DE102015117029A1

DE102015117029A1 - Suggestive Abbildung unter Verwendung relevanzbasierter Fahrinformationen

Info

Publication number: DE102015117029A1
Application number: DE102015117029.9A
Authority: DE
Inventors: Fling Finn Tseng; Dimitar Petrov Filev; Imad Hassan Makki; John Ottavio Michelini
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2014-10-15
Filing date: 2015-10-07
Publication date: 2016-04-21
Also published as: CN105528903A; MX2015014456A; RU2015141839A; US20160109243A1; MX354467B

Abstract

Ein Fahrzeug enthält einen Controller, der in Reaktion auf eine Übereinstimmung zwischen einem aktuellen Ort des Fahrzeugs und einem erkannten Ort potentielle Ziele, die dem erkannten Ort entsprechen, wiedergewinnt. Jedes der potentiellen Ziele weist basierend auf einer Wahrscheinlichkeit, dass das Fahrzeug zu dem potentiellen Ziel fährt, eine Einstufung auf. Der Controller gibt außerdem eine oder mehrere Routen zwischen dem aktuellen Ort und wenigstens einem der potentiellen Ziele gemäß der Einstufung aus.

Description

TECHNISCHES GEBIET
Die vorliegende Offenbarung bezieht sich auf Zielvorhersagesysteme, Navigationsvorrichtungen, wie z. B. Fahrzeugnavigationssysteme oder Mobiltelephone, für die die Zielvorhersagesysteme verwendet werden, und Zielvorhersageverfahren.
HINTERGRUND
Bestimmte Fahrzeuge können Infotainmentinformationen, Navigationsinformationen usw. bereitstellen, um die Fahrerfahrung zu verbessern. Die Navigationsinformationen werden durch ein Navigationssystem bereitgestellt, das verwendet wird, um einen Fahrer zu unterstützen, die Fahrtrouten zu bestimmen und andere nützliche Fahrtinformationen zu erhalten. Das Navigationssystem kann Funktionen implementieren, um eine Fahrtroute zu einem gewünschten Endziel, das durch den Fahrer identifiziert wird, und die von einem gegebenen Ort startet, der unter Verwendung eines globalen Positionierungssystems bestimmt wird, zu berechnen. Das Navigationssystem kann ferner Funktionen zum Vorhersagen des Orts des Ziel eines Fahrers, während er sich auf dem Weg befindet, implementieren und das vorhergesagte Ziel verwenden, um in Abhängigkeit von dem vorhergesagten Ziel zu entscheiden, welche Informationen dem Fahrer automatisch darzustellen sind.
Die Zielvorhersagetechniken können das Erfassen der Fahrtdaten in Echtzeit während einer Reise und das Verwenden der erfassten Daten, um eine aktuelle Position des Fahrzeugs zu bestimmen und vorherzusagen, wohin das Fahrzeug fährt, umfassen. Wenn das Fahrzeug die Reise fortsetzt, kann der Vorhersageprozess kontinuierlich wiederholt werden und neue Ziele vorhersagen, wenn durch das Fahrzeug/den Fahrer unerwartete Entscheidungen getroffen werden.
Kurzdarstellung
Ein Fahrzeug enthält wenigstens einen Controller, der programmiert ist, in Reaktion auf eine Übereinstimmung zwischen einem aktuellen Ort des Fahrzeugs und einem erkannten Ort potentielle Ziele, die dem erkannten Ort entsprechen, wiederzugewinnen. Jedes der potentiellen Ziele weist basierend auf einer Wahrscheinlichkeit, dass das Fahrzeug zu dem potentiellen Ziel fährt, eine Einstufung auf. Der wenigstens eine Controller ist ferner programmiert, eine oder mehrere Routen zwischen dem aktuellen Ort und wenigstens einem der potentiellen Ziele gemäß der Einstufung auszugeben.
Ein Navigationsvorhersagesystem enthält wenigstens einen Controller, der mit einer Datenbank in Verbindung steht. Der wenigstens eine Controller ist programmiert, Navigationsdaten einschließlich Startorten und Endorten, die mehrere Fahrten definieren, zu sammeln. Der wenigstens eine Controller ist ferner programmiert, in Reaktion auf einen aktuellen Ort für ein Fahrzeug, der einem der Startorte entspricht, basierend auf Fahrtvektor-Häufigkeiten, die den Routeninformationen zugeordnet sind und die einen Schwellenwert übersteigen, vorhergesagte Routeninformationen von dem aktuellen Ort zu einem oder mehreren der Endorte, für die erlernt worden ist, dass sie einem der Anfangsorte zugeordnet sind, auszugeben.
Das Routenabbildungsverfahren für ein Fahrzeug enthält das Empfangen von Signalen, die einen aktuellen Ort des Fahrzeugs angeben, und in Reaktion auf eine Übereinstimmung zwischen dem aktuellen Ort und einem erkannten Ort das Wiedergewinnen potentieller Ziele, für die erlernt worden ist, dass sie dem erkannten Ort zugeordnet sind, wobei jedes eine Einstufung basierend auf einer Wahrscheinlichkeit, dass das Fahrzeug zu dem potentiellen Ziel fährt, aufweist. Das Verfahren enthält ferner das Ausgeben von Signalen für eine Anzeige, die eine oder mehrere Routen zwischen dem aktuellem Ort und wenigstens einem der potentiellen Ziele angibt.
KURZBESCHREIBUNG DER ZEICHNUNGEN
1 veranschaulicht eine beispielhafte Blocktopologie für ein fahrzeugbasiertes Computersystem;
2A veranschaulicht einen Ablaufplan eines beispielhaften lernenden Vorhersageverfahrens, das durch das fahrzeugbasierte Computersystem implementiert sein kann;
2B veranschaulicht eine Tabelle eines durch das lernende Vorhersageverfahren erzeugten beispielhaften Ortsdatensatzes;
3 veranschaulicht einen Ablaufplan einer durch das lernende Vorhersageverfahren implementierten Routine relativer Häufigkeiten;
4 veranschaulicht eine durch das lernende Vorhersageverfahren erzeugte Fahrtvektorausgabe;
5 veranschaulicht einen Ablaufplan eines durch das lernende Vorhersageverfahren implementierten Routenvorhersageverfahrens;
6 veranschaulicht eine Routenvorhersage durch das Vorhersagenlernverfahren; und
7 veranschaulicht das Speichern von Übergangsinformationen als eine nicht quadratische Matrix, die durch das Vorhersageverfahren verwendet wird, um ein Ziel vorherzusagen.
