DE102009024153A1 - Verfahren zur sukzessiven Prognostizierung eines mit einem Kraftfahrzeug zurückzulegenden wahrscheinlichsten Streckenabschnitts - Google Patents

Verfahren zur sukzessiven Prognostizierung eines mit einem Kraftfahrzeug zurückzulegenden wahrscheinlichsten Streckenabschnitts Download PDF

Info

Publication number
DE102009024153A1
DE102009024153A1 DE102009024153A DE102009024153A DE102009024153A1 DE 102009024153 A1 DE102009024153 A1 DE 102009024153A1 DE 102009024153 A DE102009024153 A DE 102009024153A DE 102009024153 A DE102009024153 A DE 102009024153A DE 102009024153 A1 DE102009024153 A1 DE 102009024153A1
Authority
DE
Germany
Prior art keywords
node
decision
turn
route
navigation system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
DE102009024153A
Other languages
English (en)
Inventor
Mario Dipl.-Inform. Aleksic
Alexander Dipl.-Math. Bracht
Roland Ortloff
Thomas Dipl.-Ing. Passegger
Bernd Dipl.-Inform. Raichle
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mercedes Benz Group AG
Original Assignee
Daimler AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Daimler AG filed Critical Daimler AG
Priority to DE102009024153A priority Critical patent/DE102009024153A1/de
Publication of DE102009024153A1 publication Critical patent/DE102009024153A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network

Abstract

Die vorliegende Erfindung stellt ein Verfahren zur sukzessiven Prognostizierung eines mit einem Kraftfahrzeug (20) zurückzulegenden wahrscheinlichsten Verfahrens zur sukzessiven Prognostizierung eines mit einem Kraftfahrzeug (20) zurückzulegenden wahrscheinlichsten Streckenabschnitts (1, 2, 2', 3, 4, 5, 6, 7, 8, 9) unter Verwendung eines Navigationssystems, das mit einem Fahrassistenzsystem gekoppelt ist, dar. Dem Navigationssystem ist das Fahrziel (Z1, Z2) nicht bekannt. Das Straßennetz einer dem Navigationssystem vorliegenden digitalen Straßenkarte weist eine Vielzahl von Knotenpunkten (A, B, C, D) auf, wobei ein Streckenabschnitt (1, 2, 2', 3, 4, 5, 6, 7, 8, 9) zwischen zwei Knotenpunkten (A, B, C, D) liegt. Die mittels der sukzessiven Prognostizierung erlangten Daten werden über den nächsten wahrscheinlichsten Streckenabschnitt (1, 2, 2', 3, 4, 5, 6, 7, 8, 9) kontinuierlich dem Fahrassistenten bereitgestellt. Das Verfahren umfasst die Schritte: a) Passieren eines ersten Knotenpunktes (A) auf einer Strecke und Erfassen und Speichern einer ersten Abbiegeentscheidung an dem ersten Knotenpunkt (A), b) Prognostizieren einer Folge-Abbiegeentscheidung an einem Folge-Knotenpunkt (B, C, D) unter Berücksichtigung eines zurückgelegten Streckenverlaufs und der ersten Abbiegeentscheidung und c) Ermitteln der Daten, die ein prognostizierter Folge-Streckenabschnitt (2, 2', 3, 4, 5, 6, 7, 8, 9) aufweist und d) Ausgeben der Daten an den Fahrassistenten, e) Passieren des ...

