-
Die
Erfindung bezieht sich auf ein Verfahren zur fahrzeugindividuellen
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 Verkehrszustandsermittlungsalgorithmus
und für
eine Prognose des für
das jeweilige Fahrzeug relevanten zukünftigen Verkehrszustands mittels
eines Verkehrszustandsprognosealgorithmus herangezogen.
-
Verfahren
zur Verkehrszustandsprognose oder kurz Verkehrsprognose sind in
vielen verschiedenen Ausführungen
gebräuchlich,
insbesondere zur Prognose des Verkehrszustands auf Straßenverkehrsnetzen.
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 mittlere 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
Funktionsverläufen
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
Ver kehrsinformationen durch und übermittelt
den aktuellen und den prognostizierten Verkehrszustand über geeignete
Kommunikationsmittel, wie Mobilfunknetze, Rundfunkkanäle etc.,
an das jeweilige Fahrzeug. Dort können die Verkehrsprognosedaten
zu verschiedenen Zwecken verwendet, z.B. zur Zielführung. Derartige
zentralenbasierte Verfahren und Vorrichtungen zur Verkehrsprognose
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
DE
199 44 077 A1 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
DE
199 44 075 A1 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 Erkennung
typischer sogenannter Muster dichten Verkehrs stromaufwärts einer
jeweiligen effektiven Engstelle basiert. Zur Verkehrsprognose wird
für das
jeweilige Muster dichten Verkehrs der aktuelle Fahrzeugzufluss erfasst,
und die aktuellen Flankenpositionen zwischen verschiedenen Musterbereichen,
in denen der Verkehrszustand unterschiedliche, individualisierbare
Zustandsphasen aufweist, und die zeitlich-räumliche Dynamik dieser Flankenpositionen
werden bestimmt. Anhand dieser Eingangsdaten wird aus abgespeicherten
Musterprofilen ein bestpassendes 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
Pa tentanmeldung
DE
100 36 789 A1 beschrieben. Verfahren zur Erkennung effektiver
Engstellen sowohl in Schnellstraßennetzen als auch in Verkehrsnetzen
von Ballungsräumen
sind in der älteren
deutschen Patentanmeldung
DE
100 36 792 A1 beschrieben. In Ballungsraum-Verkehrsnetzen
ist die Verkehrsdynamik typischerweise 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
effektive Engstellen, an denen bei entsprechendem Verkehrsaufkommen
Warteschlangen-Verkehrsmuster entstehen.
-
Zwar
erlauben zentralenbasierte Systeme die Nutzung vergleichsweise hoher
Rechenkapazitäten,
sie erfordern dafür
aber auch einen entsprechenden Realisierungsaufwand, und die Nutzung
aufgenommener Verkehrsinformationen ist durch die begrenzte Kapazität der verwendeten
Kommunikationsstrecken limitiert. So wird aus Gründen der begrenzten Übertragungskapazität nicht
der gesamte zeit- und ortsaufgelöste
Verlauf des oder der überwachten Verkehrszustandsparameter
von den zugehörigen Detektoren
zur Zentrale übermittelt,
und die Zentrale übermittelt
ihrerseits die aktuelle und prognostizierte Verkehrslage nicht als
kontinuierlichen zeitlich-örtlichen
Verlauf des oder der Verkehrszustandsparameter, sondern die Verkehrsinformationsübertragung
erfolgt vorzugsweise in Form von ereignisorientierten Meldungen,
wie Staumeldungen etc.