AUSFÜHRLICHE BESCHREIBUNG
Hier werden die Ausführungsformen der vorliegenden Offenbarung beschrieben. Es ist jedoch selbstverständlich, dass die offenbarten Ausführungsformen lediglich Beispiele sind und dass andere Ausführungsformen verschiedene und alternative Formen annehmen können. Die Figuren sind nicht notwendigerweise maßstabsgerecht; einige Merkmale könnten übertrieben oder minimiert sein, um die Einzelheiten spezieller Komponenten zu zeigen. Deshalb sind die hier offenbarten spezifischen strukturellen und funktionalen Einzelheiten nicht als einschränkend zu interpretieren, sondern lediglich als eine repräsentative Grundlage, um einem Fachmann auf dem Gebiet zu lehren, die Ausführungsformen verschieden zu verwenden. Wie die Fachleute auf dem Gebiet erkennen, können verschiedene Merkmale, die in irgendeiner der Figuren veranschaulicht sind und bezüglich irgendeiner der Figuren beschrieben werden, mit Merkmalen, die in einer oder mehreren anderen Figuren veranschaulicht sind, kombiniert werden, um Ausführungsformen zu erzeugen, die nicht explizit veranschaulicht oder beschrieben sind. Die Kombinationen der veranschaulichten Merkmale stellen repräsentative Ausführungsformen für typische Anwendungen bereit. Verschiedene Kombinationen und Modifikationen der Merkmale, die mit den Lehren dieser Offenbarung konsistent sind, könnten jedoch für spezielle Anwendungen oder Implementierungen erwünscht sein.
Die Ausführungsformen der vorliegenden Offenbarung stellen im Allgemeinen mehrere Schaltungen oder andere elektrische Vorrichtungen bereit. Alle Bezugnahmen auf die Schaltungen und die anderen elektrischen Vorrichtungen und die durch jede bereitgestellte Funktionalität sind nicht vorgesehen, um darauf eingeschränkt sein, nur das zu umfassen, was hier veranschaulicht und beschrieben ist. Während spezielle Beschriftungen den offenbarten verschiedenen Schaltungen oder anderen elektrischen Vorrichtungen zugewiesen sein können, sind derartige Beschriftungen nicht vorgesehen, um den Umfang des Betriebs für die Schaltungen und die anderen elektrischen Vorrichtungen einzuschränken. Derartige Schaltungen und andere elektrische Vorrichtungen können in irgendeiner Weise basierend auf dem speziellen Typ der elektrischen Implementierung, die erwünscht ist, miteinander kombiniert und/oder voneinander getrennt werden. Es wird erkannt, dass jede hier offenbarte Schaltung oder andere elektrische Vorrichtung irgendeine Anzahl von Mikroprozessoren, integrierten Schaltungen, Speichervorrichtungen (z. B. FLASH, Schreib-Lese-Speicher (RAM), Festwertspeicher (ROM), elektrisch programmierbaren Festwertspeicher (EPROM), elektrisch löschbaren programmierbaren Festwertspeicher (EEPROM) oder andere geeignete Varianten davon) und Software, die miteinander zusammenwirken, um die hier offenbarte(n) Operation(en) auszuführen, enthalten kann. Außerdem können eine oder mehrere der elektrischen Vorrichtungen konfiguriert sein, ein Computerprogramm auszuführen, das in einem nichtflüchtigen computerlesbaren Medium verkörpert ist, das programmiert ist, irgendeine Anzahl der Funktionen auszuführen, wie offenbart ist.
Die Offenbarung bezieht sich auf Systeme und Verfahren für die Routenvorhersage unter Verwendung von Maschinenlernalgorithmen, einschließlich z. B. der Clusterbildung k nächster Nachbarn (KNN-Clusterbildung). Die Systeme und Verfahren stellen die Vorhersage eines oder mehrerer Orts- und Routenmodelle, die aus selbstorganisierten Fahrdaten erzeugt werden, zum Identifizieren und Filtern anwendbarer Daten bereit. In Reaktion auf die Filterung der Fahrdaten können das System und das Verfahren die Verarbeitung der Daten durch das Eliminieren weniger relevanter Informationen verbessern. Die Elimination weniger relevanter Informationen kann es dem System ermöglichen, eine bevorzugte Speichergröße des Datenbankspeichers aufrechtzuerhalten, so dass neu erfasste Informationen, die das Potential aufweisen, ein aufstrebendes Muster zu werden, gespeichert werden können. Die Orts- und Routenmodelle können eine Tabelle der Intervalle des vorhergehenden Auftretens ganz rechts, eine Tabelle der Routenalternativen, eine Tabelle der Routenverwendungshäufigkeiten, eine Tabelle der Routenähnlichkeiten, eine Tabelle der durchschnittlichen Routenähnlichkeiten und eine Tabelle der Routenwahrscheinlichkeiten enthalten. Die Orts- und Routenmodelle können eine oder mehrere Routen in Bezug auf kontextsensitive Vorhersagen (den identifizierten Fahrer, den Wochentag, den aktuellen Ort und die Routeneinstufung (die Route mit der höchsten Verwendung basierend auf der relativen Häufigkeit)) vorhersagen.
In dieser Offenbarung können die Systeme mehrere Verfahren anwenden, um einen oder mehrere Orte vorherzusagen, zu denen ein Fahrer eines Fahrzeugs als sein Endziel fahren kann. Die Verfahren können das Erlernen der Orte, die Analyse der relativen Häufigkeit vorher angefahrener Orte und das Managen einer Datenbank, um die erlernten Daten weniger relevanter Orte, die im Speicher gespeichert sind, effizienter zu machen und zu verringern, enthalten. Vorhergehende Systeme und Verfahren können z. B. alle GPS-Ortsinformationen für eine spätere Analyse protokollieren. Die vorgeschlagenen Verfahren können die Ortsinformationen komprimieren, um die Analyse zu verbessern, so dass sinnvolle Informationen gespeichert sind. Die Verfahren können ferner eine hierarchische Struktur für die gespeicherten Ortsinformationen bereitstellen, so dass die Relevanz kontinuierlich aktualisiert und aufrechterhalten wird.
Die Ortslernverfahren können eine Weise bereitstellen, die Fahrverhalten eines Fahrers zu managen und zu aktualisieren und einen oder mehrere Orte, zu denen der Fahrer als Nächstes fahren kann, basierend auf den erlernten Daten vorherzusagen. Die Verfahren der Analyse der relativen Häufigkeiten können die erlernten Ortsdaten basierend auf mehreren Faktoren, einschließlich wie oft gefahren wurde, der Tageszeit, dem Wochentag und/oder einer Kombination daraus, aber nicht darauf eingeschränkt, einstufen. Die Datenbankmanagementverfahren können die im Speicher gespeicherten erlernten Daten kontinuierlich aktualisieren, während sie basierend auf der Analyse der relativen Häufigkeiten die weniger relevanten Daten eliminieren.
1 veranschaulicht eine beispielhafte Blocktopologie für ein fahrzeugbasiertes Computersystem 1 (VCS) für ein Fahrzeug 31. Ein Beispiel eines derartigen fahrzeugbasierten Computersystems 1 ist das durch THE FORD MOTOR COMPANY hergestellte SYNC-System. Ein mit einem fahrzeugbasierten Computersystem befähigtes Fahrzeug kann eine visuelle "Frontend"-Schnittstelle 4 enthalten, die sich in dem Fahrzeug befindet. Der Anwender kann außerdem imstande sein, mit der Schnittstelle in Wechselwirkung zu treten, falls sie z. B. mit einem berührungsempfindlichen Schirm versehen ist. In einer weiteren veranschaulichenden Ausführungsform findet die Wechselwirkung durch das Drücken von Tasten und ein System für gesprochene Dialoge mit automatischer Spracherkennung und Sprachsynthese statt.