Description

  • Die Erfindung betrifft ein Verfahren zur sukzessiven Prognostizierung eines Streckenabschnitts, den ein Kraftfahrzeug mit höchster Wahrscheinlichkeit zurücklegen wird.
  • Vorrichtungen und Verfahren zur Vorhersage eines Streckenverlaufs, den ein Fahrzeug zurücklegen wird sind aus dem Stand der Technik bekannt.
  • So ist aus der DE 10 2005 024 558 A1 ein Verfahren zur relativ einfachen und unaufwändigen Bestimmung der Geometrie eines Streckenabschnitts bekannt, wobei eine maximal mögliche Geschwindigkeit für diesen Streckenabschnitt bestimmt werden kann, mit der der Streckenabschnitt durchfahren werden kann. Dazu wird dieser Streckenabschnitt als Gerade, als Kreisbogen oder als progressiv gekrümmter Streifen berechnet, und es wird überprüft, welche Geometrie dazu stimmt.
  • In der DE 10 2004 048 347 A1 ist eine Fahrassistenzvorrichtung beschrieben, die mit Hilfe eines bildgebenden Sensors und den Straßenverlaufsdaten einer Navigationsvorrichtung eine Vorhersage des Straßenverlaufs auf einem Display wiedergibt, das einen Fahrer insbesondere bei Nachtfahrten unterstützen soll, indem der außerhalb des Sichtfeldes liegende weitere Straßenverlauf auf dem Display angezeigt wird.
  • Die DE 10 2004 036 825 A1 offenbart ein Fahrassistenzsystem, welches mittels Sensoren verschiedene Richtungsmarkierungen in der Umgebung des Fahrzeugs erkennen kann und digitale Straßenkarten verwendet. Das Fahrerassistenzsystem nutzt damit optimal die vorhandenen bildgebenden Systeme und Abstandssensoren in Verbindung mit den Datenverarbeitungskapazitäten.
  • Eine Straßenkartendatenarchitektur für ein Fahrzeugcomputersystem sowie ein Verfahren zur Bereitstellung von Routendaten sind in der EP 1 111 338 A2 offenbart, wobei alle Straßenabschnitte bestimmt werden, die ein Fahrzeug ausgehend von seiner aktuellen Position bis zu einer begrenzten Ausdehnung erreichen kann. Die Routendaten werden dazu einem Assistenzsystem bereitgestellt. Dieses führt eine Bestimmung einer wahr scheinlichsten Route aus, wenn der Fahrer kein Ziel im Navigationssystem eingegeben hat, indem davon ausgegangen wird, dass der Fahrer eher einer höheren Straßenklasse folgt und eher geradeaus fährt. Allerdings stimmt die nach dieser einfachen Klassifikation der Entscheidungskriterien bestimmte wahrscheinlichste Route nicht immer mit der tatsächlich durch den Fahrer gefahrenen Route überein.
  • Ausgehend von diesem Stand der Technik ist es wünschenswert, ein Verfahren bereitzustellen, mit Hilfe dessen die wahrscheinlichste Route, der ein Fahrer folgen wird, mit einer besseren Genauigkeit prognostiziert werden kann, so dass die Daten über einen prognostizierten voraus liegenden Streckenabschnitt einem Assistenzsystem zur Verfügung gestellt werden können.
  • Diese Aufgabe wird durch ein Verfahren zur sukzessiven Prognostizierung einer mit einem Kraftfahrzeug zurückzulegenden wahrscheinlichsten Strecke mit den Merkmalen des Anspruchs 1 gelöst. Weiterbildungen sind in den Unteransprüchen ausgeführt.
  • Eine erste Ausführungsform bezieht sich auf ein sukzessives Prognoseverfahren, mit Hilfe dessen ein Streckenabschnitt vorgesagt werden kann, der am wahrscheinlichsten von einem Fahrer mit einem Kraftfahrzeug zurückgelegt werden wird, wenn dieser dem Navigationssystem das Fahrziel nicht bekannt gegeben hat. Das Navigationssystem ist mit einem Fahrassistenzsystem gekoppelt, welches zur Ausübung seiner Assistenzfunktion Daten über die voraus liegenden Streckenabschnitte benötigt, die mit dem Prognoseverfahren ermittelt werden können. Ferner sind im Navigationssystem digitale Straßenkarten hinterlegt, in denen ein Straßennetz mit einer Vielzahl von Knotenpunkten gespeichert ist, wobei sich jeweils zwischen zwei Knotenpunkten ein Streckenabschnitt befindet.
  • Die Daten, die über den nächsten voraus liegenden wahrscheinlichsten Streckenabschnitt durch das Verfahren zur sukzessiven Prognostizierung erhalten wurden, werden dabei kontinuierlich den Fahrassistenten bereitgestellt. Dazu umfasst das erfindungsgemäße Verfahren nach Passieren eines ersten Knotenpunkts auf einer Strecke das Erfassen und Speichern einer ersten Abbiegeentscheidung an dem ersten Knotenpunkt, die durch den Fahrer getroffen wurde. Ausgehend von der bisher zurückgelegten Fahrstrecke beziehungsweise deren Streckenverlauf und der ersten Abbiegeentscheidung wird für einen Folge-Knotenpunkt eine Folge-Abbiegeentscheidung und damit ein Folge-Streckenabschnitt prognostiziert, wobei davon ausgegangen werden kann, dass ein Fahrer sein Ziel auf einem schnellsten beziehungsweise kürzesten Weg anfährt. Eine Abbiegeentscheidung, die zu einem Umweg führte oder in Richtung der schon zurückgelegten Strecke verlief, wird damit als weniger wahrscheinlich erachtet. Mit der prognostizierten Folge-Abbiegeentscheidung an dem Folge-Knotenpunkt steht der wahrscheinlichste Folge-Streckenabschnitt fest, dessen Daten beispielsweise aus den digitalen Straßenkarten des Navigationssystems ermittelt werden können, die an den Fahrassistenten ausgegeben werden. Der Fahrassistent kann entsprechend der Daten seine Fahrassistenz ausüben.
  • Nach Passieren des Folge-Knotenpunkts wird wiederum die tatsächliche Folge-Abbiegeentscheidung erfasst und gespeichert, welche zusammen mit der bis dahin zurückgelegten Strecke respektive dem zurückgelegten Streckenverlauf bei der Prognose weiterer Folge-Abbiegeentscheidungen an weiteren Folge-Knotenpunkten berücksichtigt werden. Jede folgende Prognose einer Folge-Abbiegeentscheidung und damit eines Folge-Streckenabschnitts an einem Folge-Knotenpunkt wird jeweils unter Berücksichtigung der bis dorthin zurückgelegten Strecke, des Streckenverlaufs und der bis dahin getroffenen Abbiegeentscheidungen wiederholt, bis das Fahrziel erreicht ist.
  • Damit ist es vorteilhaft möglich, den wahrscheinlichsten Streckenabschnitt, der einem Knotenpunkt folgt, im Verlauf der zurückgelegten Strecke immer besser vorherzusagen, indem die Wahrscheinlichkeit bestimmter Abbiegerelationen dynamisch verändert wird.
