlung des aktuellen und zur Prognose des zukünftigen Verkehrszustands genutzt, wozu die Fahrzeuge wiederum über einen zugehörigen Fahrzeug-Fahrzeug-Kommunika­ tionskanal 9 in Datenaustauschverbindung stehen. Als weitere Modifikation erhält die Verkehrzustandsschätzeinheit 5 direkt die von den Verkehrszustandsbestimmungsmitteln 2 gemessenen Daten und liefert ihr Ergebnis auch an die Prognoseganglinien- Auswahleinheit 4. Überdies werden der Verkehrszustands-Schätz­ einheit 5 die von den anderen Fahrzeugen F₁, . . ., F_j übermit­ telten Verkehrszustandsdaten zugeführt.

Das in Fig. 8 illustrierte Verfahrensbeispiel entspricht dem­ jenigen von Fig. 7 mit der Ausnahme, dass für die fahrzeugsei­ tige Erkennung des aktuellen und die Prognose des zukünftigen Verkehrszustands nicht nur von den Verkehrszustandsdaten des eigenen Fahrzeugs 1 und den über einen Fahrzeug-Fahrzeug- Kommunikationskanal übermittelten Verkehrszustandsdaten ande­ rer Fahrzeuge Gebrauch gemacht wird, sondern zusätzlich von Verkehrszustandsdaten, die über ein oder mehrere herkömmliche Datennetze zum jeweiligen Fahrzeug 1 übertragen werden, wie mit einem Datenübertragungsblock 17 repräsentiert. Bei diesen zusätzlichen fahrzeugexternen Verkehrszustandsdaten kann es sich z. B. um solche handeln, die dem Fahrzeug von streckensei­ tigen Baken oder vergleichbaren streckenseitigen Einrichtungen, von einer Verkehrszentrale und/oder über das Internet übermittelt werden.

Claims (4)

1. Verfahren zur fahrzeugindividuellen Verkehrsprognose, bei dem
fahrzeugseitig laufend Verkehrszustandsdaten gewonnen und diese und/oder daraus abgeleitete Daten für eine Ermittlung des zugehörigen aktuellen Verkehrszustands mittels eines Ver­ kehrszustandserkennungsalgorithmus und für eine Prognose des für das jeweilige Fahrzeug (1) relevanten zukünftigen Ver­ kehrszustands mittels eines Verkehrszustandsprognosealgorith­ mus herangezogen werden,
dadurch gekennzeichnet, dass
als Verkehrszustandsprognosealgorithmus ein dynamischer Ver­ kehrszustandsprognosealgorithmus verwendet wird, mit dem in­ dividualisierbare Verkehrszustandsobjekte erkannt werden und deren zeitlich-räumliche Entwicklung prognostiziert wird, wo­ bei von einem oder mehreren anderen Fahrzeugen (F₁, . . ., F_j) gewonnene oder daraus abgeleitete, zum eigenen Fahrzeug über­ tragene Verkehrszustandsdaten zusätzlich bei der dynamischen Verkehrszustandsprognose berücksichtigt werden.

2. Verfahren nach Anspruch 1, weiter dadurch gekennzeichnet, dass als individualisierbare Verkehrszustandsobjekte mindestens die Verkehrszustandsphasen "freier Verkehr", "synchronisierter Verkehr" und "sich bewegender breiter Stau" erkannt und in ih­ rer zeitlich-räumlichen Entwicklung prognostiziert werden.

3. Verfahren zur fahrzeugindividuellen Verkehrsprognose, insbesondere nach Anspruch 1 oder 2, bei dem
fahrzeugseitig laufend Verkehrszustandsdaten gewonnen und diese und/oder daraus abgeleitete Daten für eine Ermittlung des zugehörigen aktuellen Verkehrszustands mittels eines Ver­ kehrszustandserkennungsalgorithmus und für eine Prognose des für das jeweilige Fahrzeug (1) relevanten zukünftigen Ver­ kehrszustands mittels eines Verkehrszustandsprognosealgorith­ mus herangezogen werden,
dadurch gekennzeichnet, dass
fahrzeugseitig wenigstens in gewissen Zeitabständen die lau­ fend gewonnenen Verkehrszustandsdaten mit dem vom Verkehrszu­ standsermittlungsalgorithmus ermittelten aktuellen Verkehrs­ zustand und/oder mit dem für den betreffenden Zeitpunkt vom Verkehrszustandsprognosealgorithmus zu einem früheren Zeit­ punkt prognostizierten Verkehrszustand verglichen und das Vergleichsresultat zur Aktualisierung des Verkehrszustandser­ mittlungsalgorithmus und/oder des Verkehrszustandsprognoseal­ gorithmus herangezogen wird.

4. Verfahren nach Anspruch 3, weiter dadurch gekennzeichnet, dass zusätzlich zu den vom eigenen Fahrzeug gewonnenen Verkehrszu­ standsdaten für die Ermittlung des aktuellen Verkehrszustands und/oder die Prognose des zukünftigen Verkehrszustands zusätz­ lich extern zugeführte Verkehrszustandsdaten von anderen Fahr­ zeugen, von einer Verkehrszentrale, von streckenseitigen Ein­ richtungen und/oder vom Internet herangezogen werden.