In der in 1 gezeigten veranschaulichenden Ausführungsform 1 steuert ein Prozessor 3 wenigstens einen Teil des Betriebs des fahrzeugbasierten Computersystems. Der Prozessor, der innerhalb des Fahrzeugs bereitgestellt ist, erlaubt die bordinterne Verarbeitung von Befehlen und Routinen. Ferner ist der Prozessor sowohl mit einem nicht permanenten Speicher 5 als auch mit einem permanenten Speicher 7 verbunden. In dieser veranschaulichenden Ausführungsform ist der nicht permanente Speicher ein Schreib-Lese-Speicher (RAM), während der permanente Speicher ein Festplattenlaufwerk (HDD) oder ein Flash-Speicher ist. Im Allgemeinen kann der permanente (nichtflüchtige) Speicher alle Formen des Speichers enthalten, die die Daten aufrechterhalten, wenn ein Computer oder eine andere Vorrichtung ausgeschaltet ist. Diese enthalten HDDs, CDs, DVDs, Magnetbänder, Festkörperlaufwerke, tragbare USB-Laufwerke und irgendeine andere geeignete Form des beständigen Speichers, sind aber nicht darauf eingeschränkt.
Der Prozessor ist außerdem mit einer Anzahl verschiedener Eingänge versehen, die es dem Anwender erlauben, mit dem Prozessor eine Schnittstelle zu bilden. In dieser veranschaulichenden Ausführungsform sind ein Mikrophon 29, ein Hilfseingang 25 (für den Eingang 33), ein USB-Eingang 23, ein GPS-Eingang 24, ein Schirm 4, der eine Berührungsschirmanzeige sein kann, und ein BLUETOOTH-Eingang 15 bereitgestellt. Es ist außerdem eine Eingangswähleinrichtung 51 bereitgestellt, um es einem Anwender zu erlauben, zwischen verschiedenen Eingängen zu wechseln. Eine Eingabe sowohl in das Mikrophon als auch in den Hilfsverbinder wird durch einen Umsetzer 27 von analog in digital umgesetzt, bevor sie zu dem Prozessor weitergeleitet wird. Obwohl dies nicht gezeigt ist, können zahlreiche der Fahrzeugkomponenten und Hilfskomponenten, die mit dem VCS in Verbindung stehen, ein Fahrzeugnetz (wie z. B. einen CAN-Bus, aber nicht eingeschränkt darauf) verwenden, um Daten zu dem und von dem VCS (oder dessen Komponenten) zu leiten.
Die Ausgänge aus dem System können eine visuelle Anzeige 4 und einen Lautsprecher 13 oder einen Stereosystem-Ausgang enthalten, sind aber nicht darauf eingeschränkt. Der Lautsprecher ist mit einem Verstärker 11 verbunden und empfängt sein Signal durch einen Digital-Analog-Umsetzer 9 von dem Prozessor 3. Die Ausgabe kann außerdem zu einer entfernten BLUETOOTH-Vorrichtung, wie z. B. einer PND 54, oder einer USB-Vorrichtung, wie z. B. einer Fahrzeugnavigationsvorrichtung 60, entlang der bidirektionalen Datenströme, die bei 19 bzw. 21 gezeigt sind, ausgeführt werden.
In einer veranschaulichenden Ausführungsform verwendet das System 1 den BLUETOOTH-Sender/Empfänger 15, um mit einer nomadischen Vorrichtung 53 (z. B. einem Mobiltelephon, einem Smartphone, einem PDA oder irgendeiner anderen Vorrichtung, die eine Verbindbarkeit mit einem drahtlosen entfernten Netz besitzt) eines Benutzers zu kommunizieren 17. Die nomadische Vorrichtung kann dann verwendet werden, um z. B. durch eine Kommunikation 55 mit einem Mobilfunkmast 57 mit einem Netz 61 außerhalb des Fahrzeugs 31 zu kommunizieren 59. In einigen Ausführungsformen kann der Mast 57 ein WiFi-Zugangspunkt sein.
Die beispielhafte Kommunikation zwischen der nomadischen Vorrichtung und dem BLUETOOTH-Sender/Empfänger ist durch das Signal 14 dargestellt.
Die Paarbildung einer nomadischen Vorrichtung 53 und des BLUETOOTH-Senders/Empfängers 15 kann durch eine Taste 52 oder einen ähnlichen Eingang angewiesen werden. Dementsprechend wird die CPU angewiesen, dass aus dem bordinternen BLUETOOTH-Sender/Empfänger und einem BLUETOOTH-Sender/Empfänger in einer nomadischen Vorrichtung ein Paar gebildet wird.
Zwischen der CPU 3 und dem Netz 61 können z. B. unter Verwendung eines Datentarifs, von Daten über Sprache oder DTMF-Tönen, die der nomadischen Vorrichtung 53 zugeordnet sind, Daten übertragen werden. Alternativ kann es erwünscht sein, dass ein bordinternes Modem 63 mit einer Antenne 18 enthalten ist, um Daten zwischen der CPU 3 und dem Netz 61 über das Sprachband zu übertragen 16. Die nomadische Vorrichtung 53 kann dann verwendet werden, um z. B. durch die Kommunikation 55 mit einem Mobilfunkmast 57 mit einem Netz 61 außerhalb des Fahrzeugs 31 zu kommunizieren 59. In einigen Ausführungsformen kann das Modem 63 eine Kommunikation 20 mit dem Mast 57 herstellen, um mit dem Netz 61 zu kommunizieren. Als ein nicht einschränkendes Beispiel kann das Modem 63 ein USB-Zellenmodem sein und kann die Kommunikation 20 eine Zellenkommunikation sein.
In einer veranschaulichenden Ausführungsform ist der Prozessor mit einem Betriebssystem versehen, das eine API enthält, um mit einer Modem-Anwendungssoftware zu kommunizieren. Die Modem-Anwendungssoftware kann auf ein eingebettetes Modul oder eingebettete Firmware in dem BLUETOOTH-Sender/Empfänger zugreifen, um die drahtlose Kommunikation mit einem entfernten BLUETOOTH-Empfänger (wie z. B. dem, der in einer nomadischen Vorrichtung zu finden ist) zu vervollständigen. Bluetooth ist eine Teilmenge der IEEE 802 PAN-Protokolle (Protokolle für persönliche Netze). Die IEEE 802 LAN-Protokolle (Protokolle für lokale Netze) enthalten WiFi und besitzen eine beträchtliche Kreuzfunktionalität mit dem IEEE 802 PAN. Beide sind für die drahtlose Kommunikation innerhalb eines Fahrzeugs geeignet. Weitere Kommunikationsmittel, die in diesem Bereich verwendet werden können, sind die optische Freiraumkommunikation (wie z. B. IrDA) und nicht standardisierte Verbraucher-IR-Protokolle.