-
In
der älteren
deutschen Patentanmeldung
DE
100 51 771 A1 der Anmelderin ist ein fahrzeugautonom durchführbares
Verfahren zur fahrzeugindividuellen Verkehrszustandsprognose beschrieben,
bei dem durch das jeweilige Fahrzeug laufend lokale Verkehrszustandsdaten
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 repräsentierten Verkehrszustand
in Fahrtrichtung des Fahrzeugs als zu erwartenden Verkehrszustand
zu prognostizieren. Zusätzlich wird
in der älteren
deutschen Patentanmeldung
DE
100 57 796 A1 der Anmelderin die Nutzung auch von Verkehrszustandsdaten,
die von anderen Fahrzeugen ermittelt und an das eigene Fahrzeug übermittelt
werden, für
eine derartige Verkehrszustandsprognose vorgeschlagen. Für weitere
Details solcher fahrzeugindividueller 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 Verkehrsparameter in ihrer zu
erwartenden Zeitabhängigkeit
repräsentieren,
als auch zeitlich-örtliche
Verkehrsmuster, bei denen der oder die berücksichtigten Verkehrsparameter
oder daraus abgeleitete Größen typische
zeitabhängige Musterprofile
im Ortsraum bilden, wie Muster dichten Verkehrs vor effektiven Engstellen
von Schnellstraßennetzen
und Warteschlangen-Verkehrsmuster vor verkehrsgeregelten Netzknoten
in Ballungsraum-Verkehrsnetzen.
-
Unter
dem Begriff "dynamische
Verkehrsprognose" sind
vorliegend solche Verkehrsprognosen zu verstehen, bei denen der
Verkehrszustand jedenfalls für
einen gewissen, für
das jeweilige Fahrzeug interessierenden Wegenetzbereich in seinem
zeitlichörtlichen
Verlauf für
einen gewissen Prognosezeitraum vorausgeschätzt 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 Patentschrift
DE 196 47 127 C2 beschreibt
speziell dynamische Prognosen 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
DE
199 44 077 A1 der Anmelderin beschrieben sind, worauf für weitere diesbezügliche Details
verwiesen wird.
-
In
der Offenlegungsschrift
WO
99/26212 A1 ist ein Verkehrszustandsprognoseverfahren beschrieben,
das primär
zum Signalisieren von lokalen Verkehrsstörungen dient. Dazu wird jeweils
zu einem Bezugsfahrzeug eine maximale Gruppe von Fahrzeugen festgelegt,
von denen das Bezugsfahrzeug individuelle Fahrzeugdatensignale empfängt, die
es wiederholt auswertet und abspeichert. 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 Verkehrsstrom
erzeugt und das Auftreten von Unfällen verringert werden. 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 Verkehrsinformation eventuell
schon veraltet ist, bis das Bezugsfahrzeug 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.
-
In
der Offenlegungsschrift
WO
00/46777 A1 ist ein Verfahren und eine Vorrichtung zur
Gewinnung von relevanter Verkehrsinformation und zur Dynamischen
Routenoptimierung beschrieben. Diese wurde zur Bildung des Oberbegriffes
des Patentanspruches 1 herangezogen.
-
Der
Erfindung liegt als technisches Problem die Bereitstellung eines
Verfahren zur fahrzeugindividuellen Verkehrsprognose der eingangs
genannten Art zugrunde, mit dem sich der Verkehrszustand individuell
für ein
jeweiliges Fahrzeug mit vertretbarem Aufwand vergleichsweise zuverlässig dynamisch prognostizieren
lässt.
-
Die
Erfindung löst
dieses Problem durch die Bereitstellung eines Verkehrszustandsprognoseverfahrens
mit den Merkmalen des Anspruchs 1. Vorteilhafte Weiterbildungen
der Erfindung sind Gegenstand der Unteransprüche.
-
Beim
Verfahren nach Anspruch 1 wird speziell ein dynamischer Verkehrszustandsprognosealgorithmus
verwendet, mit dem indivi dualisierbare Verkehrszustandsobjekte,
wie z.B. die verschiedenen Zustandsphasen "freier Verkehr", "synchronisierter Verkehr" 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, zusätzlich
zu den vom eigenen Fahrzeug gewonnenen Verkehrszustandsdaten als
Stützstellen
des dynamischen Verkehrszustandsprognosealgorithmus 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
allgemeinen noch bessere Ergebnisse liefern kann als eine Prognose,
die nur auf den vom eigenen Fahrzeug gewonnenen Verkehrszustandsdaten
basiert.
-
Bei
dem erfindungsgemäßen Verfahren
ist speziell eine Aktualisierung 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 vergleichsbasierte
Aktualisierungsvorgang, der kontinuierlich oder von Zeit zu Zeit
durchgeführt
werden kann, ermöglicht
eine Korrektur bzw. Anpassung des verwendeten Algorithmus an die
aktuell vorgefundenen Gegebenheiten, d.h. der Verkehrszustandsermittlungsalgorithmus
und/oder Verkehrszustandsprognosealgorithmus. kann entsprechend
korrigiert werden, wenn die gemessenen Verkehrszustandsdaten merklich
von dem für
diesen Zeitpunkt aktuell geschätzten
oder früher
prognostizierten Verkehrszustand abweichen.