  • In weiteren Ausführungsformen werden bei dem Prognostizieren der Abbiegeentscheidungen weitere Entscheidungskriterien berücksichtigt, beispielsweise aktuelle Verkehrsdaten, eine Topologie des Straßennetzes sowie eine Gewichtung möglicher Ziele und ein Kantenmodell der Knotenpunkte. Damit werden vorteilhaft verschiedene Kriterien in die Prognose der Abbiegeentscheidung involviert, die die Wahrscheinlichkeit erhöhen, dass die prognostizierte Abbiegeentscheidung der tatsächlichen Abbiegeentscheidung entsprechen wird.
  • Vorteilhaft wird an einer weiteren Ausführungsform des Verfahrens schon während, aber insbesondere auch nach Passieren eines Knotenpunktes überprüft, ob die prognostizierte Abbiegeentscheidung mit der tatsächlichen Abbiegeentscheidung übereinstimmt. Bis mit ausreichender Sicherheit festgestellt werden kann, dass die tatsächliche Abbiegeentscheidung mit der prognostizierte Abbiegeentscheidung übereinstimmt, werden die Daten über den prognostizierten Folge-Streckenabschnitt beibehalten, die dem Fahrassistent zur Verfügung gestellt werden, um zu vermeiden, dass die dem Fahrassistent gelieferten Daten zu häufig gewechselt werden. Wird mit hinreichender Genauigkeit festgestellt, dass die tatsächliche Abbiegeentscheidung eine andere ist als die prognostizierte Abbiegeentscheidung, so erfasst und speichert das Navigationssystem die tatsächliche Abbie geentscheidung und ermittelt den der tatsächlichen Abbiegeentscheidung entsprechenden Folge-Streckenabschnitt und gibt die dazugehörigen Daten an das Assistenzsystem aus.
  • Schließlich bezieht sich eine Ausführungsform auf ein Computerprogramm oder ein Computerprogrammprodukt, das einen Algorithmus aufweist, mit Hilfe dessen das Prognoseverfahren ausgeführt werden kann.
  • Der Bezug auf die Figuren in der Beschreibung dient der Unterstützung der Beschreibung. Gegenstände oder Teile von Gegenständen, die im Wesentlichen gleich oder ähnlich sind, können mit denselben Bezugszeichen versehen sein. Die Figuren sind lediglich eine schematische Darstellung einer Ausführungsform der Erfindung.
  • Dabei zeigt:
  • 1 einen Ausschnitt eines Straßennetzes mit Knotenpunkten und Streckenabschnitten einem durch ein Fahrzeug zurückgelegten Streckenverlauf und möglicher Abbiegeentscheidungen an einem Knotenpunkt,
  • 2 einen Straßennetzbereich mit einer Verkehrsbehinderung,
  • 3 ein Straßennetz, dessen Topologie verschiedene Netzbereiche aufweist,
  • 4 einen anderen Netzbereich mit einer Topologie aus verschiedenen Netzbereichen,
  • 5 einen weiteren Straßennetzausschnitt mit unterschiedlicher Topologie,
  • 6 mögliche anfahrbare Ziele,
  • 7 ein Kantenmodell einer Kreuzung.
  • Ein erfindungsgemäßes Verfahren bezieht sich auf die sukzessive Prognostizierung eines Streckenabschnitts, den ein Fahrer eines Kraftfahrzeugs am wahrscheinlichsten zurücklegen wird, so dass Daten des wahrscheinlichsten Streckenabschnitts für ein Fahrassistenzsystem zur Verfügung gestellt werden können. Dabei kann ein Navigationssystem des Fahrzeugs verwendet werden, das mit dem Fahrassistenzsystem gekoppelt ist und in dem digitalen Straßenkarten hinterlegt sind, die ein Straßennetz mit einer Vielzahl von Knotenpunkten aufweisen, wobei jeweils zwei Knotenpunkte über zumindest einen Streckenabschnitt verbunden sind. Der Fahrer hat kein Ziel in das Navigationssystem eingegeben, so dass das Navigationssystem die Route mit Hilfe des Verfahrens prognostiziert, wobei die aktuelle Position des Fahrzeugs durch eine Ortungseinheit des Navigationssystems festgestellt wird. Das Navigationssystem entnimmt Daten des prognostizier ten Streckenabschnitts beispielsweise aus den hinterlegten digitalen Straßenkarten und überträgt diese Daten über eine Schnittstelle an das Fahrassistenzsystem, beispielsweise ein Assistenzsystem zur Regulierung der Fahrgeschwindigkeit unter Berücksichtigung von Kurven, ein kartenbasiertes vorausschauendes Kurvenlicht oder ein Energiemanagement für einen Hybridantrieb. Da das Navigationsgerät das Ziel des Fahrers nicht kennt, wird der prognostizierte, voraus liegende Streckenabschnitt unter Anwendung einer Heuristik ermittelt, die beispielsweise die Straßenklasse, Abbiegewinkel und Vorfahrtsregeln zur Berechnung eines wahrscheinlichsten Pfades verwendet. Der Pfad, der zu höheren Straßenklassen führt oder unter geringeren Abbiegewinkeln erreicht werden kann, kann dabei bevorzugt werden. Erfindungsgemäß wird die Prognostizierung des voraus liegenden Streckenabschnitts verbessert werden, indem die bisher zurückgelegte Fahrstrecke beziehungsweise der Streckenverlauf berücksichtigt wird.
  • Die Berücksichtigung der bisher gefahrenen Strecke wird aus 1 ersichtlich, bei der ein Fahrer die Streckenabschnitte 1, 4, 8 zurückgelegt hat. Dabei hat er den ersten Knotenpunkt A passiert und das Navigationssystem die Abbiegeentscheidung von Streckenabschnitt 1 zu Streckenabschnitt 4 erfasst und gespeichert. An einem zweiten Knotenpunkt B trifft der Fahrer des Fahrzeugs 20 wieder eine Abbiegeentscheidung von Streckenabschnitt 4 zu Streckenabschnitt 8. Auch diese Abbiegeentscheidung wird vom Navigationssystem erfasst und gespeichert. Das Navigationssystem erkennt nun, dass sich das Fahrzeug 20 dem Knotenpunkt C nähert, an dem eine Folge-Abbiegeentscheidung getroffen werden muss. Unter Berücksichtigung der gefahrenen Streckenabschnitte 1, 4, 8 prognostiziert das Navigationssystem eine Abbiegeentscheidung an Knotenpunkt C in Richtung des Folge-Streckenabschnitts 9.
  • Eine Abbiegeentscheidung in Richtung des Knotenpunkts D über den Streckenabschnitt 5 wird als geringer wahrscheinlich erachtet, da der Knotenpunkt D beziehungsweise der Streckenabschnitt 3 schneller beziehungsweise auf kürzerem Weg hätte erreicht werden können, wenn sich der Fahrer von Streckenabschnitt 1 am Knotenpunkt A für Streckenabschnitt 2 entschieden hätte. Die Abbiegeentscheidung in Richtung des Knotenpunkts D über den Streckenabschnitt 5 ist damit weniger plausibel.
