DE102010064063A1 - Method for computer-based prediction of driving duration of motor car on route from route segments, involves determining cumulated probability distribution, and determining speed criteria from preset probability values of distribution - Google Patents

Method for computer-based prediction of driving duration of motor car on route from route segments, involves determining cumulated probability distribution, and determining speed criteria from preset probability values of distribution Download PDF

Info

Publication number
DE102010064063A1
DE102010064063A1 DE102010064063A DE102010064063A DE102010064063A1 DE 102010064063 A1 DE102010064063 A1 DE 102010064063A1 DE 102010064063 A DE102010064063 A DE 102010064063A DE 102010064063 A DE102010064063 A DE 102010064063A DE 102010064063 A1 DE102010064063 A1 DE 102010064063A1
Authority
DE
Germany
Prior art keywords
probability distribution
determined
route
probability
measure
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.)
Granted
Application number
DE102010064063A
Other languages
German (de)
Other versions
DE102010064063B4 (en
Inventor
Irina Koller-Matschke
Tim Lange
Vassilios Paraschoudis
Dr. Kates Ronald
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.)
Bayerische Motoren Werke AG
Original Assignee
Bayerische Motoren Werke 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 Bayerische Motoren Werke AG filed Critical Bayerische Motoren Werke AG
Priority to DE102010064063.8A priority Critical patent/DE102010064063B4/en
Publication of DE102010064063A1 publication Critical patent/DE102010064063A1/en
Application granted granted Critical
Publication of DE102010064063B4 publication Critical patent/DE102010064063B4/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • G08G1/09685—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the complete route is computed only once and not updated
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096877—Systems involving transmission of navigation instructions to the vehicle where the input to the navigation device is provided by a suitable I/O arrangement
    • G08G1/096888—Systems involving transmission of navigation instructions to the vehicle where the input to the navigation device is provided by a suitable I/O arrangement where input information is obtained using learning systems, e.g. history databases
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation

Abstract

The method involves determining one of two probability distributions for values of a traffic condition parameter, and correcting the probability distribution with speed criteria (v1-v4) and quality criteria (M1-M4) of information sources (IQ1-IQ4). A third probability distribution for values of a parameter from the two probability distributions such that driving time on a route segment is derived. A cumulated probability distribution is determined from the third probability distribution. The speed criteria are determined from preset probability values of the cumulated probability distribution. An independent claim is also included for a device for computer-based prediction of driving duration of a vehicle on a route from route segments.

Description

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur rechnergestützten Prognose der Fahrtdauer eines Fahrzeugs, insbesondere eines Kraftfahrzeugs, auf einer Route aus einem oder mehreren, Routensegmenten.The invention relates to a method and a device for the computer-aided prognosis of the travel time of a vehicle, in particular of a motor vehicle, on a route from one or more route segments.

Im Rahmen der rechnergestützter Berechnung von Fahrtrouten für Fahrzeuge und insbesondere für Kraftfahrzeuge werden in der Regel kartenbasierte Verfahren eingesetzt, welche Informationen aus einer digitalen Straßenkarte verarbeiten und basierend darauf eine Route von einem Startpunkt zu einem Zielpunkt ermitteln. Solche Routenberechnungen kommen in Navigationssystemen von Kraftfahrzeugen zum Einsatz und berücksichtigen eine entsprechende Klassifizierung der Routensegmente und gegebenenfalls aus Realfahrten gewonnene Reisedaten. Basierend darauf ergibt sich für jedes Routensegment eine Geschwindigkeit (z. B. zugelassene Höchstgeschwindigkeit), mit der sich das Fahrzeug auf dem entsprechenden Routensegment im Durchschnitt bewegt. Mit Hilfe dieser Geschwindigkeit und der Länge des Routensegments kann dann die entsprechende Route nach vorgegebenen Kriterien (z. B. die Route mit der kürzesten Fahrtzeit oder der kürzesten Fahrtstrecke) bestimmt werden und auch eine Fahrtzeit für die Route abgeschätzt werden.As part of the computer-aided calculation of driving routes for vehicles and especially for motor vehicles, card-based methods are generally used which process information from a digital road map and, based thereon, determine a route from a starting point to a destination point. Such route calculations are used in navigation systems of motor vehicles and take into account a corresponding classification of the route segments and possibly travel data obtained from real trips. Based on this, for each route segment, there is a speed (eg, allowed maximum speed) at which the vehicle moves on the corresponding route segment on average. With the aid of this speed and the length of the route segment, the corresponding route can then be determined according to predetermined criteria (eg the route with the shortest travel time or the shortest travel distance) and also a travel time for the route can be estimated.

Um in einem fahrzeuginternen Navigationssystem auch die aktuelle Verkehrssituation zu berücksichtigen, ist es aus dem Stand der Technik bekannt, in dem Navigationssystem auch entsprechende Verkehrsmeldungen zu verarbeiten, wobei bei Meldungen von Staus bzw. hohem Verkehrsaufkommen auf bestimmten Routensegmenten gegebenenfalls eine neue Route ermittelt wird. Entsprechende Verkehrsmeldungen können dabei aus unterschiedlichen Informationsquellen, wie z. B. Schleifendetektoren in der Fahrbahn oder Polizeimeldungen, stammen, wobei die Güte der Daten der jeweiligen Informationsquellen und somit deren Aussagegenauigkeit sehr unterschiedlich sein kann. Die Güte hängt beispielsweise von der räumlichen Abdeckung, der technischen Erfassungsgenauigkeit der Messgeräte oder auch der Prozessierung der Daten ab. In derzeitigen Verfahren wird bei der Navigation nicht die Güte der verwendeten Daten berücksichtigt.In order to also take into account the current traffic situation in an in-vehicle navigation system, it is known from the prior art to also process corresponding traffic reports in the navigation system, where appropriate, a new route is determined on messages of traffic jams or high traffic on certain route segments. Corresponding traffic reports can from different sources of information, such. B. loop detectors in the lane or police reports come, the quality of the data of the respective sources of information and thus their accuracy can be very different. The quality depends, for example, on the spatial coverage, the technical accuracy of the measurement devices or the processing of the data. In current methods, navigation does not take into account the quality of the data used.

Aufgabe der Erfindung ist es, ein Verfahren und eine Vorrichtung zur Prognose der Fahrtdauer eines Fahrzeugs zu schaffen, welche eine höhere Güte der Prognoseaussage zur Fahrtzeit bzw. Fahrtgeschwindigkeit auf einer Fahrtroute aufweisen.The object of the invention is to provide a method and a device for forecasting the travel time of a vehicle, which have a higher quality of the prediction statement on travel time or travel speed on a travel route.

Diese Aufgabe wird durch das Verfahren gemäß Patentanspruch 1 bzw. die Vorrichtung gemäß Patentanspruch 14 gelöst. Weiterbildungen der Erfindung sind in den abhängigen Ansprüchen definiert.This object is achieved by the method according to claim 1 and the device according to claim 14. Further developments of the invention are defined in the dependent claims.

Das erfindungsgemäße Verfahren dient zur rechnergestützten Prognose der Fahrtdauer eines Fahrzeugs auf einer Route aus einem oder mehreren Routensegmenten. Der Begriff der Fahrtdauer ist dabei weit zu verstehen und kann jedes Maß umfassen, welches von der Dauer der Fahrt auf der Route bzw. einem Routensegment abhängt. Insbesondere kann die Fahrtdauer die Fahrtzeit bzw. die Fahrtgeschwindigkeit auf der Route bzw. dem Routensegment darstellen. In dem erfindungsgemäßen Verfahren werden für ein jeweiliges Routensegment der Route die nachfolgend erläuterten Schritte durchgeführt.The inventive method is used for the computer-aided prognosis of the travel time of a vehicle on a route from one or more route segments. The term of the travel time is to be understood broadly and may include any measure that depends on the duration of the trip on the route or a route segment. In particular, the travel time can represent the travel time or the travel speed on the route or the route segment. In the method according to the invention, the steps explained below are carried out for a respective route segment of the route.

In einem Schritt i) werden aus mehreren Informationsquellen jeweils ein geschätztes Geschwindigkeitsmaß des Fahrzeugs auf dem jeweiligen Routensegment sowie ein Gütemaß ausgelesen oder ermittelt, wobei das Gütemaß die Qualität der Schätzung des Geschwindigkeitsmaßes beschreibt. Hier und im Folgenden ist ein Geschwindigkeitsmaß ein beliebiges Maß, welches die Geschwindigkeit des Fahrzeugs auf dem entsprechenden Routensegment repräsentiert bzw. davon abhängt, insbesondere kann das Geschwindigkeitsmaß die Geschwindigkeit selbst bzw. gegebenenfalls auch die Fahrtzeit auf dem entsprechenden Segment darstellen. Das Gütemaß ist eine in geeigneter Weise definierte Größe, welche wiedergibt, wie verlässlich die Daten der entsprechenden Informationsquelle sind. Dabei sind die Gütemaße der unterschiedlichen Informationsquellen aufeinander abgestimmt, d. h. die Maße sind untereinander vergleichbar. Die entsprechenden Gütemaße bzw. geschätzten Geschwindigkeitsmaße können bereits in den Daten der Informationsquelle selbst enthalten sein. Ebenso besteht die Möglichkeit, dass aus den Daten der Informationsquelle die entsprechenden Gütemaße bzw. Geschwindigkeitsmaße abgeleitet werden. Ist die Informationsquelle beispielsweise eine Datenquelle, welche von anderen Fahrzeugen erfasste Geschwindigkeiten auf dem entsprechenden Routensegment enthält, wird das geschätzte Geschwindigkeitsmaß z. B. durch den Mittelwert aller erfassten Geschwindigkeiten repräsentiert. Das Gütemaß kann in diesem Fall in Abhängigkeit von der Anzahl an erfassten Geschwindigkeiten ermittelt werden. Dabei macht man sich die Erkenntnis zunutze, dass eine Geschwindigkeitsschätzung umso genauer und aussagekräftiger ist, je mehr Geschwindigkeitswerte berücksichtigt werden.In a step i), an estimated speed measure of the vehicle on the respective route segment and a quality measure are read out or determined from a plurality of information sources, the quality measure describing the quality of the estimate of the speed measure. Here and in the following, a speed measure is any measure which represents or depends on the speed of the vehicle on the corresponding route segment; in particular, the speed measure may represent the speed itself or possibly also the travel time on the corresponding segment. The measure of quality is a suitably defined quantity, which reflects how reliable the data of the corresponding information source are. The quality measures of the different sources of information are coordinated with each other, d. H. the dimensions are comparable with each other. The corresponding quality measures or estimated speed measures may already be contained in the data of the information source itself. It is also possible that the corresponding quality measures or speed measures are derived from the data of the information source. For example, if the information source is a data source containing speeds detected by other vehicles on the corresponding route segment, the estimated speed measure z. B. represented by the average of all detected speeds. The quality measure can be determined in this case depending on the number of detected speeds. In doing so, one makes use of the insight that a speed estimate is the more accurate and meaningful the more speed values are taken into account.