In einer weiteren Ausführungsform enthält die nomadische Vorrichtung 53 ein Modem für die Sprachband- oder die Breitband-Datenkommunikation. In der Daten-über-Sprache-Ausführungsform kann eine Technik, die als Frequenzmultiplex bekannt ist, implementiert sein, wobei der Eigentümer der nomadischen Vorrichtung über die Vorrichtung sprechen kann, während Daten übertragen werden. Zu anderen Zeiten, wenn der Eigentümer die Vorrichtung nicht verwendet, kann die Datenübertragung die gesamte Bandbreite (300 Hz bis 3,4 kHz in einem Beispiel) verwenden. Während das Frequenzmultiplex für die analoge Zellenkommunikation zwischen dem Fahrzeug und dem Internet üblich sein kann und immer noch verwendet wird, ist es größtenteils durch Hybride des Codemultiplex (CDMA), des Zeitmultiplex (TDMA) und des Raummultiplex (SDMA) für die digitale Zellenkommunikation ersetzt worden. Diese sind alle ITU IMT-2000-(3G-)konforme Standards und bieten Datenraten bis zu 2 Mbit/s für stationäre oder gehende Anwender und 385 kbit/s für Anwender in einem sich bewegenden Fahrzeug. Die 3G-Standards werden nun durch den IMT-Advanced (4G) ersetzt, der 100 Mbit/s für Anwender in einem Fahrzeug und 1 Gbit/s für stationäre Anwender bietet. Falls der Anwender einen Datentarif besitzt, der der nomadischen Vorrichtung zugeordnet ist, ist es möglich, dass der Datentarif die Breitbandübertragung erlaubt und das System eine viel breitere Bandbreite verwenden könnte (die die Datenübertragung beschleunigt). In einer noch weiteren Ausführungsform ist die nomadische Vorrichtung 53 durch eine (nicht gezeigte) Zellenkommunikationsvorrichtung ersetzt, die in dem Fahrzeug 31 installiert ist. In einer noch weiteren Ausführungsform kann die ND 53 eine Vorrichtung eines drahtlosen lokalen Netzes (LAN) sein, die z. B. (und ohne Einschränkung) zur Kommunikation über ein 802.11g-Netz (d. h. WiFi) oder ein WiMax-Netz imstande ist.
In einer Ausführungsform können die ankommenden Daten über Daten-über-Sprache oder einen Datentarif durch die nomadische Vorrichtung, durch einen bordeigenen BLUETOOTH-Sender/Empfänger und in den internen Prozessor 3 des Fahrzeugs geleitet werden. In dem Fall bestimmter temporärer Daten können die Daten z. B. in der HDD oder anderen Speichermedien 7 bis zu einem derartigen Zeitpunkt gespeichert sein, zu dem die Daten nicht länger benötigt werden.
Zusätzliche Quellen, die mit dem Fahrzeug eine Schnittstelle bilden können, enthalten eine persönliche Navigationsvorrichtung 54, die z. B. eine USB-Verbindung 56 und/oder eine Antenne 58 aufweist, eine Fahrzeugnavigationsvorrichtung 60, die eine USB- 62 oder eine andere Verbindung aufweist, eine bordeigene GPS-Verbindung 24 oder ein (nicht gezeigtes) Fernnavigationssystem, das eine Verbindbarkeit mit dem Netz 61 aufweist. Der USB ist einer von einer Klasse serieller Vernetzungsprotokolle. IEEE 1394 (FireWire^TM (Apple)), i.Link^TM (Sony) und Lynx^TM (Texas Instruments)), serielle EIA-Protokolle (Verband der Elektronikindustrie), IEEE 1285 (Centronics-Port), S/PDIF (digitales Zusammenschaltungsformat von Sony/Philips) und USB-IF (Forum der USB-Implementierer) bilden das Rückgrat der seriellen Vorrichtung-Vorrichtung-Standards. Die meisten der Protokolle können entweder für die elektrische oder für die optische Kommunikation implementiert sein.
Ferner könnte die CPU mit verschiedenen anderen Hilfsvorrichtungen 65 in Verbindung stehen. Diese Vorrichtungen können durch eine drahtlose 67 oder eine verdrahtete 69 Verbindung angeschlossen sein. Die Hilfsvorrichtung 65 kann z. B. persönliche Medienplayer, drahtlose Gesundheitsvorrichtungen, tragbare Computer und dergleichen enthalten, ist aber nicht darauf eingeschränkt.
Außerdem oder alternativ könnte die CPU mit einem fahrzeugbasierten drahtlosen Router 73, z. B. unter Verwendung eines WiFi-Senders/Empfängers 71 (IEEE 803.11), verbunden sein. Dies könnte es der CPU erlauben, sich im Bereich des lokalen Routers 73 mit entfernten Netzen zu verbinden.
Zusätzlich zu den beispielhaften Prozessen, die durch ein Fahrzeug-Computersystem, das sich in einem Fahrzeug befindet, ausgeführt werden, können in bestimmten Ausführungsformen die beispielhaften Prozesse durch ein Computersystem ausgeführt werden, das mit einem Fahrzeug-Computersystem in Verbindung steht. Ein derartiges System kann eine drahtlose Vorrichtung (z. B. und ohne Einschränkung ein Mobiltelephon) oder ein entferntes Computersystem (z. B. und ohne Einschränkung einen Server), das durch die drahtlose Vorrichtung angeschlossen ist, enthalten, ist aber nicht darauf eingeschränkt. Derartige Systeme können gemeinsam als dem Fahrzeug zugeordnete Computersysteme (VACS) bezeichnet werden. In bestimmten Ausführungsformen können spezielle Komponenten des VACS in Abhängigkeit von der speziellen Implementierung des Systems spezielle Abschnitte eines Prozesses ausführen. Wenn ein Prozess beispielhaft und nicht als Einschränkung einen Schritt des Sendens oder des Empfangens von Informationen zu bzw. von einer gepaarten drahtlosen Vorrichtung besitzt, dann ist es wahrscheinlich, dass die drahtlose Vorrichtung den Prozess nicht ausführt, weil die drahtlose Vorrichtung die Informationen nicht an sich selbst bzw. von sich selbst "senden und empfangen" würde. Ein Durchschnittsfachmann auf dem Gebiet erkennt, wann es ungeeignet ist, ein spezielles VACS auf eine gegebene Lösung anzuwenden. In allen Lösungen wird in Betracht gezogen, dass wenigstens das Fahrzeug-Computersystem (VCS), das sich in dem Fahrzeug selbst befindet, die beispielhaften Prozesse ausführen kann.
Das Ortslernverfahren kann Ortslerndaten von wenigstens einer von einer nomadischen Vorrichtung 53, einer persönlichen Navigationsvorrichtung 54, einer Fahrzeugnavigationsvorrichtung 60, einer bordinternen GPS-Vorrichtung 24 und/oder einer Kombination daraus empfangen. Das Ortslernverfahren kann die Daten in dem VCS 1 speichern. In einer weiteren Ausführungsform können die gespeicherten Daten in einem Netz 61 gespeichert sein, das über die nomadische Vorrichtung 53, das bordinterne Modem 63, ein (nicht gezeigtes) eingebettetes Telephon und/oder eine Kombination daraus mit dem VCS in Verbindung stehen kann.
Das Ortslernverfahren kann einer oder mehreren Vorrichtungen, die mit dem VCS 1 in Verbindung stehen, Informationen bereitstellen. Die Ortslernverfahren können z. B. eine Routenvorhersage der Anzeige 4 im Fahrzeug bereitstellen. In einem weiteren Beispiel können die Ortslernverfahren der nomadischen Vorrichtung 53, die mit dem VCS 1 in Verbindung steht, eine Routenvorhersage bereitstellen.