-
In
einer Ausgestaltung dieses Verfahrens werden nach Anspruch 2 mindestens
die Verkehrszustandsphasen "freier
Verkehr", "synchronisierter Verkehr" und "sich bewegender breiter
Stau" als individualisierbare
Verkehrszustandsobjekte berücksichtigt.
-
In
einer Ausgestaltung dieses Verfahrens werden gemäß Anspruch 3 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 streckenseitigen Einrichtungen herangezogen, was die Güte des Verkehrszustandsermittlungsalgorithmus
und/oder des Verkehrszustandsprognosealgorithmus weiter verbessern
kann.
-
Vorteilhafte
Ausführungsformen
der Erfindung sind in den Zeichnungen dargestellt und werden nachfolgend
beschrieben. Dabei zeigen:
-
1 eine
schematische Blockdiagrammdarstellung eines ersten Verfahrens zur
dynamischen, fahrzeugindividuellen Verkehrszustandsprognose anhand
fahrzeugeigener Daten und mit Vergleich gemessener und geschätzter bzw.
prognostizierter Verkehrszustandsdaten,
-
2 eine
schematische Blockdiagrammdarstellung eines zweiten Verfahrens zur
dynamischen, fahrzeugindividuellen Verkehrszustandsprognose anhand
von Verkehrszustandsdaten des eigenen und anderer Fahrzeuge,
-
3 eine
schematische Blockdiagrammdarstellung eines für die dynamische Verkehrszustandsprognose
verwendbaren Algorithmus zur Erkennung und Prognose individualisierbarer
Verkehrszustandsobjekte für
eine Beispielsituation,
-
4 eine
schematische Blockdiagrammdarstellung eines zur Erkennung und Prognose
dreier verschiedener individua lisierbarer Verkehrszustandsphasen
verwendbaren Algorithmus,
-
5 ein
Diagramm zur schematischen Darstellung der Funktionsweise des Algorithmus
von 4 anhand eines Beispielfalls,
-
6 ein
schematisches Blockdiagramm eines dritten Verfahrens zur dynamischen,
fahrzeugindividuellen Verkehrszustandsprognose anhand von Verkehrszustandsdaten
des eigenen und anderer Fahrzeuge unter Verwendung einer Verkehrs
zustandsschätzeinheit,
-
7 eine
schematische Blockdiagrammdarstellung eines vierten Verfahrens zur
dynamischen, fahrzeugindividuellen Verkehrszustandsprognose anhand
von Verkehrszustandsdaten des eigenen und anderer Fahrzeuge und
mit Vergleich gemessener und geschätzter bzw. prognostizierter
Verkehrszustandsdaten und
-
8 eine
schematische Blockdiagrammdarstellung eines fünften Verfahrens zur dynamischen,
fahrzeugindividuellen Verkehrszustandsprognose entsprechend 7,
jedoch mit zusätzlicher Nutzung
weiterer externer Verkehrszustandsdaten.
-
In
den Figuren sind verschiedene Ausführungsbeispiele des erfindungsgemäßen Verfahrens zur
fahrzeugindividuellen dynamischen Prognose des Verkehrszustands
mit dazu vorteilhaft verwendbaren Algorithmen sowie die zur Verfahrensdurchführung benötigten Mittel
illustriert. Die Verkehrszustandsprognose bezieht 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 vorgebbaren Zielort.
-
Im
Verfahrensbeispiel von 1 beinhaltet das jeweilige Fahrzeug 1 Verkehrszustandsbestimmungsmittel 2,
mit denen der aktuelle Verkehrszustand kontinuierlich in seinem
zeitlichörtlichen
Verlauf anhand eines oder mehrerer gemessener Parameter und/oder
daraus abgeleiteter Größen erfasst wird,
wie der mittleren Fahrzeuggeschwindigkeit, der Verkehrsdichte, des
Verkehrsflusses und/oder individualisierbarer Verkehrszustandsobjekte,
insbesondere Verkehrsstörungsobjekte.