In dem erfindungsgemäßen Verfahren wird in einem Schritt ii) eine erste A-Priori-Wahrscheinlichkeitsverteilung für die Werte einer Größe vorgegeben, aus welcher die Fahrtzeit auf dem jeweiligen Routensegment hervorgeht. Diese erste Wahrscheinlichkeitsverteilung enthält zumindest einen Verkehrszustandsparameter zur Charakterisierung des Verkehrszustands auf dem jeweiligen Routensegment. Ein Beispiel einer Größe, aus welcher die Fahrtzeit auf dem jeweiligen Routensegment hervorgeht, ist die weiter unten beschriebene Verzögerungszeit. Nach Vorgabe der ersten A-Priori-Wahrscheinlichkeitsverteilung wird in einem Schritt iii) eine zweite Wahrscheinlichkeitsverteilung für die Werte des zumindest einen Verkehrszustandsparameters ermittelt, wobei in jedem Iterationsschritt eine Informationsquelle hinzugenommen wird, mit deren Geschwindigkeitsmaß und Gütemaß eine im letzten Iterationsschritt ermittelte zweite Wahrscheinlichkeitsverteilung korrigiert wird. In einem Schritt iv) wird schließlich aus der ersten und zweiten Wahrscheinlichkeitsverteilung eine dritte Wahrscheinlichkeitsverteilung für Werte einer Größe ermittelt, aus welcher die Fahrtzeit auf dem jeweiligen Routensegment hervorgeht. Diese Größe kann insbesondere der oben beschriebenen Größe entsprechen, für welche die erste Wahrscheinlichkeitsverteilung ermittelt wird. Die dritte Wahrscheinlichkeitsverteilung stellt eine A-Posteriori-Wahrscheinlichkeitsverteilung dar, welche gegenüber der ersten A-Priori-Wahrscheinlichkeitsverteilung eine verbesserte Prognose bereitstellt. Die Ermittlung der dritten Wahrscheinlichkeitsverteilung aus der ersten und zweiten Wahrscheinlichkeitsverteilung wird in einer bevorzugten Ausführungsform über Stichprobenentnahme mittels Monte-Carlo-Simulation erreicht, wie weiter unten noch näher beschrieben wird. In the method according to the invention, in a step ii), a first a priori probability distribution for the values of a variable is given, from which the travel time on the respective route segment emerges. This first probability distribution contains at least one traffic state parameter for characterizing the traffic state on the respective route segment. An example of a quantity indicative of the travel time on the respective route segment is the delay time described below. After specification of the first a priori probability distribution, a second probability distribution for the values of the at least one traffic condition parameter is determined in step iii), wherein in each iteration step an information source is added whose speed measure and quality measure a second probability distribution determined in the last iteration step is corrected , Finally, in a step iv), from the first and second probability distribution, a third probability distribution for values of a variable is determined, from which the travel time on the respective route segment emerges. In particular, this variable may correspond to the size described above for which the first probability distribution is determined. The third probability distribution represents an a posteriori probability distribution which provides an improved prognosis over the first a priori probability distribution. The determination of the third probability distribution from the first and second probability distribution is achieved in a preferred embodiment via sampling by means of Monte Carlo simulation, as will be described in more detail below.

In dem erfindungsgemäßen Verfahren wird schließlich in einem Schritt v) aus der dritten Wahrscheinlichkeitsverteilung eine kumulierte Wahrscheinlichkeitsverteilung durch entsprechende Integration der dritten Wahrscheinlichkeitsverteilung ermittelt, wobei für einen oder mehrere vorgegebene Wahrscheinlichkeitswerte (d. h. insbesondere vorgegebene Perzentile) der kumulierten Wahrscheinlichkeitsverteilung jeweils ein dem jeweiligen vorgegebenen Wahrscheinlichkeitswert entsprechendes Geschwindigkeitsmaß bestimmt wird.In the method according to the invention, finally, in a step v), a cumulative probability distribution is determined from the third probability distribution by corresponding integration of the third probability distribution, one or more predetermined probability values (ie in particular predetermined percentiles) of the cumulative probability distribution each having a speed measure corresponding to the respective given probability value is determined.

Das erfindungsgemäße Verfahren zeichnet sich dadurch aus, dass in geeigneter Weise mehrere Informationsquellen bei der Bestimmung einer Fahrtdauer berücksichtigt werden, wobei die Güte der Informationsquellen im Rahmen einer Korrektur einer Wahrscheinlichkeitsverteilung einfließen, welche Unsicherheiten in der Fahrtzeitbestimmung modelliert. Vorzugsweise wird dabei in Schritt iii) zur Ermittlung der zweiten Wahrscheinlichkeitsverteilung die aus dem Stand der Technik bekannte Bayessche Statistik eingesetzt, bei der eine aktualisierte Wahrscheinlichkeitsverteilung basierend auf der aus dem Stand der Technik bekannten Bayes-Regel bestimmt wird. Das heißt, die zweite Wahrscheinlichkeitsverteilung wird derart ermittelt, dass die Bayes-Regel erfüllt ist.The method according to the invention is characterized in that a number of information sources are suitably taken into account in the determination of a journey duration, the quality of the information sources being included in the context of a correction of a probability distribution which models uncertainties in the travel time determination. In this case, the Bayesian statistic known from the prior art is preferably used in step iii) for determining the second probability distribution, in which an updated probability distribution is determined based on the Bayes rule known from the prior art. That is, the second probability distribution is determined such that the Bayes rule is satisfied.

Die im erfindungsgemäßen Verfahren berücksichtigten Informationsquellen, aus denen das entsprechende Gütemaß und das geschätzte Geschwindigkeitsmaß entnommen werden, können verschieden ausgestaltet sein. In einer besonders bevorzugten Ausführungsform umfassen die Informationsquellen eine oder mehrere der folgenden Informationsquellen:

  • – eine digitale Straßenkarte;
  • – ein Verkehrsinformationssystem;
  • – eine Informationsquelle mit von anderen Fahrzeugen und/oder stationären Detektionssystemen (z. B. Schleifendetektoren in Fahrbahnen) erfassten Daten;
  • – eine Informationsquelle, welche die Geschwindigkeitsmaße basierend auf einem Verkehrsmodell bestimmt, wobei aus dem Stand der Technik verschiedene Verkehrsmodelle zur Modellierung von Straßenverkehr bekannt sind;
  • – eine Informationsquelle, deren Geschwindigkeitsmaße durch das Fahrzeug gelernt sind.
The information sources taken into account in the method according to the invention, from which the corresponding quality measure and the estimated speed measure are taken, can be designed differently. In a particularly preferred embodiment, the information sources comprise one or more of the following sources of information:
  • - a digital road map;
  • A traffic information system;
  • An information source with data collected by other vehicles and / or stationary detection systems (eg loop detectors in lanes);
  • An information source which determines the speed measures based on a traffic model, wherein different traffic models for modeling road traffic are known from the prior art;
  • An information source whose speed measures have been learned by the vehicle.

All diese soeben beschriebenen Arten von Informationsquellen sind an sich aus dem Stand der Technik bekannt. Erfindungsgemäß wird nunmehr jedoch eine geeignete Fusion dieser Informationsquellen zur Ermittlung von Geschwindigkeitsmaßen beschrieben.All of the above-described types of information sources are known per se from the prior art. However, according to the invention, a suitable fusion of these information sources for determining speed measures will now be described.

In einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens wird die zweite Wahrscheinlichkeitsverteilung zu Beginn der Iteration in Schritt iii) aus dem geschätzten Geschwindigkeitsmaß und dem Gütemaß einer vorbestimmten Informationsquelle der mehreren Informationsquellen ermittelt. Vorzugsweise ist die vorbestimmte Informationsquelle dabei eine digitale Straßenkarte.In a preferred embodiment of the method according to the invention, the second probability distribution at the beginning of the iteration in step iii) is determined from the estimated speed measure and the quality measure of a predetermined information source of the plurality of information sources. Preferably, the predetermined information source is a digital road map.

In einer weiteren, besonders bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens werden das oder die in Schritt v) bestimmten Geschwindigkeitsmaße für zumindest einen vorgegebenen Wahrscheinlichkeitswert aus den folgenden Wahrscheinlichkeitswerten bestimmt:

  • – ein Wahrscheinlichkeitswert von mehr als 50%, insbesondere von 90%, wodurch ein pessimistisches Geschwindigkeitsmaß bestimmt wird;
  • – ein Wahrscheinlichkeitswert von 50%, wodurch ein typisches Geschwindigkeitsmaß bestimmt wird;
  • – ein Wahrscheinlichkeitswert von weniger als 50%, insbesondere von 30%, wodurch ein optimistisches Geschwindigkeitsmaß bestimmt wird.
In a further, particularly preferred embodiment of the method according to the invention, the speed measure or speeds determined in step v) are determined for at least one predetermined probability value from the following probability values:
  • A probability value of more than 50%, in particular of 90%, whereby a pessimistic speed measure is determined;
  • A probability value of 50%, which determines a typical speed measure;
  • A probability value of less than 50%, in particular of 30%, whereby an optimistic speed measure is determined.

Mit Hilfe dieser Geschwindigkeitsmaße auf den Routensegmenten einer Route kann dann die Gesamtfahrtzeit auf der Route nach unterschiedlichen Kriterien abgeschätzt werden. Bei einer pessimistischen Schätzung ist die Fahrtzeit dabei länger, jedoch ist die Wahrscheinlichkeit geringer, dass die tatsächliche Fahrtzeit den Schätzwert überschreitet. Demgegenüber ist bei einer optimistischen Schätzung die Fahrtzeit zwar kürzer, jedoch steigt die Wahrscheinlichkeit, dass die tatsächliche Fahrtzeit länger als die geschätzte ist. Gegebenenfalls besteht die Möglichkeit, dass ein Benutzer in geeigneter Weise auswählt, auf welche Weise die Fahrtzeit ermittelt werden soll. Basierend darauf kann dann beispielsweise auf einer Anzeigeeinrichtung die entsprechend geschätzte Fahrtzeit ausgegeben werden.With the aid of these speed measures on the route segments of a route, the total travel time on the route can then be estimated according to different criteria. With a pessimistic estimate, the journey time is longer, but there is less chance that the actual travel time will exceed the estimated value. On the other hand, with an optimistic estimate, the travel time is shorter, but the likelihood that the actual travel time is longer than the estimated one increases. Optionally, there is the possibility that a user selects in a suitable manner how the travel time is to be determined. Based on this, the correspondingly estimated travel time can then be output on a display device, for example.

Die Bestimmung des Wahrscheinlichkeitswerts für das pessimistische Geschwindigkeitsmaß kann gegebenenfalls derart modifiziert werden, dass ferner der Erwartungswert der Wahrscheinlichkeitsverteilung berücksichtigt wird. Dabei wird als pessimistisches Geschwindigkeitsmaß das Geschwindigkeitsmaß für den pessimistischen Wahrscheinlichkeitswert von mehr als 50% dann ausgegeben, wenn dieses Geschwindigkeitsmaß größer als der Erwartungswert des Geschwindigkeitsmaßes ist, sofern das Geschwindigkeitsmaß eine Fahrtzeit repräsentiert. Ist das Geschwindigkeitsmaß demgegenüber die Fahrtgeschwindigkeit, wird das Geschwindigkeitsmaß für den pessimistischen Wahrscheinlichkeitswert von mehr als 50% dann ausgegeben, wenn dieses Maß kleiner als der Erwartungswert der Geschwindigkeit ist. Sind die genannten Bedingungen nicht erfüllt, wird als Geschwindigkeitsmaß der entsprechende Erwartungswert ausgegeben, wodurch sichergestellt wird, dass die pessimistische Schätzung nie zu kürzeren Fahrtzeiten als der Erwartungswert der Schätzung führt.If appropriate, the determination of the probability value for the pessimistic speed measure can be modified such that the expected value of the probability distribution is taken into account as well. In this case, the pessimistic probability value of more than 50% is output as the pessimistic speed measure if this speed measure is greater than the expected value of the speed measure, provided that the speed measure represents a travel time. By contrast, if the speed measure is the cruise speed, the pessimistic probability score of more than 50% is output when that measure is less than the expected speed value. If these conditions are not met, the corresponding expectation value is output as the speed measure, which ensures that the pessimistic estimate never leads to shorter travel times than the expected value of the estimate.