  • Durch einen Algorithmus können dabei an jedem Knotenpunkt die kürzesten Routen von allen bisher gefahrenen Streckenabschnitten zu jenen Streckenabschnitten berechnet werden, die sich von dem Knotenpunkt erstrecken. Falls sich dabei für einen der zur Ent scheidung stehenden Streckenabschnitte eine kürzeste Route ergibt, die nicht mit der bisher gefahrenen Route in Einklang steht, so wird die Abbiegewahrscheinlichkeit in Richtung dieses Streckenabschnitts für geringer erachtet. Die Daten über den prognostizierten Folge-Streckenabschnitt, in 1 wären das Daten über den Streckenabschnitt 9, werden beispielsweise aus dem hinterlegten Kartenmaterial ermittelt und an den Fahrassistenten ausgegeben. Wird Knotenpunkt C von dem Fahrzeug passiert, erfasst und speichert das Navigationssystem die tatsächliche Abbiegeentscheidung und wiederholt für den nächsten Folge-Knotenpunkt die Verfahrensschritte zur Prognose der nächsten Folge-Abbiegeentscheidung.
  • Erfindungsgemäß kann die Prognose der Abbiegeentscheidung nicht nur im Hinblick auf die zurück gelegte Wegstrecke erfolgen, es können auch andere Entscheidungskriterien involviert sein, beispielsweise aktuelle Verkehrsdaten, die das Navigationssystem von einem Verkehrsdienst empfängt. Dabei kann vorausgesetzt werden, dass ein Fahrer nicht in einen Streckenabschnitt mit einer Verkehrsbehinderung einfahren wird, sondern eine alternative Route nehmen wird.
  • Dieser Fall ist in 2 dargestellt. Das Fahrzeug 20 befährt den Streckenabschnitt 1 und nähert sich dem Knotenpunkt A, von dem aus sich der Streckenabschnitt 2' und 4 erstrecken. Aus den von einem Verkehrsdienst empfangenen aktuellen Verkehrsdaten entnimmt das Navigationssystem, dass auf Streckenabschnitt 2' eine Verkehrsbehinderung besteht. Daher prognostiziert das Navigationssystem für die Abbiegeentscheidung an Knotenpunkt A, dass das Fahrzeug nicht in den Streckenabschnitt 2', sondern die Streckenabschnitte 4, 8, 5 wählen wird, um den Stau in Streckenabschnitt 2' zu umfahren. Dabei wird bei der Prognose der Abbiegeentscheidung, ob das Fahrzeug in den Streckenabschnitt 2' mit der Verkehrsbehinderung hinein fährt oder den Stau über die längere Wegstrecke 4, 8, 5 umfährt, berücksichtigt, welche alternative Streckenabschnitte im Straßennetz zur Verfügung stehen und der für die Umfahrung des Staus benötigte Zeitaufwand berücksichtigt. Unter Umständen kann es wahrscheinlicher sein, dass das Fahrzeug 20 in den Streckenabschnitt 2' mit der Verkehrsbehinderung einfährt, falls der Zeitverlust durch die Verkehrsbehinderung als geringer erachtet wird als derjenige, der durch die Umfahrung über die Streckenabschnitte 4, 8, 5 entsteht.
  • Kann aus den zur Verfügung stehenden Informationen über die zurückgelegte Wegstrecke, aktuelle Verkehrsdaten oder Straßenklassenunterschiede sowie Abbiegewinkel keine aussagekräftige Prognose getroffen werden, kann zusätzlich eine Topologie des Straßennetzes herangezogen werden. Beispiele dafür beziehen sich auf eine Streckenabschnittslänge einer Alternativroute oder die Netzdichte. Die Netzdichte beschreibt die Knotenanzahl bezogen auf die Fläche und die korrelierte Anzahl der Verzweigungen. Ein Beispiel für ein Netzgebiet mit hoher Netzdichte sind die abgeschlossenen Wohngebiete 11 in 3. Von dem Knotenpunkt A erstrecken sich die Streckenabschnitte 2 und 4 jeweils zu einem Wohngebiet 11, die ein Fahrer nur dann anfahren wird, wenn sich sein Ziel innerhalb des Wohngebietes 11 befindet. Ein Fahrer, der mit seinem Fahrzeug 20 den Streckenabschnitt 1 befährt, wird sich daher am wahrscheinlichsten am Knotenpunkt A für Streckenabschnitt 3 entscheiden.
  • In 4 ist der Fall dargestellt, dass sich das Fahrzeug 20 über den Streckenabschnitt 1 dem Knotenpunkt A nähert, von dem sich ein Streckenabschnitt 3 zu einem Wohngebiet 11 erstreckt, während der Streckenabschnitt 2 eine Sackgasse ist. Da dem Navigationssystem des Fahrzeugs 20 das Ziel unbekannt ist, wird es eine Abbiegeentscheidung in Richtung des Wohngebiets 11 über den Streckenabschnitt 3 treffen, da es die Einfahrt in die Sackgasse 2 als geringer wahrscheinlich erachtet.
  • In 5 ist eine Topologie des Straßennetzes dargestellt, in der ausgehend von einem Kreisverkehr 12, in den der Streckenabschnitt 1 am Knotenpunkt A mündet, zwei Entscheidungsstellen A', A'', wobei im Kreisverkehr 12 an der Entscheidungsstelle A' eine Sackgasse 2 abzweigt, während am Entscheidungsstelle A'' ein Streckeabschnitt 3 zu einem Folgeknotenpunkt B führt. Hierbei wird der Streckenabschnitt 3 zur Prognose bevorzugt werden, da er am Knotenpunkt B weitere Verzweigungen aufweist.
  • Weiterhin können mögliche erreichbare Ziele beziehungsweise Sonderziele, auch Points of Interest genannt, die unterschiedlich gewichtet sein können, in die Prognose über eine Abbiegeentscheidung berücksichtigt werden, was beispielhaft in 6 dargestellt ist.
  • Ziel Z1 ist ein beliebtes Ausflugslokal, während Ziel Z2 ein Zementwerk ist. Fährt nun ein Kraftfahrzeug 20 auf Streckenabschnitt 1 und gelangt an Knotenpunkt A so wird eine Anfahrt des Ausflugslokals Z1 als wahrscheinlicher erachtet und damit die Abbiegeentscheidung nach links in Richtung des Streckenabschnitts 2 prognostiziert, während für einen Lastkraftwagen, insbesondere einen Betonmischer das Zementwerk Z2 als das wahr scheinlichere Ziel angesehen wird und damit eine Abbiegeentscheidung an Knotenpunkt A in Richtung des Streckenabschnitts 3 prognostiziert wird.
  • Ist zudem vorgesehen, dass dem Navigationssystem Fahrzeug- beziehungsweise Fahrerdaten bekannt gemacht werden, wie die Kraftstoffreserven oder auch Lenkzeiten eines Nutzfahrzeugfahrers, kann das Navigationssystem insbesondere auf Autobahnen bei geringen Kraftstoffreserven, beziehungsweise niedrigem Kraftstoff-Stand im Tank, die Abfahrt zu einer Tankanlage als wahrscheinlichsten Pfad prognostizieren. Entsprechend kann die Anfahrt einer Rastanlage oder eines Parkplatzes durch einen Nutzfahrzeuglenker als wahrscheinlich bestimmt werden, wenn dieser seine maximal zulässige Lenkzeit erreicht.