2A veranschaulicht einen Ablaufplan eines beispielhaften Vorhersageortslernverfahrens 100, das durch das fahrzeugbasierte Computersystem implementiert sein kann. Das Vorhersageortslernverfahren kann eine oder mehrere Software-Anwendungen umfassen, die in der Hardware in dem Fahrzeug-Computersystem ausgeführt werden. Die eine oder die mehreren Anwendungen können Anweisungen enthalten, um die Vorhersageortsdaten für ein Routenvorhersagesystem einzupflegen und zu managen. Das Verfahren 100 kann unter Verwendung von Software-Code, der in dem VCS enthalten ist, implementiert sein. In anderen Ausführungsformen kann das Verfahren 100 in anderen Fahrzeug-Controllern implementiert sein, an einem entfernten Server, der mit dem VCS in Verbindung steht, implementiert sein, zwischen mehreren Fahrzeug-Controllern verteilt sein oder eine Kombination daraus sein.
Abermals in 2A wird während der Erörterung des Verfahrens 100 auf das Fahrzeug und seine Komponenten, die in 1 veranschaulicht sind, Bezug genommen, um das Verständnis der verschiedenen Aspekte der Offenbarung zu fördern. Das Verfahren 100 zum Vorhersagen eines Ortes in Reaktion auf eine GPS-Eingabe kann durch einen Computeralgorithmus, maschinenausführbaren Code oder Software-Anweisungen, die in eine geeignete programmierbare Logikvorrichtung(en) des Fahrzeugs, wie z. B. das Fahrzeug-Steuermodul, ein Steuermodul an dem entfernten Server, einen weiteren Controller, der mit dem Fahrzeug-Computersystem in Verbindung steht, oder eine Kombination daraus, programmiert sind, implementiert sein. Obwohl es so aussieht, dass die verschiedenen Operationen, die in dem Ablaufplan 100 gezeigt sind, in chronologischer Reihenfolge stattfinden, können wenigstens einige der Operationen in einer anderen Reihenfolge stattfinden, wobei einige Operationen gleichzeitig oder überhaupt nicht ausgeführt werden können.
In der Operation 102 kann das Verfahren einen aktuellen Ort von einem globalen Positionierungssystem (GPS) anfordern, das mit dem VCS in Verbindung steht. Das GPS-System kann die nomadische Vorrichtung, das Fahrzeugnavigationssystem, das persönliche Navigationssystem, die GPS-Vorrichtung und/oder eine Kombination daraus enthalten, ist aber nicht darauf eingeschränkt. Das GPS-System kann die Anforderung empfangen und ein Signal, das Daten umfasst, die den aktuellen Ort des Fahrzeugs repräsentieren, senden.
In der Operation 104 kann das Verfahren die GPS-Positionsdaten empfangen. In Reaktion auf die empfangenen GPS-Positionsdaten kann das Verfahren in der Operation 106 den aktuellen Ort mit anderen Orten in einer Datenbank vergleichen, um eine Übereinstimmung zu finden. Das Verfahren stellt einen komprimierten Satz der Daten bereit, wobei deshalb der Vergleich des aktuellen Ortes mit anderen Orten, die durch das Verfahren gespeichert werden, in einer bordinternen Datenbank ausgeführt werden kann. Das Verfahren kann z. B. den aktuellen Ort mit den anderen Orten in der Datenbank, die sich in dem VCS 1 (z. B. dem HDD 7, dem nichtflüchtigen Schreib-Lese-Speicher usw.) befindet, vergleichen. In einem weiteren Beispiel kann das Verfahren den aktuellen Ort an eine entfernte Datenbank, die in dem Netz 61, das sich mit dem VCS 1 in Verbindung befindet, gespeichert ist, oder an die nomadische Vorrichtung 53, die mit dem VCS 1 in Verbindung steht, oder eine Kombination daraus senden.
In einem Beispiel kann das System basierend auf den GPS-Positionsdaten den aktuellen Ort mit gespeicherten Orten in der Datenbank vergleichen, um zu bestimmen, ob ein Anwender während vorhergehender Fahrten an diesem Ort gewesen ist. Das System kann die in der Datenbank gespeicherten Informationen managen, um weniger relevante Daten zu erkennen und zu eliminieren, um ein konzentriertes System sicherzustellen. Das System kann konfiguriert sein, die Datenbank aufrechtzuerhalten, so dass relevante und/oder hochrelevante Informationen schnell wiedergewonnen werden können.
Wenn der aktuelle Ort in der Datenbank einem durch den Fahrer angefahrenen vorhergehenden Ziel entspricht, kann das VCS in der Operation 108 den Ortsdatensatz, der den GPS-Positionsdaten entspricht, aktualisieren. Das VCS kann z. B. die GPS-Positionsdaten, die als der Arbeitsplatz des Fahrers erkannt werden, empfangen, wobei das Verfahren den Ortsdatensatz des Arbeitsplatzes des Fahrers, der Faktoren einschließlich der Zeit, des Datums und der Stoppdauer speichert, aktualisieren kann. Das Verfahren kann zusätzliche Faktoren, einschließlich der Übergangsinformationen des Arbeitsplatzes des Fahrers, der relevanten Routeninformationen des Arbeitsplatzes des Fahrers und eines Routen-Sonderziels (RPOI), das für den Arbeitsplatz des Fahrers relevant ist, aber nicht eingeschränkt darauf, speichern.
Die Übergangsinformationen sind eine ursprünglich quadratische Matrix, wobei jede Spalte und jede Zeile eine Wahrscheinlichkeit oder ihren Vorläufer eines Wertes der relativen Häufigkeit eines Übergangs, dass das Fahrzeug von einem Ort zu einem anderen fährt, repräsentiert. Wie in 7 gezeigt ist, sind die Übergangsinformationen als eine nicht quadratische Matrix 600 repräsentiert, weil eine derartige Matrix beschnitten werden kann, falls das Verfahren keine Werte von null speichert. Außerdem ist es selten, dass ein Startort und ein Zielort 602 einer Fahrt der gleiche Ort sind, wobei deshalb die Diagonalen im Allgemeinen null oder eine sehr kleine Zahl sind. 7 veranschaulicht eine Zeile 602 der Startorte, die verwendet werden kann, um einen Startort bei einem Schüsseleinschaltereignis zu bestimmen. In diesem Beispiel umfasst die Zeile 602 der Startorte eine Spalte 604 für einen Ort eins und eine Spalte 606 für einen Ort zwei. Das Verfahren kann bestimmen, dass sich das Fahrzeug bei dem Schüsseleinschaltereignis an dem Ort Nummer eins befindet. Sobald bestimmt wird, dass sich das Fahrzeug am Ort eins befindet, kann das Verfahren weitergehen, um die Informationen von der Spalte 604 für den Ort eins zu verwenden, um die möglichen Ziele einzustufen. In der Spalte 604 des Ortes eins weist der zweite Ort 608 den höchsten Wert der relativen Häufigkeit auf, wobei er deshalb als das wahrscheinlichste Ziel vorhergesagt werden kann. Dieser Prozess kann weitergehen, falls ein zusätzlicher Zielkandidat für den Fahrer vorhergesagt werden muss. In diesem Beispiel kann die Wahrscheinlichkeit, dass der Fahrer von dem Ort eins zu dem Ort zwei fährt, deshalb auf 0,315/(0,315 + 0,05 + 0,157) gesetzt werden. Die Einstufung mit der relativen Häufigkeit und der Wahrscheinlichkeit sind die Gleiche, weil die Letztere einfach eine normierte Version von ihr ist.