In einer weiteren, besonders bevorzugten Ausführungsform wird als erste Wahrscheinlichkeitsverteilung in Schritt ii) eine Gamma-Wahrscheinlichkeitsverteilung, vorgegeben, welche sich sehr gut zur Modellierung der Verteilung von Fahrtzeiten auf einem Routensegment eignet. In einer besonders bevorzugten Ausführungsform wird die erste Wahrscheinlichkeitsverteilung F(u; B, a) in Schritt ii) wie folgt vorgegeben:

Figure 00060001
wobei B der zumindest eine Verkehrszustandsparameter ist;
wobei u die durch eine minimale Fahrtzeit des Fahrzeugs auf dem jeweiligen Routensegment geteilte Verzögerungszeit für die Fahrt des Fahrzeugs auf dem jeweiligen Routensegment zusätzlich zu der minimalen Fahrtzeit ist;
wobei a ein Maß ist, das die Streuung der Geschwindigkeitsmaße auf dem jeweiligen Routensegment repräsentiert und welches insbesondere aus dem Variationskoeffizienten der Geschwindigkeitsmaße auf dem jeweiligen Routensegment gewonnen wird; wobei Γ die unvollständige Gamma-Funktion ist.In a further, particularly preferred embodiment, the first probability distribution in step ii) is a gamma probability distribution, which is very well suited for modeling the distribution of travel times on a route segment. In a particularly preferred embodiment, the first probability distribution F (u, B, a) in step ii) is specified as follows:
Figure 00060001
where B is the at least one traffic condition parameter;
wherein u is the delay time, divided by a minimum travel time of the vehicle on the respective route segment, for the travel of the vehicle on the respective route segment in addition to the minimum travel time;
where a is a measure representing the spread of the velocity measures on the respective route segment and which is in particular obtained from the coefficient of variation of the velocity measures on the respective route segment; where Γ is the incomplete gamma function.

Die oben genannte minimale Fahrtzeit kann beispielsweise aus einer kartenbasierten Informationsquelle umfassend eine digitale Straßenkarte ermittelt werden. Zum Beispiel kann die Fahrtzeit der in der entsprechenden digitalen Karte hinterlegten zulässigen Höchstgeschwindigkeit auf dem betrachteten Routensegment entsprechen. Die Festlegung des obigen Maßes a liegt im Rahmen von fachmännischem Handeln. In einer bevorzugten Ausführungsform wird a durch die Gleichung a = [μ/σ]2 gewonnen, wobei das Verhältnis in eckigen Klammern dem Fachmann sehr gut als Variationskoeffizient für die jeweilige Strecke bekannt ist. Eine geeignete Schätzung dieses Verhältnisses kann auf eine für den Fachmann geläufige Weise durch Erhebung von Reisezeitstichproben aus Fahrten auf dem jeweiligen Routensegment gewonnen werden. Die Definition der unvollständigen Gamma-Funktion findet sich in der detaillierten Beschreibung der Anmeldung.The above-mentioned minimum travel time can be determined, for example, from a map-based information source comprising a digital road map. For example, the travel time may correspond to the maximum permissible speed stored in the corresponding digital map on the considered route segment. The determination of the above measure a is within the scope of expert action. In a preferred embodiment, a is obtained by the equation a = [μ / σ] 2 , the ratio in square brackets being very well known to the person skilled in the art as the coefficient of variation for the respective route. An appropriate estimate of this ratio may be obtained in a manner well known to those skilled in the art by collecting travel time samples from trips on the particular route segment. The definition of the incomplete gamma function can be found in the detailed description of the application.

In einer weiteren, besonders bevorzugten Ausführungsform wird in Schritt iii) die zweite Wahrscheinlichkeitsverteilung pi(B) in einem Iterationsschritt i aus der zweiten Wahrscheinlichkeitsverteilung des vorhergehenden Iterationsschritts (i – 1) wie folgt bestimmt:

Figure 00070001
wobei αi = αi-1 + Mi·a und βi = βi-1 + Mi·ûi, wobei αi, βi die Parameter der zweiten Wahrscheinlichkeitsverteilung im Iterationsschritt i und αi-1, βi-1 die Parameter der zweiten Wahrscheinlichkeitsverteilung im Iterationsschritt i – 1 sind;
wobei Mi das Gütemaß der im Iterationsschritt i hinzukommenden Informationsquelle ist;
wobei ûi die sich für das geschätzte Geschwindigkeitsmaß der im Iterationsschritt i hinzukommenden Informationsquelle ergebene Verzögerungszeit für die Fahrt des Fahrzeugs auf dem jeweiligen Routensegment geteilt durch die minimale Fahrtzeit ist.In a further, particularly preferred embodiment, in step iii) the second probability distribution p i (B) is determined in an iteration step i from the second probability distribution of the preceding iteration step (i-1) as follows:
Figure 00070001
where α i = α i-1 + M i a a and β i = β i-1 + M i i , where α i , β i are the parameters of the second probability distribution in the iteration step i and α i-1 , β i -1 are the parameters of the second probability distribution in iteration step i-1;
where M i is the quality measure of the information source added in the iteration step i;
where û i is the delay time for the travel of the vehicle on the respective route segment divided by the minimum travel time for the estimated speed measure of the information source added in the iteration step i.

In einer besonders bevorzugten Ausführungsform wird das erfindungsgemäße Verfahren durch eine Verarbeitungseinheit im Fahrzeug, insbesondere ein Navigationssystem im Fahrzeug, durchgeführt. Genauso ist es denkbar, das Verfahren auf einem zentralen Rechner im Backend einzusetzen und die berechneten Daten via Luftschnittstelle an das Fahrzeug zu senden. Vorzugsweise werden die in Schritt v) bestimmten Geschwindigkeitsmaße bei der Ermittlung einer Route im Navigationssystem berücksichtigt. Beispielsweise werden basierend auf den Geschwindigkeitsmaßen entsprechende Gewichtungen für die Routensegmente festgelegt. Bei der Berechnung der schnellsten Route in einem Navigationssystem ist dabei die Gewichtung umso höher, je schneller die Fahrtzeit auf dem entsprechenden Routensegment ist. In einer weiteren Ausführungsform werden die Geschwindigkeitsmaße für das oder die Routensegmente einer im Navigationssystem berechneten Route bestimmt und basierend darauf eine oder mehrere Reisezeiten und/oder Reisegeschwindigkeiten für die berechnete Route ausgegeben. Reisezeiten bzw. Reisegeschwindigkeiten können z. B. basierend auf der oben beschriebenen pessimistischen, typischen oder optimistischen Schätzung bestimmt werden, wobei einem Fahrzeugnutzer auf einer Anzeigeeinrichtung vorzugsweise angezeigt wird, basierend auf welcher Schätzart die Reisezeiten ermittelt wurden.In a particularly preferred embodiment, the method according to the invention is carried out by a processing unit in the vehicle, in particular a navigation system in the vehicle. It is also conceivable to use the method on a central computer in the backend and to send the calculated data via the air interface to the vehicle. Preferably, the speed measures determined in step v) are taken into account when determining a route in the navigation system. For example, based on the velocity measures, corresponding weightings are defined for the route segments. When calculating the fastest route in a navigation system, the weighting is higher the faster the travel time on the corresponding route segment. In a further embodiment, the speed measures for the route segment (s) of a route calculated in the navigation system are determined, and based on this, one or more travel times and / or travel speeds are output for the calculated route. Travel times or travel speeds can z. B. based on the pessimistic, typical or optimistic estimate described above, wherein a vehicle user is preferably displayed on a display device based on which estimation the travel times were determined.

In einer weiteren Ausführungsform des erfindungsgemäßen Verfahrens sind die in Schritt i) berücksichtigten Informationsquellen aus einer Mehrzahl von Informationsquellen auswählbar. Die Auswahl kann dabei nach vorbestimmten Kriterien erfolgen, beispielsweise können Informationsquellen mit sehr schlechter Güte weggelassen werden. Ebenso besteht die Möglichkeit, dass ein Benutzer über eine entsprechende Benutzerschnittstelle die von ihm gewünschten Informationsquellen auswählt.In a further embodiment of the method according to the invention, the information sources taken into account in step i) can be selected from a plurality of information sources. The selection can be made according to predetermined criteria, for example, information sources with very poor quality can be omitted. Likewise, there is the possibility that a user selects the information sources desired by him via a corresponding user interface.

In einer weiteren Ausführungsform des erfindungsgemäßen Verfahrens wird die dritte Wahrscheinlichkeitsverteilung in Schritt iv) derart ermittelt, dass für eine Mehrzahl von Schritten jeweils durch Stichprobenentnahme basierend auf der zweiten Wahrscheinlichkeitsverteilung ein zufälliger Wert für den zumindest einen Verkehrszustandsparameter und durch Stichprobenentnahme basierend auf der ersten Wahrscheinlichkeitsverteilung, welche den zufälligen Wert für den zumindest einen Verkehrszustandsparameter enthält, ein zufälliger Wert für die Größe ermittelt wird, aus welcher die Fahrtzeit hervorgeht, wobei aus den in den jeweiligen Schritten ermittelten zufälligen Werten der Größe, aus welcher die Fahrtzeit hervorgeht, die dritte Wahrscheinlichkeitsverteilung modelliert wird. Diese Ausführungsform stellt somit die bereits oben erwähnte Monte-Carlo-Simulation zur Bestimmung der dritten Wahrscheinlichkeitsverteilung dar. Über die Häufigkeiten der in den einzelnen Schritten aufgetretenen zufälligen Werte bzw. der Größe, aus welcher die Fahrtzeit hervorgeht, kann dabei die dritte Wahrscheinlichkeitsverteilung bestimmt werden.In a further embodiment of the method according to the invention, the third probability distribution in step iv) is determined such that for a plurality of steps by sampling based on the second probability distribution, a random value for the at least one traffic condition parameter and by sampling based on the first probability distribution contains the random value for the at least one traffic state parameter, a random value is determined for the quantity from which the travel time results, wherein the third probability distribution is modeled from the random values of the variable from which the travel time is determined in the respective steps. This embodiment thus represents the Monte Carlo simulation already mentioned above for determining the third probability distribution. The third probability distribution can be determined by way of the frequencies of the random values occurring in the individual steps or the quantity from which the travel time results.

Neben dem oben beschriebenen Verfahren betrifft die Erfindung ferner eine Vorrichtung zur rechnergestützten Prognose der Fahrtdauer eines Fahrzeugs auf einer Route aus einem oder mehreren Routensegmenten, wobei die Vorrichtung derart ausgestaltet ist, dass sie im Betrieb das erfindungsgemäße Verfahren bzw. eine oder mehrere bevorzugte Varianten des erfindungsgemäßen Verfahrens durchführt.In addition to the method described above, the invention further relates to a device for computer-aided prognosis of the travel time of a vehicle on a route from one or more route segments, wherein the device is configured such that it in operation, the inventive method or one or more preferred variants of the invention Performs procedure.

Die Erfindung betrifft darüber hinaus ein Fahrzeug, insbesondere ein Kraftfahrzeug, welches die oben beschriebene Vorrichtung beinhaltet. Die Vorrichtung kann dabei insbesondere Bestandteil des Navigationssystems des Fahrzeugs sein.The invention further relates to a vehicle, in particular a motor vehicle, which includes the device described above. The device may in particular be part of the navigation system of the vehicle.

Ausführungsbeispiele der Erfindung werden nachfolgend anhand der beigefügten Figuren detailliert beschrieben.Embodiments of the invention are described below in detail with reference to the accompanying drawings.

Es zeigen:Show it:

1 eine schematische Darstellung einer Verarbeitungseinheit, mit der eine Ausführungsform des erfindungsgemäßen Verfahrens durchführbar ist; 1 a schematic representation of a processing unit, with which an embodiment of the method according to the invention is feasible;

2 ein Ablaufdiagramm, welches die wesentlichen, in einer Ausführungsform des erfindungsgemäßen Verfahrens durchgeführten Schritte verdeutlicht; und 2 a flow diagram illustrating the essential steps performed in one embodiment of the method according to the invention; and

3 eine Benutzerschnittstelle in einem Fahrzeug, auf der über das erfindungsgemäße Verfahren ermittelte Reisezeiten für eine durch das Navigationssystem des Fahrzeugs berechnete Route wiedergegeben werden. 3 a user interface in a vehicle, on the travel times determined by the inventive method for a calculated by the navigation system of the vehicle route are reproduced.