  • Zusätzlich zu den vorgenannten Entscheidungskriterien kann zudem ein verbessertes Kantenmodell an Knotenpunkten komplexer Kreuzungen berücksichtigt werden. Bei herkömmlichen Kantenmodellen wird zunächst der Kante mit der höchsten Straßenklasse gefolgt und daraufhin bei gleichen Straßenklassen der Kante mit dem kleinsten Abbiegewinkel. Dies kann dazu führen, dass auch nicht plausible Pfade ausgewählt werden, die beispielsweise einem Umkehren entsprechen können.
  • Anhand von 7 wird nachfolgend das Kantenmodell erläutert. Für ein Kantenmodell die digitalen Karten an einer Kreuzung mit einer Mehrzahl von Kanten versehen und markiert. In 7 ist dazu eine Kreuzung dargestellt, in der alle Straßen durch zwei Kanten modelliert sind, die jeweils eine Fahrtrichtung repräsentieren. Das Kantenpaar 1, 2 bildet eine Straße, sowie die Kantenpaare 7 plus 8 und 9 plus 10. Die Kanten 3 bis 6 markieren die Kreuzung beziehungsweise den Knotenpunkt. Die Pfeile weisen dabei in Richtung der erlaubten Fahrtrichtung. Fettgedruckte Pfeile kennzeichnen eine höhere Straßenklasse.
  • Ausgehend von Kante 1 wird mit Hilfe des Kantenmodells ein wahrscheinlichster Pfad berechnet. Ein herkömmliches Kantenmodellierungsverfahren würde ausgehend von Kante 1 Kanten 3 und 7 als mögliche weiterführende Pfade betrachten. Da beide Kanten 3, 7 die gleichen Straßenklasse aufweisen, wurde der Kante mit dem kleineren Abbiegewinkel gefolgt, vorliegend Kante 3. An der Pfeilspitze von Kante 3 kann der Pfad nur Kante 6 folgen bis zur nächsten Entscheidungsstelle, von der Kante 4 und Kante 10 erstrecken. Hierbei würde ein herkömmliches Modell Kante 4 wählen, da Kante 4 die höhere Straßenklasse aufweist. Nach Kante 4 bestehen die Wahlmöglichkeiten in Kante 5 und Kante 2, die wiederum die gleiche Straßenklasse aufweisen, so dass die Kante mit dem kleineren Abbiegewinkel gewählt wird. Dieses wäre Kante 2, so dass als Ergebnis des herkömmlichen Kantenmodellierungsverfahrens ein Umkehren als Ergebnis erfolgen würde. Erfindungsgemäß werden nun zunächst alle möglichen Pfade durch die Kreuzung bestimmt. Die möglichen Pfade ausgehend von Kante 1 sind ein erster Pfad 1, 7, als zweiter Pfad die Kantenfolge 1, 3, 6, 4, 2 sowie 1, 3, 6, 10. Beim letzteren Pfad mit der Kantenfolge 1, 3, 6, 10 hat die Zielkante 10 eine niedrigere Straßenklasse als die Zielkante der übrigen Pfade und wird somit als geringer wahrscheinlich erachtet. Für den zweiten Pfad mit der Kantenfolge 1, 3, 6, 4, 2 werden die Richtungswinkel der letzten Kante 1 vor der Kreuzung und der ersten Kante 2 nach Passieren der Kreuzung verglichen, wodurch ein sehr großer Abbiegewinkel, respektive ein Wendemanöver festgestellt werden kann. Ein Abbiegewinkel des ersten Pfades mit der Kantenfolge 1, 7 ist kleiner, weshalb dieser Pfad als der wahrscheinlichste ausgewählt wird.
  • Vorteilhaft werden mit diesem Kantenmodell die letzte Kante vor der Kreuzung und die erste Kante nach der Kreuzung miteinander verglichen und können somit unplausible Vorraussagen vermeiden.
  • Schließlich ist es für manche Fahrassistenzsysteme etwa um einen Antriebsstrang zu optimieren, vorteilhaft, möglichst selten die Streckenprognose zu wechseln, da hierbei bei jedem Wechsel des prognostizierten Streckenabschnitts die Optimierung deaktiviert würde, und nach Erfolgen einer neuen Prognose neu gestartet würde. Daher ist es sinnvoll, bei dem Passieren eines Knotenpunktes so lange die erstellte Prognose beizubehalten, bis das Navigationssystem sicher festgestellt hat, dass das Fahrzeug einen Streckenabschnitt befährt, der von dem prognostizierten Streckenabschnitt abweicht.
  • Die beispielsweise durch GPS erfolgte Positionsmessung des Fahrzeugs wird dabei mit der digitalen Karte des Navigationssystems verglichen. Nähert sich das Fahrzeug einer Abzweigung, wird mit Hilfe des Verfahrens die wahrscheinlichere Abbiegeentscheidung und damit den wahrscheinlicheren Folgestreckenabschnitt prognostiziert und die entsprechenden Daten dem Assistenzsystem übermittelt. Passiert nun das Fahrzeug den Knotenpunkt, so kann es abhängig von der Fahrzeuggeschwindigkeit und dem Abbiegewinkel zunächst bei der Erfassung der Fahrzeugposition zu Ungenauigkeiten kommen, beispielsweise bei einer Autobahnabfahrt, bei der sich die Abbiegerichtung nur unwesentlich von der Geradeausfahrt zunächst unterscheidet, so dass im Hinblick auf die Messunge nauigkeit der Fahrzeugpositionsmessung zunächst die erstellte Prognose beibehalten wird, um einen Wechsel der Prognose, mit dem ein Abschalten und Neustarten des Assistenzsystems verbunden wäre, zu vermeiden. Im weiteren Verlauf des Passierens des Knotenpunkts wird dann deutlich, ob sich das Fahrzeug weiterhin auf der Geradeausstrecke befindet, oder die Abfahrt gewählt wird. Sobald sichergestellt sein kann, dass sich die Abbiegeentfernung, respektive die Abbiegerichtung hinreichend weit von der Geradeausfahrt befindet, so dass ein Fehler der Positionsbestimmung durch die Messungenauigkeit ausgeschlossen werden kann, erfolgt dann bei Bedarf die Anpassung der Prognose und entsprechend der Assistenzsysteme. Fährt hingegen das Fahrzeug tatsächlich weiter auf der prognostizierten Strecke, wurde vorteilhaft vermieden, die Streckenprognose mehrfach zu verändern.
  • Damit das Navigationssystem das erfindungsgemäße Prognoseverfahren ausführen kann, umfasst es in einem Computerprogramm oder auf einem Computerprogrammprodukt gespeichert einen Algorithmus, der die Ausführung der Verfahrensschritte ermöglicht.
  • Unter einem Navigationssystem im Sinne der Erfindung ist ein System zu verstehen, welches Karten- und Positions- oder Streckendaten verarbeitet. Insbesondere kann ein System zur Routenplanung oder eine System zur Routenführung als ein solches Navigationssystem verwendet werden. In einer weiteren Ausgestaltung der Erfindung wird ein System zur kartenbasierten Fahrdynamiksteuerung als Navigationssystem verwendet.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • - DE 102005024558 A1 [0003]
    • - DE 102004048347 A1 [0004]
    • - DE 102004036825 A1 [0005]
    • - EP 1111338 A2 [0006]