Die relevanten Routeninformationen enthalten eine Folge erkannter RPOIs. Ein RPOI ist eine GPS-Position, die das Verfahren als einen Punkt in dem geographischen Raum erkannt hat, wo das Fahrzeug während einer der Fahrten vorbeigefahren ist. Mit anderen Worten, das RPOI ist eine Sammlung von GPS-Positionen, die eine Teilmenge vorhergehender Ziele sind, die, wenn sie richtig sequentiell geordnet werden, eine Spur einer vollständigen Fahrt des Fahrers bilden. Weil die meisten Menschen einen Satz von Orten, wie z. B. Zuhause, Arbeit und Schule, häufig aufsuchen, gibt es viele gemeinsame Sonderziele, an denen er/sie sogar während verschiedener Fahrten vorbeifährt. Ein Beispiel eines derartigen RPOI sind die Straßensegmente, die zu dem Zuhause einer Person führen. Das Verfahren kann diese Straßensegmente (ein Segment ist durch 2 verschiedene RPOIs definiert) wiederverwenden, die verschieden organisiert sind, um alle Routen, die gefahren werden können, zu repräsentieren. Eine Fahrt enthält im Allgemeinen einen Startort und ein Ziel, wobei ihr eine eindeutige Fahrtidentifikationsnummer zugewiesen wird (eine Fahrt vom Ort A zum Ort B und eine Fahrt vom Ort B zum Ort A können z. B. verschiedene Fahrt-ID-Nummern aufweisen). Eine vollständige Route, die einer Fahrt zugeordnet ist, kann deshalb eine Folge von RPOIs sein, die ihr durch das Beifügen der Fahrt-ID zugeordnet werden. Für jede Fahrt kann es mehr als eine ihr zugeordnete Route geben. Aus der Beobachtung dieser Fahrten wird diesen Routen eine relative Häufigkeit beigefügt, wobei sie ähnlich zu der Weise aktualisiert werden, in der die Ortsübergänge erlernt werden, so dass im Lauf der Zeit die relative Wichtigkeit jeder Route erlernt und für Vorhersagezwecke verwendet wird. Ein Anwender befindet sich z. B. am Ort A, wobei das System vorhersagt, dass der Fahrer zum Ort B, zum Ort C oder zum Ort D fahren kann, jeder mit einer anderen Wahrscheinlichkeit. Der Fahrer kann unter Verwendung einer oder mehrerer Anwendereingaben an dem VCS andeuten, dass er in der Tat zum Ort B fährt. In Reaktion auf die Andeutungen des Fahrers kann das Verfahren dann vorwärtsgehen, um seine wahrscheinlichste(n) Route(n), die vom Ort A zum Ort B geht (gehen), vorherzusagen und Live-Verkehrs- und/oder -Ereignis-Informationen zu überlagern. Das Verfahren kann Live-Verkehrs- und/oder -Ereignis-Informationen bereitstellen, so dass der Fahrer die relevanten Informationen vorher ansehen kann, bevor er eine Route auswählt.
Falls der aktuelle Ort in der Datenbank der erlernten Orte nicht zur Übereinstimmung gebracht wird, kann das Verfahren in der Operation 110 eine Nachricht an den Fahrer senden, die nach der Genehmigung fragt, einen neuen Ort basierend auf den GPS-Positionsdaten zu speichern. Das Verfahren kann z. B. eine Nachricht auf einer Anzeige ausgeben, die eine Fahrereingabe anfordert, ob die Datenbank mit diesem neuen Ort, der in der Datenbank nicht gefunden wird, aktualisiert werden sollte oder nicht.
In der Operation 112 kann der Fahrer in Reaktion auf die Nachricht, die neuen Ortsdaten in der Datenbank zu speichern, die Nachricht akzeptieren, ablehnen oder ignorieren. Falls der Fahrer die Nachricht ignoriert und/oder die Nachricht ablehnt, die Datenbank mit dem neuen Ort zu aktualisieren, kann das Verfahren erkennen, dass dies ein Ort ist, der nicht zu erlernen und in der Datenbank zu speichern ist. In Reaktion auf den Fahrer, der es akzeptiert, den neuen Ort in der Datenbank zu speichern, kann es sein, dass das Verfahren in der Operation 114 einen vorhandenen Ortsdatensatz löschen muss, um Speicherplatz für den neuen Ort zu schaffen. In einer weiteren Ausführungsform kann das Verfahren automatisch einen vorhandenen Ortsdatensatz basierend auf einem oder mehreren Faktoren, einschließlich des eingeschränkten Platzes, des letzten Mals, wann der Fahrer an dem Ort gewesen ist, wie oft der Fahrer an dem Ort gewesen ist und/oder einer Kombination daraus, löschen. Das Verfahren kann vorhandene Orte, die eine niedrige Relevanz aufweisen, basierend auf dem einem oder den mehreren Faktoren erkennen, so dass, falls in der Datenbank Platz benötigt wird, das Verfahren diese weniger relevanten Datensätze automatisch löschen kann.
Falls die Löschung eines vorhandenen Ortsdatensatzes nicht notwendig ist, kann das Verfahren in der Operation 118 einen neuen Ortsdatensatz mit den GPS-Positionsinformationen des aktuellen Ortes einfügen und einen eindeutigen Ortsidentifizierer zuweisen, um den Dateneintrag in der Datenbank zu speichern. Wenn das Verfahren erfordert, dass ein neuer Ortsdatensatz notwendig ist, dann wird in der Operation 120 ein vorhandener Ortsdatensatz mit niedriger Relevanz gelöscht.
In der Operation 122 kann das Verfahren den vorhandenen Ortsdatensatz, die zugeordneten Ortsübergangsinformationen, die ortsrelevanten Routeninformationen und ein Routen-Sonderziel (RPOI), das eine niedrige Relevanz für den aktuellen Ort aufweist, löschen. Sobald das Verfahren die Löschung eines vorhandenen Ortsdatensatzes abgeschlossen hat, kann das Verfahren in der Operation 118 einen neuen Ortsdatensatz mit den Informationen der GPS-Positionsdaten einfügen und einen eindeutigen Ortsidentifizierer zuweisen.
In der Operation 124 kann das Verfahren weiterhin GPS-Daten anfordern, falls sich das Fahrzeug immer noch auf dem Weg zu einem Ziel befindet. Das Verfahren kann z. B. kontinuierlich GPS-Daten zum Empfangen von Routeninformationen anfordern, während es die RPOIs von einem Startort bis zu einem Endort sammelt und verfolgt. Die Routeninformationen können gespeichert und mit dem Datensatz des Startortes und/oder dem Datensatz des Endortes in der Datenbank korreliert werden.
Falls das Verfahren ein Schlüsselausschaltereignis detektiert, kann das Verfahren in der Operation 126 die eine oder die mehreren Software-Anwendungen beenden, die verwendet werden, um den erlernten Ort der Zielgewohnheiten des Fahrers zu managen und auszuführen. Das Fahrzeug-Computersystem kann einen Fahrzeug-Schlüsselausschaltmodus aufweisen, um es dem Verfahren zu ermöglichen, in Reaktion auf ein Schlüsselausschaltereignis die GPS-Ortsdaten anzufordern und die Daten zu speichern, um sie dem Ende des Zielortes in der Datenbank zuzuordnen. Falls ein Fahrer das Fahrzeug mit dem Schlüssel ausschaltet, kann das Verfahren die Routeninformationen als das Ende des Ziels speichern, wenn das VCS ein Schlüsselausschaltereignis detektiert, wobei das Verfahren die GPS-Ortsdaten außerdem im Speicher speichern kann, so dass die Informationen durch das System für das nächste Schüsseleinschaltereignis verwendet werden können, um einen Startort zu bestimmen.