Die nachfolgend beschriebene Ausführungsform des erfindungsgemäßen Verfahrens wird im Rahmen der Berechnung einer Route in einem Navigationssystem eines Fahrzeugs beschrieben, wobei basierend auf einer Mehrzahl von Informationsquellen Fahrtzeiten bzw. Fahrtgeschwindigkeiten auf Routensegmenten ermittelt werden. Diese Informationen können im Rahmen der Routenberechnung z. B. für eine entsprechende Kostenfunktion abgegriffen werden, auf deren Basis Routensegmente bei der Ermittlung einer Route ausgewählt werden. Das erfindungsgemäße Verfahren ist jedoch nicht auf die Verwendung in einem Navigationssystem beschränkt, sondern die durch das Verfahren ermittelten Fahrtzeiten bzw. Fahrtgeschwindigkeiten können auch für andere Steuergeräte im Fahrzeug verwendet werden. Beispielsweise können sie zur Abschätzung kommender Fahrzeugzustände zur Berücksichtigung in der Motor- oder Nebenaggregatsteuerung eingesetzt werden.The embodiment of the method according to the invention described below is described in the context of the calculation of a route in a navigation system of a vehicle, wherein based on a plurality of information sources, travel times or travel speeds are determined on route segments. This information may be in the context of the route calculation z. B. are tapped for a corresponding cost function, based on which route segments are selected in the determination of a route. However, the method according to the invention is not limited to use in a navigation system, but the travel times or travel speeds determined by the method can also be used for other control devices in the vehicle. For example, they may be used to estimate upcoming vehicle conditions for consideration in engine or accessory control.

1 zeigt schematisch den Aufbau einer Verarbeitungseinheit, mit der das erfindungsgemäße Verfahren durchführbar ist Die Verarbeitungseinheit umfasst eine Vielzahl von Informationsmodulen, wobei in 1 vier Module IM1, IM2, IM3 und IM4 angedeutet sind. Jedem Informationsmodul ist dabei eine entsprechende Informationsquelle IQ1, IQ2, IQ3 bzw. IQ4 zugeordnet. Die Daten aus den unterschiedlichen Informationsquellen unterscheiden sich in ihrer Genauigkeit, Aktualität und Dynamik. Ziel der Verarbeitungseinheit ist es dabei, die unterschiedlichen Daten aus den Informationsquellen in geeigneter Weise zusammenzuführen und basierend darauf eine aussagekräftige Prognose für die Geschwindigkeit bzw. Fahrtzeit des Fahrzeugs auf entsprechenden Routensegmenten zu ermitteln. Die Durchführung dieser Prognose wird in einem Fusionator F durchgeführt, der die Daten aus den verschiedenen Informationsmodulen empfängt. 1 schematically shows the structure of a processing unit, with which the inventive method is feasible The processing unit comprises a plurality of information modules, wherein in 1 four modules IM1, IM2, IM3 and IM4 are indicated. Each information module is assigned a corresponding information source IQ1, IQ2, IQ3 or IQ4. The data from the different sources of information differ in their accuracy, timeliness and dynamics. The aim of the processing unit is to merge the different data from the information sources in a suitable manner and based on a meaningful forecast for the speed or travel time of the vehicle to determine corresponding route segments. The performance of this prediction is performed in a fusionator F which receives the data from the various information modules.

Als Informationsquellen können in dem erfindungsgemäßen Verfahren verschiedene Datenquellen eingesetzt werden. Insbesondere kommen die nachfolgend beschriebenen Informationsquellen in Betracht.As sources of information, various data sources can be used in the method according to the invention. In particular, the information sources described below come into consideration.

Daten aus einer digitalen Karte:Data from a digital map:

Diese Informationen stammen aus einer im Fahrzeug hinterlegten digitalen Straßenkarte und definieren Fahrtzeiten entlang von Routensegmenten basierend auf funktionalen Straßenklassen. Gegebenenfalls können dabei Informationen auch in Abhängigkeit von der Tageszeit hinterlegt werden, wodurch berücksichtigt wird, dass Fahrtzeiten entlang von Routensegmenten zu unterschiedlichen Zeiten am Tag unterschiedlich sein können.This information comes from a digital road map stored in the vehicle and defines travel times along route segments based on functional road classes. If appropriate, information can also be stored as a function of the time of day, which takes into account that travel times along route segments may differ at different times during the day.

Historische Fahrtzeitprofile:Historical travel time profiles:

Diese Daten entsprechen in der Vergangenheit erfassten Informationen betreffend den Verkehrsfluss auf den Routensegmenten, wobei diese Informationen z. B. durch Schleifendetektoren in der Fahrbahn oder durch andere Fahrzeuge erfasst wurden, die zu einem vergangenen Zeitpunkt entlang der Route gefahren sind.This data corresponds in the past collected information concerning the traffic flow on the route segments, this information z. B. detected by loop detectors in the lane or by other vehicles that have gone to a past time along the route.

Modellbasierte Fahrtzeitprofile eines Anbieters:Model-based travel time profiles of a provider:

Dabei handelt es sich um Daten, die basierend auf an sich bekannten Verkehrsmodelle durch einen Dienstanbieter ermittelt wurden.This is data that was determined based on known traffic models by a service provider.

Fahrtzeitprofile, welche vom Fahrzeug gelernt werden:Travel time profiles learned by the vehicle:

Diese Information wurde zu früheren Zeitpunkten durch das betrachtete Fahrzeug beim Abfahren der Route erfasst.This information was collected at earlier times by the vehicle in question when driving off the route.

Daten aus einem Verkehrsinformationssystem:Data from a traffic information system:

Dabei handelt es sich um dynamische Daten, welche z. B. von Fahrzeugen entlang der Route bzw. anderen Detektionseinrichtungen aktuell erfasst werden und von einem Dienstanbieter gesammelt werden. Gegebenenfalls können die Daten auch Vorhersagen von Fahrtzeiten umfassen, die aus den Verkehrsinformationen abgeschätzt wurden.These are dynamic data, which z. B. vehicles along the route or other detection devices are currently detected and collected by a service provider. Optionally, the data may also include predictions of travel times estimated from the traffic information.

Die Daten aus den gerade beschriebenen Informationsquellen werden in geeigneter Weise dem Fahrzeug bereitgestellt. Insbesondere können sie bereits im Fahrzeug hinterlegt sein (wie z. B. die oben erwähnte digitale Karte) oder sie werden über eine geeignete Kommunikationsschnittstelle (z. B. Mobilfunkschnittstelle) von einer zentralen Stelle an das Fahrzeug übermittelt. Aus den Daten der jeweiligen Informationsquelle wird dabei in dem jeweiligen Informationsmodul eine erwartete Fahrtgeschwindigkeit entlang des jeweiligen Routensegments und ein Gütemaß für die erwartete Fahrtgeschwindigkeit extrahiert, wobei das Gütemaß die Qualität der Schätzung der entsprechenden Geschwindigkeit darstellt. Für die einzelnen Informationsmodule IM1 bis IM4 sind in 1 die Gütemaße mit M1, M2, M3 bzw. M4 und die entsprechenden Geschwindigkeiten mit v1, v2, v3 bzw. v4 bezeichnet. Die Gütemaße bzw. Geschwindigkeiten können in dem jeweiligen Informationsmodul berechnet werden. Gegebenenfalls können diese Werte jedoch auch unmittelbar durch die Informationsquelle bereitgestellt werden, so dass das Informationsmodul diese Werte lediglich aus der entsprechenden Informationsquelle ausliest. Die einzelnen Gütemaße der verschiedenen Informationsquellen unterliegen dabei einer gemeinsamen Normierung, so dass die Gütemaße untereinander vergleichbar sind. Das heißt, ein Gütemaß, welches für eine Informationsquelle größer ist als für eine andere Informationsquelle, repräsentiert auch eine gegenüber der anderen Informationsquelle verlässlichere Information mit geringerer Streuung. Die Gütemaße bzw. Geschwindigkeiten werden schließlich dem Fusionator F übergeben, der basierend darauf dann entsprechende Geschwindigkeiten bzw. Fahrtzeiten entlang der Routensegmente ermittelt, wie nachfolgend noch im Detail beschrieben wird. The data from the information sources just described are appropriately provided to the vehicle. In particular, they can already be stored in the vehicle (such as the digital map mentioned above) or they can be transmitted to the vehicle from a central location via a suitable communication interface (eg mobile radio interface). From the data of the respective information source, an expected travel speed along the respective route segment and a quality measure for the expected travel speed are extracted in the respective information module, wherein the quality measure represents the quality of the estimate of the corresponding speed. For the individual information modules IM1 to IM4 are in 1 the quality measures M1, M2, M3 and M4 respectively and the corresponding velocities v1, v2, v3 and v4 respectively. The quality measures or speeds can be calculated in the respective information module. However, if appropriate, these values can also be provided directly by the information source, so that the information module only reads these values from the corresponding information source. The individual quality measures of the various sources of information are subject to a common standardization, so that the quality measures are comparable with each other. That is, a measure of quality that is greater for one source of information than another source of information also represents less scattered information than the other source of information. The quality measures or speeds are finally passed to the fusionator F, which then determines corresponding speeds or travel times along the route segments based thereon, as will be described in detail below.

Die Verarbeitungseinheit der 1 beruht auf dem sog. Pull-Prinzip, gemäß dem eine Anwendung bzw. Instanz AP eine Anfrage REQ in Bezug auf einen benötigten Geschwindigkeitswert bzw. eine benötigte Fahrtzeit für ein entsprechendes Routensegment an den Fusionator richtet. Die Anwendung AP ist in der hier beschriebenen Ausführungsform in dem Navigationssystem des Fahrzeugs integriert und ruft z. B. im Rahmen der Routenberechnung den Fusionator auf. In Antwort auf die Anfrage REQ wird dann von dem Fusionator F die entsprechende Antwort RES mit der ermittelten Geschwindigkeit bzw. Fahrtzeit an die Anwendung AP ausgegeben. Gegebenenfalls besteht dabei die Möglichkeit, dass die Anfragen auch festlegen, welche der Informationsmodule bei der Berechnung der Fahrtzeit bzw. Fahrtgeschwindigkeit verwendet werden sollen. Das heißt, der Fusionator F kann auch nur einen Teil der Informationsmodule IM1 bis IM4 in Abhängigkeit von der Anfrage berücksichtigen.The processing unit of 1 is based on the so-called pull principle, according to which an application or instance AP directs a request REQ with respect to a required speed value or a required travel time for a corresponding route segment to the fusioner. The application AP is integrated in the embodiment described here in the navigation system of the vehicle and calls z. B. in the context of the route calculation the Fusionator on. In response to the request REQ, the corresponding response RES with the determined speed or travel time is then output by the fusionator F to the application AP. Optionally, there is the possibility that the requests also specify which of the information modules should be used in the calculation of the travel time or speed. That is, the fusionator F can also consider only a part of the information modules IM1 to IM4 depending on the request.

Im Folgenden wird anhand von 2 die Datenfusion des Fusionators F der 1 basierend auf einer Ausführungsform des erfindungsgemäßen Verfahrens beschrieben. Es wird davon ausgegangen, dass die entsprechenden Gütemaße bzw. Geschwindigkeiten durch die Informationsmodule bereits ermittelt bzw. ausgelesen wurden. Für ein Informationsmodul, welches als Informationsquelle erfasste Geschwindigkeiten von anderen Fahrzeugen entlang einem Routensegment verwendet, kann das Gütemaß z. B. von der Anzahl der Fahrzeuge abhängen, für welche erfasste Geschwindigkeitswerte vorliegen. Je größer die Anzahl von Fahrzeugen ist, desto genauer ist ein für das Routensegment ermittelter Geschwindigkeitswert und damit das Gütemaß, wobei der Geschwindigkeitswert den Mittelwert aller erfassten Geschwindigkeiten repräsentiert. Die entsprechenden Gütemaße aller Informationsmodule sind dabei aufeinander abgestimmt, so dass die Maße untereinander vergleichbar sind.The following is based on 2 the data fusion of the Fusionator F the 1 based on an embodiment of the method according to the invention described. It is assumed that the corresponding quality measures or speeds have already been determined or read out by the information modules. For an information module, which uses detected as an information source speeds of other vehicles along a route segment, the quality measure z. B. depend on the number of vehicles for which detected speed values are available. The larger the number of vehicles, the more accurate is a speed value determined for the route segment and thus the quality measure, the speed value representing the average of all recorded speeds. The corresponding quality measures of all information modules are coordinated so that the dimensions are comparable with each other.