Claims (8)

  1. Verfahren zur sukzessiven Prognostizierung eines mit einem Kraftfahrzeug (20) zurückzulegenden wahrscheinlichsten Streckenabschnitts (1, 2, 2', 3, 4, 5, 6, 7, 8, 9) unter Verwendung eines Navigationssystems, das mit einem Fahrassistenzsystem gekoppelt ist, wobei dem Navigationssystems ein Fahrziel (Z1, Z2) nicht bekannt ist, wobei ein Straßennetz einer dem Navigationssystem vorliegenden digitalen Straßenkarte eine Vielzahl von Knotenpunkten (A, B, C, D) aufweist, wobei ein Streckenabschnitt (1, 2, 2', 3, 4, 5, 6, 7, 8, 9) zwischen zwei Knotenpunkten (A, B, C, D) liegt, und wobei die mittels der sukzessiven Prognostizierung erlangten Daten über den nächsten wahrscheinlichsten Streckenabschnitt (1, 2, 2', 3, 4, 5, 6, 7, 8, 9) kontinuierlich dem Fahrassistenten bereitgestellt werden, umfassend die Schritte a) Passieren eines ersten Knotenpunktes (A) auf einer Strecke und Erfassen und Speichern einer ersten Abbiegeentscheidung an dem ersten Knotenpunkt (A), b) Prognostizieren einer Folge-Abbiegeentscheidung an einem Folge-Knotenpunkt (B, C, D) unter Berücksichtigung eines zurückgelegten Streckenverlaufs und der ersten Abbiegeentscheidung und c) Ermitteln der Daten, die ein prognostizierter Folge-Streckenabschnitt (2, 2', 3, 4, 5, 6, 7, 8, 9) aufweist und d) Ausgeben der Daten an den Fahrassistenten, e) Passieren des Folge-Knotenpunktes (B, C, D), f) Erfassen und Speichern der Folge-Abbiegeentscheidung an dem Folge-Knotenpunkt (B, C, D), g) Wiederholen der Schritte b) bis f), bis das Fahrziel (Z1, Z2) erreicht ist.
  2. Verfahren nach Anspruch 1, wobei das Prognostizieren einer Abbiegeentscheidung unter Berücksichtigen zumindest eines Entscheidungskriteriums erfolgt, das aus einer Gruppe umfassend: aktuelle Verkehrsdaten, eine Topologie des Straßennetzes, eine Gewichtung möglicher Fahrziele (Z1, Z2) und ein Kantenmodell der Knotenpunkte (A, B, C, D) wählbar ist.
  3. Verfahren nach Anspruch 2, umfassend die Schritte Feststellen mit den aktuellen Verkehrsdaten, ob eine Verkehrsbehinderung auf einem der sich von einem Knotenpunkt (A, B, C, D) erstreckenden Streckenabschnitte vorliegt; falls ja, Beeinflussen der Prognose der Abbiegeentscheidung, wobei der prognostizierte Folge-Streckenabschnitt (2, 2', 3, 4, 5, 6, 7, 8, 9) nicht der Streckenabschnitt (2, 2', 3, 4, 5, 6, 7, 8, 9) mit der Verkehrsbehinderung ist.
  4. Verfahren nach Anspruch 2 oder 3, umfassend die Schritte Ermitteln einer Topologie des Straßennetzes mit verschiedenen Netzbereichen, die sich hinsichtlich einer Netzdichte und einer Streckenabschnittslänge unterscheiden und die mit verschiedenen Wahrscheinlichkeiten ausgestattet sind, und Prognostizieren der Abbiegeentscheidung unter Vermeidung der Streckenabschnitte (1, 2, 2', 3, 4, 5, 6, 7, 8, 9), die zu Netzbereichen mit geringerer Wahrscheinlichkeit führen.
  5. Verfahren nach zumindest einem der Ansprüche 2 bis 4, umfassend die Schritte Gewichten von erreichbaren Zielen im Hinblick auf Anforderungen des Fahrzeugs und/oder des Fahrers und Beeinflussen der Prognose der Folge-Abbiegeentscheidung gemäß den gewichteten Zielen (Z1, Z2).
  6. Verfahren nach zumindest einem der Ansprüche 2 bis 5, umfassend die Schritte Modellieren von Kanten an einem Knotenpunkt (A, B, C, D), Berechnen aller möglichen Pfade durch den Knotenpunkt (A, B, C, D), ausgehend von einer letzten Kante vor dem Knotenpunkt (A, B, C, D), bis zu einer ersten Kante eines Streckenabschnitts nach dem Knotenpunkt (A, B, C, D), Beurteilen der letzten Kante und der ersten Kanten der sich von dem Knotenpunkt (A, B, C, D) erstreckenden Streckenabschnitte (1, 2, 2', 3, 4, 5, 6, 7, 8, 9) hinsichtlich einer Straßenklasse und eines Abbiegewinkels, Auswählen des Pfads, dessen erste Kante nach dem Knotenpunkt (A, B, C, D) in Bezug zu der letzten Kante vor dem Knotenpunkt (A, B, C, D) einer höchsten Straßenklasse und bei gleichen Straßenklassen einem geringeren Abbiegewinkel folgt, als einem wahrscheinlichsten Pfad und Prognostizieren der Abbiegeentscheidung mit dem wahrscheinlichsten Pfad.
  7. Verfahren nach zumindest einem der Ansprüche 1 bis 6, umfassend den Schritt Überprüfen beim Passieren eines Knotenpunkts (A, B, C, D), ob die prognostizierte Abbiegeentscheidung mit einer tatsächlichen Abbiegeentscheidung übereinstimmt, falls ja, Beibehalten des prognostizierten Folge-Streckenabschnitts (2, 2', 3, 4, 5, 6, 7, 8, 9), andernfalls Erfassen und Speichern der tatsächlichen Abbiegeentscheidung an dem Knotenpunkt (A, B, C, D) und Ermitteln der Daten eines tatsächlichen Folge-Streckenabschnitts (2, 2', 3, 4, 5, 6, 7, 8, 9).
  8. Computerprogramm oder Computerprogrammprodukt, dadurch gekennzeichnet, dass es einen Algorithmus zum Ausführen der Verfahrensschritte nach zumindest einem der Ansprüche 1 bis 7 aufweist.
DE102009024153A 2009-06-05 2009-06-05 Verfahren zur sukzessiven Prognostizierung eines mit einem Kraftfahrzeug zurückzulegenden wahrscheinlichsten Streckenabschnitts Withdrawn DE102009024153A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102009024153A DE102009024153A1 (de) 2009-06-05 2009-06-05 Verfahren zur sukzessiven Prognostizierung eines mit einem Kraftfahrzeug zurückzulegenden wahrscheinlichsten Streckenabschnitts