2B veranschaulicht eine Tabelle 150 eines beispielhaften Ortsdatensatzes, der durch das lernende Vorhersageverfahren 100 erzeugt und in der Datenbank gespeichert wird. Die Tabelle 150 kann die Ortsinformationen für einen oder mehrere Ortsdatensätze basierend auf den während des Betriebs des Fahrzeugs empfangenen GPS-Daten einpflegen.
Das Verfahren kann z. B. Startortdaten empfangen und entweder in Reaktion auf den Startort über die GPS-Koordinaten den Ortsdatensatz in der Datenbank vergleichen und nach einer Übereinstimmung suchen oder die Tabelle mit einem neuen Ortseintrag befüllen. Die Tabelle 150 kann eine spezifische Eintragszeile 168 für die Daten des Startorts basierend auf den neuen Ortsinformationen erzeugen. Die Tabelle 150 kann eine eindeutige Ortsidentifikation 152 für den Startort enthalten. Die Tabelle 150 kann außerdem die Längen-Positionsdaten 154 und die Breiten-Positionsdaten 156 für den Startort enthalten. Die Tabelle 150 kann Radiusinformationen für den Startort enthalten. Die Tabelle 150 kann außerdem eine durchschnittliche Stoppdauer 160 und eine berechnete relative Häufigkeit 162 für den Startort enthalten. Die relative Häufigkeit 162 wird im Folgenden ausführlicher erklärt. Die Tabelle 150 kann außerdem eine oder mehrere reservierte Zellen 164, 166 für zusätzliche Informationen, einschließlich des Datums des letzten Besuchs des Startorts, aber nicht eingeschränkt darauf, enthalten.
Das Routenvorhersagesystem und -verfahren kann basierend auf einem oder mehreren Faktoren eine relative Häufigkeit berechnen, um einen Zielort für einen Fahrer des Fahrzeugs vorherzusagen. Der eine oder die mehreren Faktoren können GPS-Informationen, den Startort, die Tageszeit und/oder den Wochentag enthalten. Die relative Häufigkeit ist ein Vorläufer der Wahrscheinlichkeit, so dass das Routenvorhersageverfahren gegen bekannte Alternativen (z. B. einen Ort, eine Route, eine Adresse, ein Unternehmen, die Arbeit, das Zuhause usw.) aufrechnen kann.
Die relative Häufigkeit kann ein numerischer Wert sein, um einen vorhergesagten Ort basierend auf dem einen oder den mehreren Faktoren einzustufen. Das Verfahren kann durch das Ermöglichen, dass die Fahrten auf bekannte Alternativen (z. B. einen Ort/eine Route) angerechnet werden, die relative Häufigkeit als einen Vorläufer der Wahrscheinlichkeit verwenden. Ein numerisches Beispiel für eine Fahrt, die an einem Ort A startet, kann alternative Routen zu einem oder mehreren Endzielen aufweisen. Für dieses Beispiel können die Endziele den Ort B, den Ort C und den Ort D enthalten. Das Verfahren kann die relative Häufigkeit als ein Maß der relativen Wichtigkeit eines Stücks der Informationen verwenden, um vorherzusagen, ob der Fahrer zu einem speziellen Ziel fährt und/oder ob das Verfahren die Daten, die von niedriger Relevanz sind und deshalb nicht benötigt werden, löschen sollte. Das Verfahren verwendet die relative Häufigkeit als ein Gewicht, wobei es eine Notwendigkeit gibt, die Ortsinformationsdaten anzusammeln.
Weitergehend von dem obigen Beispiel kann das Verfahren die Daten durchsuchen und drei alternative Endzieloptionen C, B und D basierend auf dem einen oder den mehreren Faktoren für den Startort A finden. Falls der Startort A z. B. das Zuhause eines Fahrers ist, kann das Verfahren in der Datenbank nachsehen, um Vorhersageoptionen für eine Route zu dem vorhergesagten Endziel des Fahrers einschließlich eines Endziels B (Arbeit), eines Endziels C (Turnhalle) und eines Endziels D (Café) zu liefern. Die relative Häufigkeit wird durch das Verfahren als ein Maß der relativen Wichtigkeit in Reaktion auf die von den GPS-Daten empfangenen Zielinformationen verwendet. Das Verfahren kann die relative Häufigkeit als ein Gewicht verwenden, um zu berechnen, welche Route auszugeben ist, wenn es die Notwendigkeit gibt, die Informationen, wie z. B. das Ziel B, C und D, in der Ortsdatenbank anzusammeln. Die relative Häufigkeit kann als eine exponentielle Glättungsrechnung erster Ordnung basierend auf der folgenden Gleichung festgestellt werden: X(t) = (1 – α)·X(t – 1) + α·x(t), (1) wobei der exponentielle Glättungswert X erster Ordnung eine Lernrate α eines sich bewegenden Fensters, einen Wert t der tatsächlichen Zeit und einen Fahrtvektor x(t) umfasst.
Aus dem obigen Beispiel wird angenommen, dass die Lernrate α = 0,05 oder ein sich bewegendes Fenster von 1/0,05 = 20 ähnlicher Beobachtungen ist (eine Fahrt, die vom Ort A (Zuhause) startet und die vorhergesagten Routenoptionen können z. B. die Endziele B, C oder D enthalten). Basierend auf der obigen festgelegten Lernrate werden die Informationen aktualisiert, wann immer ein Fahrtvektor gebildet wird, wobei deshalb das Verfahren die Informationen von den letzten zwanzig (20) Beobachtungen erfassen kann. Startend am Ort A kann das Verfahren z. B. die Informationen von den letzten zwanzig Fahrten wiedergewinnen, die von dem Ort A gestartet sind.
Die relative Häufigkeit kann aktualisiert werden, nachdem ein neuer Fahrtvektor gebildet worden ist. Der Fahrtvektor wird im Folgenden ausführlicher erklärt. Der Fahrtvektor enthält ein codiertes Startortsziel als eine eindeutige Zahl. Von der Startortzahl (dem Ort A) identifiziert das Verfahren alle Alternativen, die für denselben Startort relevant sind.
Der Fahrtvektor gibt z. B. eine Fahrt an, die einen Startpunkt des Ortes A und einen Endort des Ortes B aufweist. Das Verfahren kann die Datenbank aktualisieren, so dass die gespeicherten Daten widerspiegeln, dass die Fahrt an dem Ort A begonnen hat und an dem Ort B geendet hat. Falls der Fahrer bei A startet und bei B endet, kann das Verfahren die Fahrtdaten für vom Ort A zum Ort B inkrementieren und dadurch die relative Häufigkeit für diesen Fahrtvektor vergrößern. In Reaktion auf das Endziel am Ort B kann das Verfahren dann die Werte der relativen Häufigkeit für die alternativen Ziele, die einen Startort A aufweisen, aber nicht am Ort B enden, verringern.