Die im Folgenden, anhand von 2 beschriebenen Schritte S1 bis S6 werden für jedes Routensegment einer Route durchgeführt, wobei abschließend eine Gesamtreisezeit durch Addition der Reisezeiten entlang der Routensegmente und basierend darauf eine Gesamtreisegeschwindigkeit für die Route bestimmt werden kann. Im Rahmen des Verfahrens wird in einem Schritt S1 für das gerade betrachtete Routensegment eine minimale Reisezeit Tmin und eine durch diese minimale Reisezeit geteilte Verzögerung u entlang des Routensegments bestimmt. Die minimale Reisezeit wird vorzugsweise aus einer digitalen Straßenkarte ermittelt und stellt die Fahrtzeit ohne Verkehrsbehinderungen basierend auf der für das Routensegment erlaubten Höchstgeschwindigkeit dar, wobei die entsprechende Höchstgeschwindigkeit in der digitalen Straßenkarte enthalten ist. Die Größe Tmin ist somit der Quotient aus der Länge des entsprechenden Routensegments und der in der digitalen Karte hinterlegten Höchstgeschwindigkeit. Die Größe Tmin stellt zwar nicht die absolute minimale Fahrzeit eines realen Fahrers für das Routensegment dar, denn insbesondere auf Autobahnen fahren einige Fahrzeuge schneller als die erlaubte Höchstgeschwindigkeit. Nichtsdestotrotz stellt Tmin die Zeit dar, die ein typischer Fahrer entlang des Routensegments bei sehr geringer Verkehrsdichte benötigen würde. Die Verzögerung u stellt somit eine Variable dar, welche die zusätzlich zur minimalen Fahrtzeit hinzukommende Fahrtzeit repräsentiert. Das heißt, es gilt:

Figure 00130001
wobei T die Gesamtfahrtzeit entlang des jeweiligen Routensegments ist.The following, based on 2 Steps S1 to S6 described above are carried out for each route segment of a route, and finally a total travel time can be determined by adding travel times along the route segments and based on this a total travel speed for the route can be determined. Within the scope of the method, a minimum travel time T min and a delay u divided by this minimum travel time along the route segment are determined in a step S1 for the route segment currently being considered. The minimum travel time is preferably determined from a digital road map and represents the travel time without traffic obstructions based on the maximum speed allowed for the route segment, the corresponding maximum speed being included in the digital road map. The variable T min is thus the quotient of the length of the corresponding route segment and the maximum speed stored in the digital map. Although the variable T min does not represent the absolute minimum travel time of a real driver for the route segment, because especially on motorways some vehicles drive faster than the maximum speed allowed. Nonetheless, T min represents the time that a typical driver would need along the route segment at very low traffic density. The delay u thus represents a variable which represents the driving time added in addition to the minimum travel time. That is, it applies:
Figure 00130001
where T is the total travel time along the respective route segment.

Im Folgenden wird ein gerade betrachtetes Routensegment mit A und die Abschätzung einer Fahrtzeit, zu der erwartet wird, dass das Fahrzeug das Segment A auf der entsprechenden Route r erreicht mit tr(A) bezeichnet. Darüber hinaus bezeichnet θ[A, tr(A)] den Verkehrszustand auf dem Routensegment A zum Zeitpunkt tr(A). Erfindungsgemäß werden zwei verschiedene Unsicherheiten betrachtet. Die erste Unsicherheit resultiert daraus, dass selbst dann, wenn der Verkehrszustand θ[A, tr(A)] auf einem Routensegment A zum Zeitpunkt tr(A) genau bekannt wäre, die Verzögerungszeit u, welche tatsächlich auftritt, dennoch einer Unsicherheit unterliegt. Somit wird zunächst die Wahrscheinlichkeitsverteilung bzw. Wahrscheinlichkeitsdichte F für die Verzögerungszeit u, die in Anspruch 1 als erste Wahrscheinlichkeitsverteilung bezeichnet ist, als eine Gammaverteilung basierend auf folgender Formel vorgegeben:

Figure 00130002
Hereinafter, a route segment just considered with A and the estimation of a travel time at which the vehicle is expected to reach the segment A on the corresponding route r will be referred to as t r (A). In addition, θ [A, t r (A)] denotes the traffic condition on the route segment A at the time t r (A). According to the invention, two different uncertainties are considered. The first uncertainty results from the fact that even if the traffic condition θ [A, t r (A)] was accurately known on a route segment A at time t r (A), the delay time u actually occurring is still subject to uncertainty , Thus, first the probability distribution or probability density F for the delay time u, which is designated in claim 1 as the first probability distribution, is given as a gamma distribution based on the following formula:
Figure 00130002

Dabei bezeichnet Γ(a) die sog. unvollständige Gammafunktion, welche wie folgt lautet:

Figure 00140001
Here Γ (a) denotes the so-called incomplete gamma function, which reads as follows:
Figure 00140001

Das Vorgeben der ersten Wahrscheinlichkeitsverteilung ist in 2 durch den Schritt S2 angedeutet.The specification of the first probability distribution is in 2 indicated by the step S2.

Der Mittelwert und die Varianz der Verzögerungszeit u ist gegeben durch die Parameter a und B, wobei der Zusammenhang wie folgt lautet: μ = a/B σ2 = a/B2 (3). The mean and variance of the delay time u is given by the parameters a and B, the relationship being as follows: μ = a / B σ 2 = a / B 2 (3).

Dabei ist a das bereits oben erwähnte Maß, dass die Streuung der Geschwindigkeitsmaße auf dem betrachteten Routensegment repräsentiert und dessen Bestimmung im Rahmen von fachmännischem Handeln liegt. B stellt den ebenfalls bereits oben erwähnten Verkehrszustandsparameter dar. Es wird dabei davon ausgegangen, dass die Parameter a und B den Verkehrszustand θ[A, tr(A)] auf dem Segment A zum Zeitpunkt tr(A) vollkommen charakterisieren. Prinzipiell können beide Parameter a und B von dem Routensegment A und der Ankunftszeit tr(A) abhängen. In der hier beschriebenen Ausführungsform wird jedoch angenommen, dass der Parameter a nur von dem Routensegment A und nicht von der Zeit abhängt.In this case, a is the measure already mentioned above, which represents the scattering of the speed measures on the considered route segment and whose determination lies within the scope of expert action. B represents the traffic condition parameter already mentioned above. It is assumed that the parameters a and B completely characterize the traffic condition θ [A, t r (A)] on the segment A at the time t r (A). In principle, both parameters a and B may depend on the route segment A and the arrival time t r (A). However, in the embodiment described here, it is assumed that the parameter a depends only on the route segment A and not on the time.

Die zweite Unsicherheit in der hier betrachteten Modellierung resultiert daraus, dass der Verkehrszustand an sich bereits mit Unsicherheit behaftet ist. In der hier beschriebenen Ausführungsform wird dabei der Parameter a als eine Größe modelliert, welche für jedes Routensegment bekannt ist, wohingegen der Parameter B basierend auf einer entsprechenden zweiten Unsicherheit in der Form einer Folge von Bayes’schen A-Posteriori-Verteilungen wie folgt beschrieben wird:

Figure 00140002
The second uncertainty in the modeling considered here results from the fact that the traffic situation itself is already subject to uncertainty. In the embodiment described here, the parameter a is modeled as a variable known for each route segment, whereas the parameter B is described as follows based on a corresponding second uncertainty in the form of a sequence of Bayesian a posteriori distributions :
Figure 00140002

αi und βi sind auch unter dem Begriff der sog. „Hyperparameter” bekannt. Es wird angenommen, dass sowohl αi und βi von dem Routensegment A und der Ankunftszeit tr(A) abhängen. Das heißt, es gilt αi = αi(A, tr(A)) und βi = βi(A, tr(A)).α i and β i are also known by the term of so-called "hyperparameters". It is assumed that both α i and β i depend on the route segment A and the arrival time t r (A). That is, α i = α i (A, t r (A)) and β i = β i (A, t r (A)).

Der Mittelwert und die Varianz des Verkehrszustandsparameters B gemäß der obigen Verteilung ist dabei wie folgt gegeben: μB = αi/βi σB 2 = αi/βi 2 (5). The mean value and the variance of the traffic condition parameter B according to the above distribution are given as follows: μ B = α i / β i σ B 2 = α i / β i 2 (5).

Durch die obige Variable i = 0, 1, ... wird wiedergegeben, dass die obige Wahrscheinlichkeitsverteilung pi(B) iterativ ermittelt wird, wobei in jedem Iterationsschritt eine entsprechende Informationsquelle hinzugenommen wird. Die jeweilige Informationsquelle wird dabei durch das entsprechende Gütemaß Mi sowie eine entsprechend geschätzte Verzögerungszeit ûi repräsentiert. Diese Werte werden für die entsprechende hinzukommende Informationsquelle ermittelt bzw. durch diese bereits vorgegeben.The above variable i = 0, 1,... Reflects that the above probability distribution p i (B) is determined iteratively, wherein a corresponding information source is added in each iteration step. The respective source of information is thereby by the appropriate quality measure M i and a correspondingly estimated delay time û i . These values are determined for the corresponding additional information source or are already specified by the latter.

Im Rahmen der Iteration wird dabei vom Iterationsschritt (i – 1) zum Iterationsschritt i derart übergegangen, dass die Parameter αi und βi wie folgt aktualisiert werden: αi = αi-1 + Mia βi = βi-1 + Mûi (6). In the course of the iteration, the iteration step (i-1) proceeds to the iteration step i in such a way that the parameters α i and β i are updated as follows: α i = α i-1 + M i a β i = β i-1 + M u i (6).

Die oben beschriebene Iteration ist in 2 in Schritt S3 angedeutet. Die Größe P(B) entspricht dabei der Wahrscheinlichkeitsverteilung nach Abschluss der Iteration. In 2 sind ferner rechts neben den Schritten S2 und S3 in einem Diagramm D1 verschiedene Gammafunktionen zur Repräsentation der ersten Wahrscheinlichkeitsverteilung für unterschiedliche Parameter wiedergegeben, um hierdurch deutlich zu machen, dass das Verfahren u. a. auf einer Modellierung einer Wahrscheinlichkeitsverteilung für die Verzögerung u basierend auf einer Gammafunktion beruht. In dem Diagramm D1 sind dabei entlang der Abszisse die Verzögerungszeiten n und entlang der Ordinate die entsprechenden Wahrscheinlichkeiten F aufgetragen.The iteration described above is in 2 indicated in step S3. The size P (B) corresponds to the probability distribution after completion of the iteration. In 2 Furthermore, different gamma functions for representing the first probability distribution for different parameters are reproduced on the right next to steps S2 and S3 in a diagram D1, thereby revealing that the method is based inter alia on modeling a probability distribution for the delay u based on a gamma function. In the diagram D1, the delay times n are plotted along the abscissa and the corresponding probabilities F along the ordinate.