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102009024153A DE102009024153A1 (de) 2009-06-05 2009-06-05 Verfahren zur sukzessiven Prognostizierung eines mit einem Kraftfahrzeug zurückzulegenden wahrscheinlichsten Streckenabschnitts

Publications (1)

Publication Number Publication Date
DE102009024153A1 true DE102009024153A1 (de) 2010-12-09

Family

ID=43049253

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102009024153A Withdrawn DE102009024153A1 (de) 2009-06-05 2009-06-05 Verfahren zur sukzessiven Prognostizierung eines mit einem Kraftfahrzeug zurückzulegenden wahrscheinlichsten Streckenabschnitts

Country Status (1)

Country Link
DE (1) DE102009024153A1 (de)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ITTO20111243A1 (it) * 2011-12-30 2013-07-01 Magneti Marelli Spa Sistema e procedimento per la stima del percorso stradale piu'probabile per un veicolo in marcia
DE102012025510A1 (de) * 2012-12-21 2014-06-26 Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr Routenprädiktionsverfahren
US9384394B2 (en) 2013-10-31 2016-07-05 Toyota Motor Engineering & Manufacturing North America, Inc. Method for generating accurate lane level maps
US9409570B2 (en) 2014-05-09 2016-08-09 Toyota Motor Engineering & Manufacturing North America, Inc. Method and apparatus for predicting most probable path of vehicle travel and vehicle control loss preview
EP3279049A1 (de) * 2016-08-01 2018-02-07 Lucas Automotive GmbH Steuerungs-system und steuerungs-verfahren zum bestimmen einer fahrbahn
US10013508B2 (en) 2014-10-07 2018-07-03 Toyota Motor Engineering & Manufacturing North America, Inc. Joint probabilistic modeling and inference of intersection structure
EP3561453A1 (de) * 2018-04-17 2019-10-30 HERE Global B.V. Verfahren, vorrichtung und computerprogrammprodukt zur bestimmung der wahrscheinlichkeit einer route
CN113029146A (zh) * 2021-03-02 2021-06-25 北京白龙马云行科技有限公司 导航动作预测模型训练方法、导航动作生成方法及装置
WO2023156259A1 (en) * 2022-02-18 2023-08-24 Tomtom Navigation B.V. Determining a probability of a vehicle traversing a path
CN112577497B (zh) * 2020-12-18 2024-04-19 北京百度网讯科技有限公司 道路匹配方法及装置、电子设备、存储介质、程序产品

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1111338A2 (de) 1999-12-20 2001-06-27 Navigation Technologies Corporation Kartendatenarchitektur für Fahrzeugrechneranordnung
US20020121989A1 (en) * 2001-03-05 2002-09-05 Ronnie Burns Method and system for providing personalized traffic alerts
DE102004036825A1 (de) 2004-03-19 2005-10-06 Daimlerchrysler Ag Vorausschauendes Fahrerassistenzsystem
DE102004048347A1 (de) 2004-10-01 2006-04-20 Daimlerchrysler Ag Fahrassistenzvorrichtung zur gegenüber dem Sichtfeld des Fahrers eines Kraftfahrzeugs positionsrichtigen Darstellung des weiteren Straßenverlaufs auf einem Fahrzeugdisplay
DE102005003192A1 (de) * 2005-01-24 2006-07-27 Robert Bosch Gmbh Verfahren zur Kursprädiktion in Fahrerassistenzsystemen für Kraftfahrzeuge
DE102005024558A1 (de) 2005-05-28 2006-11-30 Daimlerchrysler Ag Verfahren zur Bestimmung der Geometrie eines Streckenabschnittes
US20080120025A1 (en) * 2006-11-22 2008-05-22 Denso Corporation Driving behavior prediction method and apparatus
EP2017774A2 (de) * 2007-06-29 2009-01-21 Aisin AW Co., Ltd. Gerät zum Erlernen des Fahrzeugverhaltens und Programm zum Erlernen des Fahrzeugverhaltens