Der Begriff "Verkehrszustandsdaten" soll dabei vorliegend
der Einfachkeit halber sowohl die gemessenen Rohdaten als auch die
durch die gegebenenfalls vorgesehene Aufarbeitung bzw. Weiterverarbeitung
derselben erhaltenen Daten bezeichnen.
-
Derartige
individualisierbare Verkehrszustandsobjekte umfassen insbesondere
individualisierbare Zustandsphasen, wie Stau, synchronisierter Verkehr,
gestauchter synchronisierter Verkehr und freier Verkehr, Phasenübergänge zwischen
solchen Zustandsphasen und zeitlich-räumliche Muster aus derartigen
Zustandsphasen, 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, speziell auch auf die früheren Patentanmeldungen der
Anmelderin zu dieser Thematik. Bezüglich der Erkennung von Mustern
dichten Verkehrs an effektiven Engstellen und Warteschlangenmustern
an verkehrsgeregelten Netzknoten und darauf aufbauenden Verkehrsprognosen
sei insbesondere auf die oben erwähnten älteren deutschen Patentanmeldungen
DE 199 44 075 A1 ,
DE 100 36 789 A1 ,
DE 100 36 792 A1 und
DE 100 51 777 A1 verwiesen.
-
Durch
Erkennung der verschiedenen Verkehrsmuster und Verkehrszustandsphasen
sowie Phasenübergängen zwischen
denselben lässt
sich die Bestimmung und Prognose des Verkehrszustands deutlich erleichtern
und verbessern. Denn anhand der aufgenommenen Verkehrszustandsdaten 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 entsprechend zuverlässigen
Prognose des Verkehrszustands insgesamt resultiert.
-
Vorliegend
werden dazu empirische Daten solcher Muster und Zustandsphasen ebenso
wie bei Bedarf weitere Verkehrszustandsdaten 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 berücksichtigten
Verkehrsparameter als auch in Form von typischen zeitabhängigen Verkehrsmustern
im Ortsraum. Für
die Zeitabhängigkeit
ist es dabei zweckmäßig, sowohl hinsichtlich
Uhr- d.h. Tageszeit als auch Wochentag zu unterscheiden, da der
Verkehr meistens von beiden Zeitparametern signifikant abhängt. Hinsichtlich der
Ortskomponente ist neben dem aktuellen Fahrzeugort vor allem das
Fahrzeugziel und/oder die Fahrtrichtung von Interesse, um den örtlichen
Prognosebereich darauf abgestimmt zu begrenzen. Bei dieser Ganglinien-Anwendung
können
selbstverständlich
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 abgespeichertes Maß unterscheiden. Des weiteren
können
die Ganglinien bzw. Verkehrsmuster mit einer zugehörigen Wahrscheinlichkeit
ihres Auftretens abgespeichert sein, die dann bei der Auswertung
entsprechend berücksichtigt
wird.
-
Ein
solcher herkömmlich
gewonnener Gangliniensatz wird, nunmehr wieder auf
1 bezugnehmend,
in einer entsprechenden Speichereinheit
3 im jeweiligen
Fahrzeug
1 abgelegt. Die Speichereinheit
3 kann
von einem beliebigen herkömmlichen
Typ sein, z.B. in Form einer CD-ROM, auf der die Daten fest abgespeichert
sind, aber auch in Form einer sogenannten lernenden digitalen Wegenetzkarte,
wie sie in der deutschen Patentschrift
DE 199 16 967 C1 der Anmelderin
beschrieben ist. In letzterem Fall können die historischen Ganglinien
anhand früherer Fahrten
derselben Strecke mit demselben oder einem anderen 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 einschließlich
zeitlich-räumlicher
Verkehrsmuster zu dem Zweck verglichen, unter den abgespeicherten Ganglinien
diejenige herauszufinden, die am besten zu den gemessenen bzw. weiterverarbeiteten
Verkehrszustandsdaten, d.h. zur aktuellen Verkehrssituation passt.
Diese Ganglinienauswahl erfolgt nach Art eines herkömmlichen "Matching"-Verfahrens.