In einem nächsten Schritt S4 wird schließlich eine dritte Wahrscheinlichkeitsverteilung Ppost aus der ersten und zweiten Wahrscheinlichkeitsverteilung basierend auf einer Monte-Carlo-Simulation bestimmt. Dabei werden die folgenden Schritte eine Vielzahl von Malen wiederholt:

  • – Stichprobenentnahme eines zufälligen Werts des Verkehrszustandsparameters B aus der obigen Verteilung pi(B) gemäß Gleichung (4);
  • – Stichprobenentnahme eines zufälligen Werts der Verzögerungszeit u aus der obigen Verteilung F(u; B, a) gemäß Gleichung (2) mit dem zuvor ermittelten zufälligen Wert des Verkehrszustandsparameters B.
Finally, in a next step S4, a third probability distribution P post is determined from the first and second probability distributions based on a Monte Carlo simulation. The following steps are repeated a number of times:
  • - random sampling of a random value of the traffic condition parameter B from the above distribution p i (B) according to equation (4);
  • Sampling of a random value of the delay time u from the above distribution F (u; B, a) according to equation (2) with the previously determined random value of the traffic condition parameter B.

Die Liste der Werte von u, welche über diese Monte-Carlo-Simulation erhalten werden, stellen eine Abschätzung einer entsprechenden dritten Wahrscheinlichkeitsverteilung der Verzögerungszeiten u auf dem Routensegment A zum Zeitpunkt tr(A) dar. Demzufolge wird schließlich basierend auf der Liste der Verzögerungszeiten u über die Häufigkeiten der einzelnen zufälligen Verzögerungszeiten die dritte Wahrscheinlichkeitsverteilung modelliert.The list of the values of u obtained from this Monte Carlo simulation represent an estimate of a corresponding third probability distribution of the delay times u on the route segment A at time t r (A). Thus, finally, based on the list of delay times u models the third probability distribution over the frequencies of the individual random delay times.

Nach Schritt S4 wird schließlich in Schritt S5 basierend auf einer Integration der Wahrscheinlichkeitsverteilung Ppost die kumulierte Wahrscheinlichkeitsverteilung Pcum ermittelt, wobei beispielhaft eine solche kumulierte Wahrscheinlichkeitsverteilung in dem Diagramm D2 rechts neben den Schritten S5 und S6 angedeutet ist. In Schritt S6 werden schließlich basierend auf der kumulierten Wahrscheinlichkeitsverteilung für vorgegebene Perzentile P1, P2 bzw. P3 die entsprechenden Verzögerungen u abgegriffen, was in dem Diagramm D2 durch entsprechende gestrichelte Pfeile angedeutet ist. In einer bevorzugten Ausführungsform entspricht der Wahrscheinlichkeitswert P1 90% Wahrscheinlichkeit, der Wahrscheinlichkeitswert P2 50% Wahrscheinlichkeit und der Wahrscheinlichkeitswert P3 30% Wahrscheinlichkeit. Der 50%-Wahrscheinlichkeitswert stellt dabei eine typische Abschätzung der Verzögerung dar. Der 90%-Wert entspricht einer pessimistischen Abschätzung der Verzögerung und der 30%-Wert einer optimistischen Abschätzung der Verzögerung. Basierend auf den sich hieraus ergebenden Verzögerungen können die entsprechenden Geschwindigkeitswerte v50 für den 50%-Wert, v90 für den 90%-Wert und v30 für den 30%-Wert ermittelt werden. Dies geschieht unter der Verwendung der folgenden Formel: T = Tmin + Tmin·u ⇒ v = L / T (11). After step S4, the cumulative probability distribution P cum is finally determined in step S5 based on an integration of the probability distribution P post , wherein such a cumulative probability distribution in the diagram D2 on the right next to steps S5 and S6 is indicated by way of example. Finally, in step S6, based on the cumulative probability distribution for predetermined percentiles P1, P2 or P3, the corresponding delays u are tapped, which is indicated in the diagram D2 by corresponding dashed arrows. In a preferred embodiment, the probability value P1 corresponds to 90% probability, the probability value P2 to 50% probability and the probability value P3 to 30% probability. The 50% probability represents a typical estimate of the delay. The 90% value corresponds to a pessimistic estimate of the delay and the 30% value of an optimistic estimate of the delay. Based on the resulting delays, the corresponding velocity values v 50 for the 50% value, v 90 for the 90% value and v30 for the 30% value can be determined. This is done using the following formula: T = T min + T min * u ⇒ v = L / T (11).

Dabei bezeichnet L die Länge des entsprechenden Routensegments.Where L is the length of the corresponding route segment.

Die oben genannten Perzentile sind lediglich beispielhaft und es können auch weniger oder mehr Perzentile in Betracht gezogen werden. Die entsprechenden Geschwindigkeiten bzw. die darauf basierenden Reisezeiten werden schließlich im Rahmen des Schritts S5 ausgegeben. Dabei ist zu berücksichtigen, dass die Route in der Regel aus einer Vielzahl von Routensegmenten besteht und somit bei den ausgegebenen Geschwindigkeiten bzw. Reisezeiten die entsprechenden Geschwindigkeitswerte v30, v50 bzw. v90 von allen Routensegmenten der Route berücksichtigt werden. Vorzugsweise erfolgt die Ausgabe auf einer entsprechenden Benutzerschnittstelle UI, welche in 3 schematisch angedeutet ist. Diese Benutzerschnittstelle ist ein Display im Cockpit eines Fahrzeugs, auf dem über das Navigationssystem die entsprechend berechnete Route in einer Karte K wiedergegeben wird. Die Benutzerschnittstelle UI umfasst rechts neben der Karte weitere Informationen, wobei in einem durch eine Schraffur angedeuteten Bereich B Routendetails wiedergegeben werden.The above percentiles are merely exemplary, and less or more percentiles may be considered. The corresponding speeds or the travel times based thereon are finally output in the course of step S5. It should be noted that the route usually consists of a plurality of route segments and thus the corresponding speed values v 30 , v 50 and v 90 of all route segments of the route are taken into account in the output speeds or travel times. The output preferably takes place on a corresponding user interface UI, which in 3 is indicated schematically. This user interface is a display in the cockpit of a vehicle, on the navigation system, the correspondingly calculated route is displayed in a map K. The user interface UI comprises further information on the right side of the map, in which area B area details are reproduced in an area indicated by a hatching.

Die Information im Bereich B kann z. B. wie folgt lauten: Routendetails: Strecke: 33 km Ankunftszeit: 08:11 (bestenfalls) 08:17 (typisch) 08:38 (schlechtestenfalls). The information in area B can z. For example, are as follows: Route: 33 km Arrival time: 08:11 (at best) 08:17 (typical) 08:38 (at worst).

Dabei wurde die mit bestenfalls bezeichnete Ankunftszeit basierend auf dem optimistisch geschätzten Geschwindigkeitswert v30 ermittelt, die mit typisch bezeichnete Ankunftszeit basierend auf dem typischen Geschwindigkeitswert v50 und die schlechtestenfalls bezeichnete Ankunftszeit basierend auf dem pessimistisch geschätzten Geschwindigkeitswert v90.The best-named time of arrival was determined based on the optimistically estimated speed value v 30 , the typical time of arrival based on the typical speed value v 50, and the worst-case time of arrival based on the pessimistically estimated speed value v 90 .

Die im Vorangegangenen beschriebenen Ausführungsformen der Erfindung weisen eine Reihe von Vorteilen auf. Insbesondere liefert das Verfahren für den Fahrzeugnutzer eine bessere Einschätzung über die Unwegbarkeiten, die ihn auf der vorgeschlagenen Navigationsroute erwarten. Durch Bestimmung eines Schwankungsbereichs der Ankunftszeit basierend auf optimistischen, pessimistischen bzw. typischen Schätzungen erhält der Fahrzeugnutzer somit die Information, wie lange seine Fahrtzeit auf der Navigationsroute bestenfalls ist, d. h. wenn der Verkehr außergewöhnlich gut ist. Ebenso erfährt der Fahrer, wie lange er schlechtestenfalls bei ungünstigen bzw. außergewöhnlichen Verkehrsverhältnissen braucht. Ferner wird ihm eine zwischen der optimistischen und pessimistischen Schätzung liegende Ankunftszeit angezeigt. Der Fahrzeugnutzer kann somit besser entscheiden, ob die vorgeschlagene Route seinen Vorstellungen entspricht, und er kann insbesondere auch besser nachvollziehen, wie die Routenberechnung zustande kommt. Gegebenenfalls besteht dabei die Möglichkeit, dass die Routenberechnung nur entsprechend dem gewünschten bzw. tolerierten Verspätungsrisiko des Fahrzeugnutzers ermittelt wird. Das heißt, der Fahrzeugnutzer kann in diesem Fall vorab durch eine entsprechende Eingabe spezifizieren, ob die Routenberechnung eher pessimistisch mit einem geringen Verspätungsrisiko oder eher optimistisch mit einem höheren Verspätungsrisiko ermittelt werden soll. Zum Beispiel kann der Fahrer bei Fahrten zum Flughafen ein geringes Verspätungsrisiko festlegen, um damit sicherzustellen, dass er auch bei schlechten Verkehrsverhältnissen rechtzeitig am Flughafen ankommt.The embodiments of the invention described above have a number of advantages. In particular, the method provides the vehicle user with a better estimate of the navigability expected on the proposed navigation route. By determining a range of variation of the arrival time based on optimistic, pessimistic or typical estimates, the vehicle user thus obtains the information as to how long his travel time on the navigation route is at best, ie. H. when the traffic is exceptionally good. Likewise, the driver learns how long he needs at worst in unfavorable or exceptional traffic conditions. It also displays an arrival time between the optimistic and pessimistic estimates. The vehicle user can thus better decide whether the proposed route corresponds to his ideas, and in particular he can better understand how the route calculation comes about. Optionally, there is the possibility that the route calculation is determined only according to the desired or tolerated delay risk of the vehicle user. This means that in this case the vehicle user can specify in advance by means of a corresponding input whether the route calculation should be determined rather pessimistically with a small delay risk or rather optimistically with a higher delay risk. For example, when driving to the airport, the driver may set a slight delay risk to ensure that he arrives at the airport in time, even in poor traffic conditions.

Im Rahmen des erfindungsgemäßen Verfahrens wird die unterschiedliche Güte von verschiedenen Informationsquellen berücksichtigt und diese Informationsquellen in geeigneter Weise fusioniert, um hierdurch möglichst genau eine Fahrtzeit bzw. Fahrtgeschwindigkeit auf einer Route zu ermitteln. Es muss dabei nicht von Vornherein eine Auswahl, Gewichtung und Reihenfolge der Berücksichtigung von bestimmten Informationsquellen festgelegt sein. Vielmehr können flexibel bestimmte Informationsquellen mit unterschiedlichen Qualitätsniveaus in die Berechnung einfließen. Dabei kann dem, Fahrzeugnutzer gegebenenfalls vermittelt werden, wie die Güte der bei der Routenberechnung verwendeten Daten ist. Auf diese Weise wird für den Fahrzeugnutzer eine höhere Transparenz dahingehend erreicht, welche Ursachen Unsicherheiten in der Routenberechnung und Ankunftszeitschätzung haben können. Insbesondere kann hierüber deutlich gemacht werden, dass Unsicherheiten in der Routenberechnung nicht durch einen Funktionsfehler des Navigationssystems, sondern durch eine schlechte Güte der bei der Routenberechnung verarbeitenden Daten hervorgerufen sind.In the context of the method according to the invention, the different quality of various information sources is taken into account and these information sources are appropriately fused in order to determine as accurately as possible a travel time or travel speed on a route. It does not have to be determined from the outset a selection, weighting and order of consideration of particular sources of information. On the contrary, certain information sources with different quality levels can be flexibly included in the calculation. In this case, the vehicle user can be taught, if appropriate, what the quality of the data used in the route calculation is. In this way, a higher level of transparency is achieved for the vehicle user with regard to which causes may have uncertainties in the route calculation and the time of arrival estimation. In particular, it can be made clear that uncertainties in the route calculation are not caused by a malfunction of the navigation system, but by a poor quality of the processing in the route calculation data.