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1111338A2 (de) 1999-12-20 2001-06-27 Navigation Technologies Corporation Kartendatenarchitektur für Fahrzeugrechneranordnung
US20020121989A1 (en) * 2001-03-05 2002-09-05 Ronnie Burns Method and system for providing personalized traffic alerts
DE102004036825A1 (de) 2004-03-19 2005-10-06 Daimlerchrysler Ag Vorausschauendes Fahrerassistenzsystem
DE102004048347A1 (de) 2004-10-01 2006-04-20 Daimlerchrysler Ag Fahrassistenzvorrichtung zur gegenüber dem Sichtfeld des Fahrers eines Kraftfahrzeugs positionsrichtigen Darstellung des weiteren Straßenverlaufs auf einem Fahrzeugdisplay
DE102005003192A1 (de) * 2005-01-24 2006-07-27 Robert Bosch Gmbh Verfahren zur Kursprädiktion in Fahrerassistenzsystemen für Kraftfahrzeuge
DE102005024558A1 (de) 2005-05-28 2006-11-30 Daimlerchrysler Ag Verfahren zur Bestimmung der Geometrie eines Streckenabschnittes
US20080120025A1 (en) * 2006-11-22 2008-05-22 Denso Corporation Driving behavior prediction method and apparatus
EP2017774A2 (de) * 2007-06-29 2009-01-21 Aisin AW Co., Ltd. Gerät zum Erlernen des Fahrzeugverhaltens und Programm zum Erlernen des Fahrzeugverhaltens

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ITTO20111243A1 (it) * 2011-12-30 2013-07-01 Magneti Marelli Spa Sistema e procedimento per la stima del percorso stradale piu'probabile per un veicolo in marcia
EP2610838A1 (de) 2011-12-30 2013-07-03 Magneti Marelli S.p.A. System und Verfahren zur Schätzung des wahrscheinlichsten Wegs eines auf einer Straße fahrenden Fahrzeugs
DE102012025510A1 (de) * 2012-12-21 2014-06-26 Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr Routenprädiktionsverfahren
US9384394B2 (en) 2013-10-31 2016-07-05 Toyota Motor Engineering & Manufacturing North America, Inc. Method for generating accurate lane level maps
US9409570B2 (en) 2014-05-09 2016-08-09 Toyota Motor Engineering & Manufacturing North America, Inc. Method and apparatus for predicting most probable path of vehicle travel and vehicle control loss preview
US10013508B2 (en) 2014-10-07 2018-07-03 Toyota Motor Engineering & Manufacturing North America, Inc. Joint probabilistic modeling and inference of intersection structure
EP3279049A1 (de) * 2016-08-01 2018-02-07 Lucas Automotive GmbH Steuerungs-system und steuerungs-verfahren zum bestimmen einer fahrbahn
EP3561453A1 (de) * 2018-04-17 2019-10-30 HERE Global B.V. Verfahren, vorrichtung und computerprogrammprodukt zur bestimmung der wahrscheinlichkeit einer route
US10989553B2 (en) 2018-04-17 2021-04-27 Here Global B.V. Method, apparatus and computer program product for determining likelihood of a route
CN112577497B (zh) * 2020-12-18 2024-04-19 北京百度网讯科技有限公司 道路匹配方法及装置、电子设备、存储介质、程序产品
CN113029146A (zh) * 2021-03-02 2021-06-25 北京白龙马云行科技有限公司 导航动作预测模型训练方法、导航动作生成方法及装置
WO2023156259A1 (en) * 2022-02-18 2023-08-24 Tomtom Navigation B.V. Determining a probability of a vehicle traversing a path

Similar Documents

Publication Publication Date Title
DE102009024153A1 (de) Verfahren zur sukzessiven Prognostizierung eines mit einem Kraftfahrzeug zurückzulegenden wahrscheinlichsten Streckenabschnitts
DE102016223638B4 (de) Fahrunterstützungsvorrichtung
DE19650844C2 (de) Verfahren zur Ermittlung von Fahrtroutendaten
DE102006031877A1 (de) Navigationsvorrichtung und Navigationsverfahren
EP2224211A1 (de) Verfahren und Vorrichtung zur Berechnung alternativer Routen in einem Navigationssystem
DE102005031409A1 (de) Fahrzeugnavigationssystem
DE60126047T2 (de) Navigationsvorrichtung, Navigationsverfahren und Informationsträger in dem ein Navigationsprogramm computerlesbar gespeichert ist
EP3160813A2 (de) Verfahren zur erstellung eines umfeldmodells eines fahrzeugs
EP3678912A1 (de) Offboard trajektorien für schwierige situationen
DE19836485A1 (de) Verfahren zum Bestimmen einer Route von einem Ausgangspunkt zu einem Zielpunkt auf einem Routennetz
DE102017216202A1 (de) Verfahren zur Prädiktion einer optimalen Fahrspur auf einer mehrspurigen Straße
EP1102227B1 (de) Verfahren zur dynamischen Zielführung eines Kraftfahrzeugs
EP3371792B1 (de) Verfahren zum betreiben einer detektionsvorrichtung eines kraftfahrzeugs
DE102007050154A1 (de) Prognosesystem zum Vorhersagen von Fahrzeiten, fahrzeuggestütztes Routenplanungssystem, Verkehrsinformationssystem und -verfahren
DE102016122200A1 (de) Bilden einer Rettungsgasse unter Berücksichtigung deren Notwendigkeit
DE102005021271B3 (de) Verfahren zur Berechnung einer Route in einem Navigationssystem
EP3279049B1 (de) Steuerungs-system und steuerungs-verfahren zum bestimmen einer fahrbahn
DE102008034201A1 (de) Verfahren zum automatischen Ermitteln einer Umleitungsroute
DE102007000971A1 (de) Verfahren zur kollaborativen Pflege von Kartenmaterial für mobile Navigationsgeräte
DE102014100569A1 (de) Navigationsverfahren und Navigationssystem
DE10225782B4 (de) Verfahren zum Informieren von Verkehrsteilnehmern
DE102012024143A1 (de) Verfahren zur Führung eines Verkehrs in einem Verkehrsnetz
DE102017218932B4 (de) Verfahren zur Bewertung einer Trajektorie eines Fortbewegungsmittels
WO2021073792A1 (de) Verfahren zur assistierten oder zumindest teilautomatisierten führung eines kraftfahrzeugs
DE102015206593A1 (de) Fahrzeug, Anordnung und Verfahren zur Analyse eines Verhaltens einer Lichtsignalanlage

Legal Events

Date Code Title Description
OM8 Search report available as to paragraph 43 lit. 1 sentence 1 patent law
R163 Identified publications notified
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee

Effective date: 20150101