-
Die
ausgewählte,
am besten zum erfassten, aktuellen zeitlichörtlichen Verlauf des oder der
verwendeten Verkehrszustandsparameter passende Ganglinie wird dann
als Prognoseganglinie zum einen von einer Verkehrszustandsschätzeinheit 5 zur Bestimmung
des aktuellen Verkehrszustands für
das Fahrzeug und zum anderen von einer Prognoseeinheit 6 zur
fahrzeugautonomen Verkehrszustandsprognose des zeitlich-räumlichen
Verlaufs der verschiedenen erkannten Verkehrszustandsphasen und
gegebenenfalls anderer Verkehrszustandscharakteristika herangezogen.
Dies beinhaltet insbesondere eine Prognose über die im betreffenden Streckenbereich und
im betreffenden Zeitraum zu erwartenden Geschwindigkeits-, Dichte-
und/oder Verkehrsflussprofile sowie über die zeitlich-räumliche
Entwicklung von Staus und anderen individualisierbaren werkehrlichen
Objekten, wie synchronisierter Verkehr und Muster dichten Verkehrs
an effektiven Engstellen und Warteschlangen an verkehrsgeregelten
Netzknoten. Der Verkehrszustandsprognosealgorithmus nutzt dazu neben
der ausgewählten
Prognoseganglinie auch den in der Verkehrszustandsschätzeinheit 5 ermittelten
aktuellen Verkehrszustand.
-
Eine
Vergleichseinheit 7 nimmt einen kontinuierlichen dynamischen
Vergleich der von den Verkehrszustandsbestimmungsmitteln 2 gemessenen Verkehrszustandsdaten,
z.B. über
den zeitlichräumlichen
Verlauf der Fahrzeuggeschwindigkeit und optional über die
lokale Verkehrsdichte und über
Geschwindigkeitsdifferenzen zwischen verschiedenen Fahrzeugen z.B.
auf verschiedenen Fahrspuren, mit dem von der Schätzeinheit 5 geschätzten aktuellen Verkehrszustand
und dem von der Prognoseeinheit 6 früher für den betreffenden Zeitpunkt
prognostizierten Verkehrszustand vor. Falls hierbei der zum jeweiligen
Zeitpunkt t = t0 von der Schätzeinheit 5 geschätzte aktuelle
Verkehrszustand 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 + Δti im Rahmen eines vorgegebenen Kriteriums übereinstimmen,
speziell hinsichtlich des zeitlich-räumlichen Verlaufs individualisierbarer
Verkehrszustandsobjekte und gegebenenfalls anderer, hierfür herkömmlich genutzter Verkehrszustandscharakteristika,
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
Zeitinkrement Δti wird in geeigneter Größe vorgegeben. Als Kriterium kann
irgendein geeignetes, herkömmliches
Vergleichskriterium verwendet werden, z.B. das Kriterium, dass die
Differenz zwischen den beiden verglichenen Werten eines jeweiligen
Verkehrszustandsparameters 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 Verkehrszustand nicht mit
dem von den Verkehrszustandsbestimmungsmitteln 2 sensorbasiert
zum Zeitpunkt t = t0 + Δti 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 Vergleichsergebnis
aktualisiert, d.h. angepasst. Dazu meldet die Vergleichseinheit 7 der Prognoseganglinien-Auswahleinheit 4 das
Vergleichsergebnis als "nicht
OK". Daraufhin wird
eine aktualisierende Neubestimmung der Prognoseganglinienauswahl
verbunden mit einer Neubestimmung entweder nur des prognostizierten
Verkehrszustands oder sowohl des prognostizierten Verkehrszustands als
auch des aktuellen Verkehrszustandes durchgeführt. Dieser Aktualisierungszyklus
wird zeitlich stetig oder mit einem diskreten Zeitintervall t =
t0 + n·Δti ausgeführt,
wobei das Zeitinkrement Δti bei Bedarf von "n" abhängig sein
kann.