Claims (16)

Verfahren zur rechnergestützten Prognose der Fahrtdauer eines Fahrzeugs auf einer Route aus einem oder mehreren Routensegmenten, bei dem für ein jeweiliges Routensegment: i) aus mehreren Informationsquellen (IQ1, IQ2, IQ3, IQ4) jeweils ein geschätztes Geschwindigkeitsmaß (v1, v2, v3, v4) des Fahrzeugs auf dem jeweiligen Routensegment sowie ein Gütemaß (M1, M2, M3, M4), das die Qualität der Schätzung des Geschwindigkeitsmaßes (v1, v2, v3, v4) beschreibt, ausgelesen oder ermittelt werden; ii) eine erste Wahrscheinlichkeitsverteilung (F) für die Werte einer Größe (u) vorgegeben wird, aus welcher die Fahrtzeit auf dem jeweiligen Routensegment hervorgeht, wobei die erste Wahrscheinlichkeitsverteilung (F) zumindest einen Verkehrszustandsparameter (B) zur Charakterisierung des Verkehrszustands auf dem jeweiligen Routensegment enthält; iii) iterativ eine zweite Wahrscheinlichkeitsverteilung (P(B)) für die Werte des zumindest einen Verkehrszustandsparameters (B) ermittelt wird, wobei in jedem Iterationsschritt eine Informationsquelle (IQ1, IQ2, IQ3, IQ4) hinzugenommen wird, mit deren Geschwindigkeitsmaß (v1, v2, v3, v4) und Gütemaß (M1, M2, M3, M4) eine im letzten Iterationsschritt ermittelte zweite Wahrscheinlichkeitsverteilung (P(B)) korrigiert wird; iv) aus der ersten und zweiten Wahrscheinlichkeitsverteilung (F, P(B)) eine dritte Wahrscheinlichkeitsverteilung (Ppost) für Werte einer Größe (u) ermittelt wird, aus welcher die Fahrtzeit auf dem jeweiligen Routensegment hervorgeht; v) aus der dritten Wahrscheinlichkeitsverteilung eine kumulierte Wahrscheinlichkeitsverteilung (Pcum) ermittelt wird und für einen oder mehrere vorgegebene Wahrscheinlichkeitswerte (P1, P2, P3) der kumulierten Wahrscheinlichkeitsverteilung (Pcum) jeweils ein dem jeweiligen vorgegebenen Wahrscheinlichkeitswert (P1, P2, P3) entsprechendes Geschwindigkeitsmaß bestimmt wird.Method for the computer-aided prognosis of the travel time of a vehicle on a route from one or more route segments, in which for each route segment: i) from a plurality of information sources (IQ1, IQ2, IQ3, IQ4) an estimated speed measure (v1, v2, v3, v4 ) of the vehicle on the respective route segment, and a quality measure (M1, M2, M3, M4) describing the quality of the estimate of the velocity measure (v1, v2, v3, v4) is read out or determined; ii) a first probability distribution (F) for the values of a variable (u) is given, showing the travel time on the respective route segment, wherein the first probability distribution (F) at least one traffic condition parameter (B) for characterizing the traffic condition on the respective route segment contains; iii) iteratively a second probability distribution (P (B)) for the values of the at least one traffic condition parameter (B) is determined, wherein in each iteration step an information source (IQ1, IQ2, IQ3, IQ4) is added, with their speed measure (v1, v2 , v3, v4) and quality measure (M1, M2, M3, M4) a second probability distribution (P (B)) determined in the last iteration step is corrected; iv) determining from the first and second probability distributions (F, P (B)) a third probability distribution (P post ) for values of a quantity (u) showing the travel time on the respective route segment; v) from the third probability distribution, a cumulative probability distribution (P cum ) is determined and for one or more predetermined probability values (P1, P2, P3) of the cumulative probability distribution (P cum ) respectively corresponding to the respective predetermined probability value (P1, P2, P3) Speed measure is determined. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die mehreren Informationsquellen eine oder mehrere der folgenden Informationsquellen umfassen: – eine digitale Straßenkarte; – ein Verkehrsinformationssystem, – eine Informationsquelle mit von anderen Fahrzeugen und/oder stationären Detektionssystemen erfassten Daten; – eine Informationsquelle, welche die Geschwindigkeitsmaße (v1, v2, v3, v4) basierend auf einem Verkehrsmodell bestimmt; – eine Informationsquelle, deren Geschwindigkeitsmaße (v1, v2, v3, v4) durch das Fahrzeug gelernt sind.A method according to claim 1, characterized in that the plurality of information sources comprise one or more of the following sources of information: - a digital road map; A traffic information system, An information source with data collected by other vehicles and / or stationary detection systems; An information source which determines the speed measures (v1, v2, v3, v4) based on a traffic model; An information source whose speed measures (v1, v2, v3, v4) are learned by the vehicle. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die zweite Wahrscheinlichkeitsverteilung (P(B)) zu Beginn der Iteration in Schritt iii) aus dem geschätzten Geschwindigkeitsmaß (v1, v2, v3, v4) und dem Gütemaß (M1, M2, M3, M4) einer vorbestimmten Informationsquelle (IQ1, IQ2, IQ3, IQ4) der mehreren Informationsquellen (IQ1, IQ2, IQ3, IQ4) ermittelt wird.A method according to claim 1 or 2, characterized in that the second probability distribution (P (B)) at the beginning of the iteration in step iii) from the estimated speed measure (v1, v2, v3, v4) and the quality measure (M1, M2, M3 , M4) of a predetermined information source (IQ1, IQ2, IQ3, IQ4) of the plurality of information sources (IQ1, IQ2, IQ3, IQ4) is determined. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das oder die in Schritt v) bestimmten Geschwindigkeitsmaße für zumindest einen vorgegebenen Wahrscheinlichkeitswert (P1, P2, P3) aus den folgenden Wahrscheinlichkeitswerten bestimmt werden: – ein Wahrscheinlichkeitswert von mehr als 50%, insbesondere von 90%, wodurch ein pessimistisches Geschwindigkeitsmaß bestimmt wird; – ein Wahrscheinlichkeitswert von 50%, wodurch ein typisches Geschwindigkeitsmaß bestimmt wird; – ein Wahrscheinlichkeitswert von weniger als 50%, insbesondere von 30%, wodurch ein optimistisches Geschwindigkeitsmaß bestimmt wird.Method according to one of the preceding claims, characterized in that the speed measure or speeds determined in step v) for at least one predetermined probability value (P1, P2, P3) are determined from the following probability values: A probability value of more than 50%, in particular of 90%, whereby a pessimistic speed measure is determined; A probability value of 50%, which determines a typical speed measure; A probability value of less than 50%, in particular of 30%, whereby an optimistic speed measure is determined. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in Schritt iii) die zweite Wahrscheinlichkeitsverteilung (P(B)) derart ermittelt wird, dass die Bayes-Regel erfüllt ist.Method according to one of the preceding claims, characterized in that in step iii) the second probability distribution (P (B)) is determined such that the Bayes rule is satisfied. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in Schritt ii) als erste Wahrscheinlichkeitsverteilung (F) eine Gamma-Wahrscheinlichkeitsverteilung vorgegeben wird.Method according to one of the preceding claims, characterized in that in step ii) as the first probability distribution (F), a gamma probability distribution is specified. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die erste Wahrscheinlichkeitsverteilung F(u; B, a) in Schritt ii) wie folgt vorgegeben wird:
Figure 00220001
wobei B der zumindest eine Verkehrszustandsparameter ist; wobei u die durch eine minimale Fahrtzeit (Tmin) des Fahrzeugs auf dem jeweiligen Routensegment geteilte Verzögerungszeit für die Fahrt des Fahrzeugs auf dem jeweiligen Routensegment zusätzlich zu der minimalen Fahrtzeit (Tmin) ist; wobei a ein Maß ist, das die Streuung der Geschwindigkeitsmaße auf dem jeweiligen Routensegment repräsentiert und welches insbesondere aus dem Variationskoeffizienten der Geschwindigkeitsmaße auf dem jeweiligen Routensegment gewonnen wird; wobei Γ die unvollständige Gamma-Funktion ist.Method according to one of the preceding claims, characterized in that the first probability distribution F (u, B, a) in step ii) is specified as follows:
Figure 00220001
where B is the at least one traffic condition parameter; wherein μ is the delay time for the travel of the vehicle on the respective route segment divided by a minimum travel time (T min ) of the vehicle on the respective route segment in addition to the minimum travel time (T min ); where a is a measure representing the spread of the velocity measures on the respective route segment and which is in particular obtained from the coefficient of variation of the velocity measures on the respective route segment; where Γ is the incomplete gamma function. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass in Schritt iii) die zweite Wahrscheinlichkeitsverteilung pi(B) in einem Iterationsschritt i aus der zweiten Wahrscheinlichkeitsverteilung des vorhergehenden Iterationsschritts (i – 1) wie folgt bestimmt wird:
Figure 00220002
wobei αi = αi-1 + Mi·a und βi = βi-1 + Mi·ûi, wobei αi, βi die Parameter der zweiten Wahrscheinlichkeitsverteilung im Iterationsschritt i und αi-1, βi-1 die Parameter der zweiten Wahrscheinlichkeitsverteilung im Iterationsschritt i – 1 sind; wobei Mi das Gütemaß der im Iterationsschritt i hinzukommenden Informationsquelle (IQ1, IQ2, IQ3, IQ4) ist; wobei ûi die sich für das geschätzte Geschwindigkeitsmaß (v1, v2, v3, v4) der im Iterationsschritt i hinzukommenden Informationsquelle (IQ1, IQ2, IQ3, IQ4) ergebene Verzögerungszeit für die Fahrt des Fahrzeugs auf dem jeweiligen Routensegment geteilt durch die minimale Fahrtzeit (Tmin) ist.Method according to claim 7, characterized in that in step iii) the second probability distribution p i (B) is determined in an iteration step i from the second probability distribution of the preceding iteration step (i-1) as follows:
Figure 00220002
where α i = α i-1 + M i a a and β i = β i-1 + M i i , where α i , β i are the parameters of the second probability distribution in the iteration step i and α i-1 , β i -1 are the parameters of the second probability distribution in iteration step i-1; where M i is the quality measure of the information source (IQ1, IQ2, IQ3, IQ4) added in the iteration step i; where û i is the delay time for the travel of the vehicle on the respective route segment, divided by the minimum travel time, for the estimated speed measure (v 1, v 2, v 3, v 4) of the information source (IQ 1, IQ 2, IQ 3, IQ 4) added in the iteration step i T min ) is. Verfahren nach einem der vorhergehenden Ansprüche, bei dem in Schritt iv) die dritte Wahrscheinlichkeitsverteilung (Ppost) derart ermittelt wird, dass für eine Mehrzahl von Schritten jeweils durch Stichprobenentnahme basierend auf der zweiten Wahrscheinlichkeitsverteilung (P(B)) ein zufälliger Wert für den zumindest einen Verkehrszustandsparameter (B) und durch Stichprobenentnahme basierend auf der ersten Wahrscheinlichkeitsverteilung (F), welche den zufälligen Wert für den zumindest einen Verkehrszustandsparameter (B) enthält, ein zufälliger Wert für die Größe (u) ermittelt wird, aus welcher die Fahrtzeit hervorgeht, wobei aus den in den jeweiligen Schritten ermittelten zufälligen Werten der Größe (u), aus welcher die Fahrtzeit hervorgeht, die dritte Wahrscheinlichkeitsverteilung (Ppost) modelliert wird.Method according to one of the preceding claims, wherein in step iv) the third probability distribution (P post ) is determined such that for a plurality of steps each by sampling based on the second probability distribution (P (B)) a random value for the at least a traffic condition parameter (B) and by sampling based on the first probability distribution (F) containing the random value for the at least one traffic condition parameter (B), a random value for the quantity (u) from which the travel time results is determined from the random values of the quantity (u) determined in the respective steps, from which the travel time results, the third probability distribution (P post ) is modeled. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Verfahren durch eine Verarbeitungseinheit im Fahrzeug, insbesondere ein Navigationssystem im Fahrzeug, durchgeführt wird.Method according to one of the preceding claims, characterized in that the method is carried out by a processing unit in the vehicle, in particular a navigation system in the vehicle. Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass das oder die in Schritt v) bestimmten Geschwindigkeitsmaße bei der Ermittlung einer Route im Navigationssystem berücksichtigt werden.A method according to claim 10, characterized in that the or in step v) certain speed measures are taken into account in the determination of a route in the navigation system. Verfahren nach Anspruch 10 oder 11, dadurch gekennzeichnet, dass Geschwindigkeitsmaße für das oder die Routensegmente einer im Navigationssystem berechneten Route bestimmt werden und basierend darauf eine oder mehrere Reisezeiten und/oder Reisegeschwindigkeiten für die berechnete Route ausgegeben werden.A method according to claim 10 or 11, characterized in that speed measures are determined for the route segment (s) of a route calculated in the navigation system, and based thereon one or more travel times and / or travel speeds are output for the calculated route. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die in Schritt i) berücksichtigten Informationsquellen aus einer Mehrzahl von Informationsquellen auswählbar sind.Method according to one of the preceding claims, characterized in that the information sources considered in step i) can be selected from a plurality of information sources. Vorrichtung zur rechnergestützten Prognose der Fahrtdauer eines Fahrzeugs auf einer Route aus einem oder mehreren Routensegmenten, wobei die Vorrichtung derart ausgestaltet ist, dass sie im Betrieb ein Verfahren durchführt, bei dem für ein jeweiliges Routensegment: i) aus mehreren Informationsquellen (IQ1, IQ2, IQ3, IQ4) jeweils ein geschätztes Geschwindigkeitsmaß (v1, v2, v3, v4) des Fahrzeugs auf dem jeweiligen Routensegment sowie ein Gütemaß (M1, M2, M3, M4), das die Qualität der Schätzung des Geschwindigkeitsmaßes (v1, v2, v3, v4) beschreibt, ausgelesen oder ermittelt werden; ii) eine erste Wahrscheinlichkeitsverteilung (F) für die Werte einer Größe (u) vorgegeben wird, aus welcher die Fahrtzeit auf dem jeweiligen Routensegment hervorgeht, wobei die erste Wahrscheinlichkeitsverteilung (F) zumindest einen Verkehrszustandsparameter (B) zur Charakterisierung des Verkehrszustands auf dem jeweiligen Routensegment enthält; iii) iterativ eine zweite Wahrscheinlichkeitsverteilung (P(B)) für die Werte des zumindest einen Verkehrszustandsparameters (B) ermittelt wird, wobei in jedem Iterationsschritt eine Informationsquelle (IQ1, IQ2, IQ3, IQ4) hinzugenommen wird, mit deren Geschwindigkeitsmaß (v1, v2, v3, v4) und Gütemaß (M1, M2, M3, M4) eine im letzten Iterationsschritt ermittelte zweite Wahrscheinlichkeitsverteilung (P(B)) korrigiert wird; iv) aus der ersten und zweiten Wahrscheinlichkeitsverteilung (F, P(B)) eine dritte Wahrscheinlichkeitsverteilung (Ppost) für Werte einer Größe (u) ermittelt wird, aus welcher die Fahrtzeit auf dem jeweiligen Routensegment hervorgeht; v) aus der dritten Wahrscheinlichkeitsverteilung eine kumulierte Wahrscheinlichkeitsverteilung (Pcum) ermittelt wird und für einen oder mehrere vorgegebene Wahrscheinlichkeitswerte (P1, P2, P3) der kumulierten Wahrscheinlichkeitsverteilung (Pcum) jeweils ein dem jeweiligen vorgegebenen Wahrscheinlichkeitswert (P1, P2, P3) entsprechendes Geschwindigkeitsmaß bestimmt wird.Device for the computer-aided prognosis of the travel time of a vehicle on a route from one or more route segments, wherein the device is configured in such a way that it carries out a method in which for a respective route segment: i) from several information sources (IQ1, IQ2, IQ3 , IQ4) in each case an estimated speed measure (v1, v2, v3, v4) of the vehicle on the respective route segment and a quality measure (M1, M2, M3, M4) showing the quality of the estimate of the speed measure (v1, v2, v3, v4 ) is described, read out or determined; ii) a first probability distribution (F) for the values of a variable (u) is given, showing the travel time on the respective route segment, wherein the first probability distribution (F) at least one traffic condition parameter (B) for characterizing the traffic condition on the respective route segment contains; iii) iteratively a second probability distribution (P (B)) for the values of the at least one traffic condition parameter (B) is determined, wherein in each iteration step an information source (IQ1, IQ2, IQ3, IQ4) is added, with their speed measure (v1, v2 , v3, v4) and quality measure (M1, M2, M3, M4) a second probability distribution (P (B)) determined in the last iteration step is corrected; iv) determining from the first and second probability distributions (F, P (B)) a third probability distribution (P post ) for values of a quantity (u) showing the travel time on the respective route segment; v) from the third probability distribution, a cumulative probability distribution (P cum ) is determined and for one or more predetermined probability values (P1, P2, P3) of the cumulative probability distribution (P cum ) respectively corresponding to the respective predetermined probability value (P1, P2, P3) Speed measure is determined. Vorrichtung nach Anspruch 14, dadurch gekennzeichnet, dass die Vorrichtung derart ausgestaltet ist, dass mit der Vorrichtung ein Verfahren nach einem der Ansprüche 2 bis 13 durchführbar ist.Apparatus according to claim 14, characterized in that the device is designed such that with the device, a method according to any one of claims 2 to 13 is feasible. Fahrzeug, insbesondere Kraftfahrzeug, dadurch gekennzeichnet, dass das Fahrzeug eine Vorrichtung nach Anspruch 14 oder 15 umfasst. Vehicle, in particular motor vehicle, characterized in that the vehicle comprises a device according to claim 14 or 15.
DE102010064063.8A 2010-12-23 2010-12-23 Method and device for computer-aided prognosis of the travel time of a vehicle on a route made up of one or more route segments Active DE102010064063B4 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102010064063.8A DE102010064063B4 (en) 2010-12-23 2010-12-23 Method and device for computer-aided prognosis of the travel time of a vehicle on a route made up of one or more route segments

