DE10062856B4

DE10062856B4 - Verfahren zur fahrzeugindividuellen Verkehrsprognose

Info

Publication number: DE10062856B4
Application number: DE2000162856
Authority: DE
Inventors: Boris Prof. Dr. Kerner
Original assignee: DaimlerChrysler AG
Current assignee: Mercedes Benz Group AG
Priority date: 2000-12-16
Filing date: 2000-12-16
Publication date: 2008-01-10
Anticipated expiration: 2020-12-17
Also published as: DE10062856A1

Abstract

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 Verkehrszustandserkennungsalgorithmus und für eine Prognose des für das jeweilige Fahrzeug (1) relevanten zukünftigen Verkehrszustands mittels eines Verkehrszustandsprognosealgorithmus herangezogen werden, wobei
– als Verkehrszustandsprognosealgorithmus ein dynamischer Verkehrszustandsprognosealgorithmus verwendet wird, mit dem fahrzeugindividualisierbare Verkehrszustandsobjekte, die eine oder mehrere Verkehrzustandsphasen umfassen, erkannt werden und deren zeitlich-räumliche Entwicklung prognostiziert wird, wobei von einem oder mehreren anderen Fahrzeugen (F₁, ..., F_j) gewonnene oder daraus abgeleitete, zum eigenen Fahrzeug übertragene Verkehrszustandsdaten zusätzlich bei der dynamischen Verkehrszustandsprognose berücksichtigt werden,
dadurch gekennzeichnet, dass
fahrzeugseitig laufend Verkehrszustandsdaten gewonnen und diese und/oder daraus abgeleitete Daten für eine Ermittlung des zugehörigen aktuellen Verkehrszustands mittels eines Verkehrszustandserkennungsalgorithmus und für eine Prognose des für das jeweilige Fahrzeug (1) relevanten zukünftigen Verkehrszustands mittels eines Verkehrszustandsprognosealgorithmus herangezogen werden,
und dass fahrzeugseitig wenigstens in gewissen...

Description

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 + Δt_i 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 Δt_i 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 + 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 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·Δt_i ausgeführt, wobei das Zeitinkrement Δt_i 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 F_i, ..., F_j 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, ..., F_j 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, ..., F_j 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, ... F_j übermittelt.
Bei der Prognose im Verfahren von 2 können somit die von den anderen Fahrzeugen F₁, ..., 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 x_j,d(t) eines jeweiligen Staus ST, der stromaufwärtigen 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.
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, ..., F_j 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, ..., F_j 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, ..., F_j 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.

Claims

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 Verkehrszustandserkennungsalgorithmus und für eine Prognose des für das jeweilige Fahrzeug (1) relevanten zukünftigen Verkehrszustands mittels eines Verkehrszustandsprognosealgorithmus herangezogen werden, wobei – als Verkehrszustandsprognosealgorithmus ein dynamischer Verkehrszustandsprognosealgorithmus verwendet wird, mit dem fahrzeugindividualisierbare Verkehrszustandsobjekte, die eine oder mehrere Verkehrzustandsphasen umfassen, erkannt werden und deren zeitlich-räumliche Entwicklung prognostiziert wird, wobei von einem oder mehreren anderen Fahrzeugen (F₁, ..., F_j) gewonnene oder daraus abgeleitete, zum eigenen Fahrzeug übertragene Verkehrszustandsdaten zusätzlich bei der dynamischen Verkehrszustandsprognose berücksichtigt werden, dadurch gekennzeichnet, dass fahrzeugseitig laufend Verkehrszustandsdaten gewonnen und diese und/oder daraus abgeleitete Daten für eine Ermittlung des zugehörigen aktuellen Verkehrszustands mittels eines Verkehrszustandserkennungsalgorithmus und für eine Prognose des für das jeweilige Fahrzeug (1) relevanten zukünftigen Verkehrszustands mittels eines Verkehrszustandsprognosealgorithmus herangezogen werden, und dass fahrzeugseitig wenigstens in gewissen Zeitabständen die laufend gewonnenen Verkehrszustandsdaten mit dem vom Verkehrszustandsermittlungsalgorithmus ermittelten aktuellen Verkehrszustand und/oder mit dem für den betreffenden Zeitpunkt vom Verkehrszustandsprognosealgorithmus zu einem früheren Zeitpunkt prognostizierten Verkehrszustand verglichen und das Vergleichsresultat zur Aktualisierung des Verkehrszustandsermittlungsalgorithmus und/oder des Verkehrszustandsprognosealgorithmus herangezogen wird.
Verfahren zur fahrzeugindividuellen Verkehrsprognose nach Anspruch 1, dadurch gekennzeichnet, dass als individualisierbare Verkehrszustandsobjekte mindestens die Verkehrszustandsphasen "freier Verkehr", "synchronisierter Verkehr" und "sich bewegender breiter Stau" erkannt und in ihrer zeitlich-räumlichen Entwicklung prognostiziert werden.
Verfahren zur fahrzeugindividuellen Verkehrsprognose, nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass zusätzlich zu den vom eigenen Fahrzeug gewonnenen Verkehrszustandsdaten für die Ermittlung des aktuellen Verkehrszustands und/oder die Prognose des zukünftigen Verkehrszustands zusätzlich extern zugeführte Verkehrszustandsdaten von anderen Fahrzeugen, von einer Verkehrszentrale, von streckenseitigen Einrichtungen und/oder vom Internet herangezogen werden.