-
Die
solchermaßen
fahrzeugautonom für
das jeweilige Einzelfahrzeug 1 durchgeführte dynamische Verkehrsprognose
kann dann je nach Anwendungsfall für verschiedene fahrzeugseitige
Systeme 8 genutzt werden, z.B. für einen Verkehrsmonitor, zur Zielführung, zur
Fahrerassistenz, zur Komfort- und/oder Sicherheitsverbesserung und/oder
zur Kraftstoffverbrauchsreduzierung. Eine Maßnahme zur Sicherheitsverbesserung
stellt beispielsweise eine frühzeitige
Stauwarnung dar, bei welcher der Abstand bis zum Stau und/oder der
voraussichtliche Zeitpunkt bis zur Ankunft am Stau angegeben und/oder
geeignete Gegenmaßnahmen
empfohlen werden, wie Verringerung der Fahrgeschwindigkeit, Umfahren
des Staubereichs etc.
-
2 zeigt
ein Verfahrensbeispiel, bei dem zur fahrzeugseitigen Ermittlung
und Prognose des Verkehrszustands außer den vom eigenen Fahrzeug aufgenommenen
Verkehrszustandsdaten zusätzlich Verkehrszustandsdaten
herangezogen werden, die von anderen Fahrzeugen Fi,
..., Fj aus entsprechenden fahrzeugseitigen
Messungen (FSM) gewonnen werden. Dazu stehen die systembeteiligten
Fahrzeuge miteinander über
einen Fahrzeug-Fahr zeug-Kommunikationskanal 9 in Datenaustauschverbindung. Jedes
Fahrzeug beinhaltet sensorbasierte Verkehrszustandsbestimmungsmittel 2 entsprechend
dem Beispiel von 1, einschließlich 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 Verkehrszustandsdaten
als auch von Verkehrszustandsdaten, die von den anderen Fahrzeugen
F1, ..., Fj gewonnen
und ihm als Rohdaten oder in weiterverarbeiteter Form über den
Kommunikationskanal 9 übermittelt
werden. Die Prognose kann je nach implementiertem Prognosealgorithmus
eine dynamische Prognose von Staus und anderen individualisierbaren
Verkehrszustandsobjekten und/oder eine Auswahl einer bestpassenden
Prognoseganglinie anhand eines entsprechenden "Matching"-Algorithmus umfassen, wobei für letzteren
Fall wie im Beispiel von 1 historische Ganglinien in
der zugehörigen
Speichereinheit 3 gespeichert 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,
..., Fj oder aus einer nicht gezeigten Gangliniendatenbank
aktualisiert werden. Zudem werden die von den Verkehrszustandsbestimmungsmitteln 2 erfassten
Verkehrszustandsdaten über
den Fahrzeug-Fahrzeug-Kommunikationskanal 9 zu den anderen
Fahrzeugen F1, ... Fj übermittelt.
-
Bei
der Prognose im Verfahren von
2 können somit
die von den anderen Fahrzeugen F
1, ...,
F
j zugeführten
Verkehrszustandsdaten zusätzlich zu
den vom eigenen Fahrzeug
1 ermittelten Verkehrszustandsdaten
als weitere Stützstellen
des Prognosealgorithmus dienen, um die Prognosequalität zu verbessern,
siehe die ältere
deutsche Patentanmeldung
DE
100 57 796 A1 . Zur Prognose des zukünftigen Verkehrszustands können sowohl
in den Verfahrensbeispielen der
1 und
2 als
auch in den weiteren Verfahrensbeispielen der
6 bis
8 Verkehrszustandserkennungsprozesse
verwendet werden, mit denen individualisierbare Verkehrszustandsobjekte
und hierbei insbesondere die Zustände "freier Verkehr", "synchronisierter
Verkehr", "gestauchter synchronisierter
Verkehr" und "Staus" oder genauer "sich bewegende breite
Staus" erkannt und
in ihrer zeitlich-räumlichen
Entwicklung verfolgt werden können.
Im Fall von Straßennetzen
ist diese Vorgehensweise speziell für Schnellstraßennetze
geeignet. Eine analoge Vorgehensweise ist jedoch auch für Ballungsraum-Verkehrsnetze
möglich,
bei denen der Verkehr wesentlich durch Verkehrsregelungsmaßnahmen
an Netzknoten bestimmt ist. Hier können dann sogenannte Untersättigungszustände und Übersättigungszustände an den
verkehrsgeregelten Netzknoten und die Länge von in Übersättigungszuständen gebildeten
Warteschlangen erkannt und in ihrer zeitlich-räumlichen Entwicklung verfolgt werden.