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102010064063.8A DE102010064063B4 (en) 2010-12-23 2010-12-23 Method and device for computer-aided prognosis of the travel time of a vehicle on a route made up of one or more route segments

Publications (2)

Publication Number Publication Date
DE102010064063A1 true DE102010064063A1 (en) 2012-06-28
DE102010064063B4 DE102010064063B4 (en) 2021-11-11

Family

ID=46508803

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102010064063.8A Active DE102010064063B4 (en) 2010-12-23 2010-12-23 Method and device for computer-aided prognosis of the travel time of a vehicle on a route made up of one or more route segments

Country Status (1)

Country Link
DE (1) DE102010064063B4 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015205901A1 (en) * 2015-04-01 2016-10-06 Bayerische Motoren Werke Aktiengesellschaft Method for calculating a route for a land vehicle
DE102016220561A1 (en) * 2016-10-20 2018-04-26 Bayerische Motoren Werke Aktiengesellschaft Method for determining driving routes for land vehicles

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050093720A1 (en) * 2003-10-16 2005-05-05 Hitachi, Ltd. Traffic information providing system and car navigation system
US20070073477A1 (en) * 2005-09-29 2007-03-29 Microsoft Corporation Methods for predicting destinations from partial trajectories employing open- and closed-world modeling methods
JP2007115272A (en) * 2006-12-25 2007-05-10 Hitachi Ltd Traffic information processor and traffic information display device
US20070208492A1 (en) * 2006-03-03 2007-09-06 Inrix, Inc. Dynamic time series prediction of future traffic conditions
US20080004789A1 (en) * 2006-06-30 2008-01-03 Microsoft Corporation Inferring road speeds for context-sensitive routing
DE102007058093A1 (en) * 2007-12-03 2009-06-04 Robert Bosch Gmbh Method and apparatus for determining a recommended route from a plurality of routes

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050093720A1 (en) * 2003-10-16 2005-05-05 Hitachi, Ltd. Traffic information providing system and car navigation system
US20070073477A1 (en) * 2005-09-29 2007-03-29 Microsoft Corporation Methods for predicting destinations from partial trajectories employing open- and closed-world modeling methods
US20070208492A1 (en) * 2006-03-03 2007-09-06 Inrix, Inc. Dynamic time series prediction of future traffic conditions
US20080004789A1 (en) * 2006-06-30 2008-01-03 Microsoft Corporation Inferring road speeds for context-sensitive routing
JP2007115272A (en) * 2006-12-25 2007-05-10 Hitachi Ltd Traffic information processor and traffic information display device
DE102007058093A1 (en) * 2007-12-03 2009-06-04 Robert Bosch Gmbh Method and apparatus for determining a recommended route from a plurality of routes

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015205901A1 (en) * 2015-04-01 2016-10-06 Bayerische Motoren Werke Aktiengesellschaft Method for calculating a route for a land vehicle
DE102016220561A1 (en) * 2016-10-20 2018-04-26 Bayerische Motoren Werke Aktiengesellschaft Method for determining driving routes for land vehicles

Also Published As

Publication number Publication date
DE102010064063B4 (en) 2021-11-11

Similar Documents

Publication Publication Date Title
DE102014219684B4 (en) Energy saving automatic air conditioning control system and method
DE102012201472A1 (en) Method for providing parking information on free parking spaces
DE112018000973T5 (en) Information processing system, information processing method, program and recording medium
DE102011083677A1 (en) Method for predicting traffic conditions for e.g. electric car, involves determining future information for traffic conditions of vehicle based on current state of vehicle and historical data
WO2018108559A2 (en) Storing speed information for predicting a future speed trajectory
DE102013000385A1 (en) Method for determining travel route proposal for upcoming trip, involves providing description of particular traffic event together with typical environment feature given during particular traffic event
DE112017007788T5 (en) IMPROVED VEHICLE REFUELING
DE102012202463A1 (en) Method for a model structure for a travel time database
DE102018222783A1 (en) Method for controlling an automated or autonomous means of transportation and evaluation unit
DE102020108127A1 (en) INTERPRETING DATA FROM A REINFORCEMENT LEARNING AGENT CONTROL
DE102019122250A1 (en) Method and control device for a system for controlling a motor vehicle
DE10108611A1 (en) Simulation and prediction method for individual motor vehicle movement within a road network, by separation of macroscopic modeling from microscopic or individual vehicle modeling
DE102021207368A1 (en) DEVICE AND METHOD FOR PREDICTING TRAFFIC INFORMATION
EP3716196A1 (en) Method and system for identifying driving behaviour
DE102010064063B4 (en) Method and device for computer-aided prognosis of the travel time of a vehicle on a route made up of one or more route segments
DE102016220561A1 (en) Method for determining driving routes for land vehicles
DE102016216538A1 (en) Method for operating a control device of a motor vehicle, control device and motor vehicle
DE102015205901A1 (en) Method for calculating a route for a land vehicle
DE112021003100T5 (en) Method for managing distribution of a vehicle traveling to the arrival point, management server used therefor, and recording medium on which program for executing the method is recorded
DE102020109875A1 (en) Device for estimating a travel time up to a meeting
DE102020109514A1 (en) Vehicle system and method for automated driving and / or for outputting driving instructions when driving a motor vehicle
DE102021204191B4 (en) Device and method for real-time-based dynamic traffic allocation for at least two subsequent lanes
DE102013202255B4 (en) Method and device for determining traffic volumes
DE102018217610A1 (en) Air quality optimization method, controller, vehicle and system for performing the method
DE102021206233B4 (en) Method for determining a comfort value for an operated motor vehicle

Legal Events

Date Code Title Description
R163 Identified publications notified
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final