Dies wird zum leichteren Verständnis
nachstehend unter Bezugnahme auf die
3 bis
5 anhand
einer angenommenen Beispielsituation erläutert.
-
3 veranschaulicht
anhand eines Streckenabschnitts 11 lokale Messungen eines
oder mehrerer für
den Verkehrszustand repräsentativer Parameter
durch geeignete Sensorik, z.B. stationäre, streckenseitige Detektoren
oder fahrzeugseitige Sensoren in sogenannten FCD("Floating Car Data")-Fahrzeugen, die
z.B. über
einen Fahrzeug-Fahrzeug-Kommunikationskanal in Datenaustauschverbindung
stehen. Die für
den Verkehr auf dem Streckenabschnitt 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 werden insbesondere
die individualisierbaren Zustandsphasen "freier Verkehr" F, "synchronisierter
Verkehr" S und "sich bewegende breite
Staus" ST erkannt.
Der Verkehrszustandsprognosealgorithmus ist dann dafür ausgelegt,
die aktuell erkannten Zustandsphasen in ihrer zeitlich-räumlichen
Entwicklung zu verfolgen und die Entstehung zukünftiger Verkehrsstörungszu stände, d.h.
zukünftiger
Bereiche synchronisierten Verkehrs S und/oder von Staus ST vorauszusagen.
Dies geschieht insbesondere durch die Verfolgung und Vorausschätzung der
stromabwärtigen
Flanke xj,d(t) eines jeweiligen Staus ST,
der stromaufwärtigen
Flanke xj,u(t) desselben, der stromabwärtigen Flanke
xs,d(t) eines Bereichs synchronisierten
Verkehrs S und dessen stromaufwärtiger
Flanke xs,u(t), jeweils als Funktion der
Zeit t.
-
4 veranschaulicht
einen derartigen Algorithmus zur Erkennung, 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", "synchronisierter 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 deutschen Patentanmeldungen
DE 198 35 979 A1 und
DE 199 44 077 A1 der
Anmelderin beschriebene Algorithmus verwendbar, auf die für diesbezügliche Details
verwiesen werden kann. Für Bereiche
freien Verkehrs 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
Zustands, d.h. insbesondere der zeitlichen Entwicklung von dessen
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 stromabwärtigen 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 bezüglich weiterer Details verwiesen
werden kann.
-
Im
Fall von Ballungsraum-Verkehrsnetzen ist der analoge Algorithmus
verwendbar, um Übersättigungs-
und Untersättigungsbereiche
sowie Warteschlangenlängen
zu erkennen und in ihrer zeitlich-räumlichen Entwicklung zu verfolgen.
Dabei treten die Untersättigungsbereiche
an die Stelle der Bereiche freien Verkehrs und die Übersättigungsbereiche
an die Stelle der Bereiche synchronisierten Verkehrs bzw. sich bewegender
breiter Staus. Für
Untersättigungsbereiche
können
eventuelle zukünftige Übergänge zu Übersättigungsbereichen
prognostiziert werden, und für
die Übersättigungsbereiche kann
die Länge
von Warteschlangen prognostiziert werden.
-
5 veranschaulicht
die Arbeitsweise eines solchen, auf der Erkennung, Verfolgung und
Vorhersage individualisierbarer Verkehrszustandsobjekte basierenden
Algorithmus anhand einer Beispielssituation in Form eines Ort-Zeit-Diagramms.
Der betrachtete Streckenabschnitt beinhaltet zwei hintereinanderliegende
effektive Engstellen E1, E2, an denen sich Muster dichten Verkehrs
ausbilden können.
Zu einem gewissen aktuellen Zeitpunkt ist im Beispiel von 5 angenommen,
dass stromaufwärts
anschließend
an die stromabwärtige
effektive Engstelle E1 ein Muster dichten Verkehrs mit einem Bereich synchronisierten
Verkehrs und einem anschließenden
Bereich gestauchten synchronisierten Verkehrs vorliegt. Der Bereich
gestauchten synchronisierten Verkehrs enthält bekanntermaßen sich
wiederholende, kurze Stauzonen, in 5 mit schmalen
dunklen Streifen angedeutet.
-
Im
weiteren Zeitverlauf läuft
der sich bewegende breite Stau stromaufwärts durch das Muster dichten
Verkehrs an der stromabwärtigen
effektiven Engstelle E1 hindurch und dann weiter über einen Bereich
freien Verkehrs hinweg bis zur stromaufwärtigen effektiven Engstelle
E2. Dort führt
die übrige Verkehrssituation
dazu, dass der Stau synchronisierten Verkehr auslöst, 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 Engstelle E2 mit einem Bereich synchronisierten Verkehrs
und einem daran stromaufwärts
anschließenden
Bereich gestauchten synchronisierten Verkehrs. Vom letztgenannten
Bereich lösen
sich dann im Beispiel von 5 einzelne Staus
ab, die weiter stromaufwärts
mit einer typischen Staugeschwindigkeit propagieren. Der Algorithmus
zur Erkennung und Prognose des Verkehrszustands ist in der Lage,
dieses Verkehrsgeschehen des Beispiels von 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 "gestauchter synchronisierter
Verkehr" und "Stau" und daraus gebildeter
Muster dichten Verkehrs.
-
6 zeigt
ein weiteres Verfahrensbeispiel, das weitgehend demjenigen von 2 entspricht, wobei
für funktionell
gleiche Elemente dieselben Bezugszeichen verwendet sind. Im Verfahren
von 6 übernimmt
eine vom Prognoseteil 6 separierte Verkehrszustandsschätzeinheit 12 die
Bestimmung des aktuellen Verkehrszustands anhand der Messdaten des
eigenen und der anderen Fahrzeuge. Dieser Schätzeinheit 12 ist eine
Speichereinheit 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
Verkehrszustandsobjekte und/oder eine "Matching"-Auswahl einer bestpassenden Prognoseganglinie
in Abhängigkeit
vom durch die Schätzeinheit 12 ermittelten
aktuellen Verkehrszustand, den abgespeicherten gemessenen Verkehrszuständen und
den abgespeicherten historischen Ganglinien. Die Ergebnisse des
Prognosemoduls 6 werden über den Fahrzeug-Fahrzeug-Kommunikationskanal 9 den
anderen Fahrzeugen F1, ..., Fj zur
Verfügung gestellt.
Der von der Schätzeinheit 12 ermittelte
aktuelle Verkehrszustand und der vom Prognosemodul 6 vorhergesagte
zukünftige Verkehrszustand
werden dann wiederum je nach Anwendungsfall für einen oder mehrere Einsatzwecke
genutzt, wobei im Beispiel von 6 die Nutzung
für ein
Fahrerassistenzsystem 14, ein Reisezeitberechnungsmodul 15 und einen
Verkehrsmonitor 16 explizit gezeigt ist.
-
7 zeigt
ein weiteres Verfahrensbeispiel, das im wesentlichen demjenigen
von 1 entspricht, wobei wiederum für funktionell gleiche Elemente
dieselben Bezugszeichen verwendet sind und zu deren Beschreibung
auf diejenige von 1 verwiesen werden kann. Beim
Verfahren von 7 werden im Vergleich zu demjenigen
von 1 zusätzlich Verkehrszustandsdaten
von anderen Fahrzeugen F1, ..., Fj wie in den Beispielen der 2 und 6 zur Ermittlung
des aktuellen und zur Prognose des zukünftigen Verkehrszustands genutzt,
wozu die Fahrzeuge wiederum über
einen zugehörigen
Fahrzeug-Fahrzeug-Kommunikationskanal 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-Schätzeinheit 5 die von
den anderen Fahrzeugen F1, ..., Fj übermittelten Verkehrszustandsdaten
zugeführt.
-
Das
in 8 illustrierte Verfahrensbeispiel entspricht demjenigen
von 7 mit der Ausnahme, dass für die fahrzeugseitige 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 anderer 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 streckenseitigen Baken oder vergleichbaren
streckenseitigen Einrichtun gen, von einer Verkehrszentrale und/oder über das
Internet übermittelt
werden.