Das Verfahren kann ein Signal von dem GPS empfangen, so dass die Daten kontinuierlich ausgewertet werden, um sie zu extrahieren und/oder in ein Routen-Sonderziel zu komprimieren. Das Verfahren kann den Startort und den Endort empfangen, um die Datenbank zu aktualisieren. Der Fahrtvektor x basiert auf dem Startort und dem Endort und kann entweder ein Wahr- oder ein Falsch-Wert zwischen konkurrierenden alternativen Zielen sein. Das Zielvorhersageverfahren kann denselben Startort mit dem einem oder den mehreren Endzielen, die in der Datenbank gespeichert sind, vergleichen, so dass die Endziele als konkurrierende Routenalternativen betrachtet werden.
Das Verfahren kann die übliche Formulierung eines Tiefpassfilters verwenden, wie in der folgenden Gleichung gezeigt ist: RF_{A zu B/C/D} = (1 – α)·X_{A zu B/C/D} + α·(Merker_{wahr oder falsch}), (2) wobei der Merker_{wahr oder falsch} einen Fahrtvektor angibt, der durch das Verfahren verwendet wird, um zu bestimmen, ob ein Startort und ein Endort aufgetreten sind. Wenn die Fahrt z. B. vom Ort A zum Ort B ist, dann kann der Merker für vom Ort A zum Ort B auf wahr gesetzt werden. Unter Verwendung desselben Beispiels kann dann, wenn der Fahrtvektor vom Ort A zum Ort B ist, der Merker für den Rest der Fahrten, die nicht an dem Ort B enden (vom Ort A zum Ort C und vom Ort A zum Ort D) auf falsch gesetzt werden.
Falls der Fahrtvektor ein neue Fahrt ist, die nicht in der Datenbank gespeichert ist, kann das Verfahren die neue Fahrt in der Datenbank speichern und den Merker auf wahr setzen. Falls z. B. der Fahrtvektor vom Ort A zum Ort E ist und dieser Fahrtvektor neu ist, kann das Verfahren den Merker auf wahr setzt, wobei der Rest der Fahrten, die nicht am Ort E enden (vom Ort A zum Ort B, vom Ort A zum Ort C und vom Ort A zum Ort D) auf falsch gesetzt werden kann. In Reaktion auf den neuen Fahrtvektor kann das Verfahren die Datenbankgröße für den Ort A um einen neuen Platz, der für den neuen Fahrtvektor vom Ort A zum Ort E reserviert ist, vergrößern.
Die relative Häufigkeit vom Startort zu dem einen oder den mehreren Endzielen kann verwendet werden, um es dem System zu ermöglichen, die Route eines Fahrers vorherzusagen. Das Verfahren kann die Werte der relativen Häufigkeit in einem oder mehreren Ortsdatensätzen, die in der Datenbank gespeichert sind, zuweisen.
Das Verfahren kann z. B. einen Ortsdatensatz für die Fahrtvektoren basierend auf vier durch einen Fahrer unternommenen Fahrten, die am Ort A starten, wie folgt erzeugen:

Fahrt Startort Endort RF_{A zu B} RF_{A zu C} RF_{A zu D}

Anfangswerte 0 0 0 0 0

1 A B 0,05 0 0

2 A C 0,048 0,05 0

3 A D 0,045 0,048 0,05

4 A C 0,043 0,095 0,048

Tabelle 1
Der Ortsdatensatz kann die folgenden Anfangswerte (RF₀) für die relative Häufigkeit aufweisen, die für alle vorhergesagten Endziele null sind. Es sei angegeben, dass RF_{A zu B}, RF_{A zu C} und RF_{A zu D} initialisiert sind, um einen Wert von null (0) aufzuweisen. Basierend auf der Tabelle 1 kann die relative Häufigkeit für den Anfangswert bei RF₀ die auf null gesetzten Werte umfassen, wobei nach der ersten Fahrt die relative Häufigkeit unter Verwendung der folgenden Gleichungen berechnet wird: RF_{1,A zu B} = 0,05 = (1 – 0,05)·X_{0,A zu B} + 0,05·(Merker_{wahr oder falsch}), (3) RF_{1,A zu C} = 0,00 = (1 – 0,05)·X_{0,A zu C} + 0,05·(Merker_{wahr oder falsch}), (4) RF_{1,A zu D} = 0,00 = (1 – 0,05)·X_{0,A zu D} + 0,05·(Merker_{wahr oder falsch}). (5)
Weil der Fahrtvektor von der Fahrt 1 eine Fahrt angibt, die vom Ort A startete und am Ort B endete, ist der Merker_{wahr oder falsch} in der Gleichung 3 auf wahr gesetzt. Deshalb umfasst der Merker_{wahr oder falsch} in der Gleichung 3 einen Wert, der gleich eins ist, während in der Gleichung 4 und der Gleichung 5 der Merker_{wahr oder falsch} falsch ist und einen Wert, der gleich null ist, umfasst. Die Gesamtwirkung dessen, dass ein Fahrtvektor, der am Ort A startet und am Ort B endet, vorhanden ist, veranlasst das Verfahren, den Fahrtvektor RF_{A zu B} um ein Inkrement des Wertes zu aktualisieren, weil er den aktuellsten Fahrtinformationen, die in dem Fahrtvektor enthalten sind, entspricht. Die Fahrtvektoren RF_{A zu C} und RF_{A zu D} entsprechen nicht dem aktuellsten Fahrtvektor. Deshalb erkennt das Verfahren, dass die relativen Häufigkeiten keine Änderung des Wertes erfahren haben, weil sie bereits einen Anfangswert von null umfassen. Die Tabelle 2 im Folgenden repräsentiert die in die Wahrscheinlichkeitsinformationen normierte relative Häufigkeit. Nach der Fahrt 1 wird die Wahrscheinlichkeit vom Ort A zum Ort B auf einen Wert von eins gesetzt, weil zu diesem Zeitpunkt der Fahrtvektor von A zu B die einzige Fahrt ist, die das Verfahren beobachtet hat. Die Wahrscheinlichkeitsinformationen können der Erwartung des Vorhersagens einer Route für einen Fahrer entsprechen, als ob das Verfahren das Auftreten der Fahrten zählt.
Nach der zweiten Fahrt wird die relative Häufigkeit unter Verwendung der folgenden Gleichungen berechnet: RF_{2,A zu B} = 0,048 = (1 – 0,05)·RF_{1,A zu B} + 0,05·(Merker_falsch), (6) RF_{2,A zu C} = 0,050 = (1 – 0,05)·X_{2,A zu C} + 0,05·(Merker_wahr), (7) RF_{2,A zu D} = 0,00 = (1 – 0,05)·X_{2,A zu D} + 0,05·(Merker_falsch). (8)
Weil der Fahrtvektor für die Fahrt 2 vom Ort A zum Ort C ist, kann das Verfahren alle Fahrten, die für den Ort A als einen Startort relevant sind, aktualisieren. In Reaktion auf die Fahrt 2 kann das Verfahren den Fahrtvektor für vom Ort A zum Ort C aktualisieren. Der RF_{2,A zu C}-Merker wird auf wahr gesetzt, wobei er deshalb in Gleichung 7 einen Wert von eins aufweist, während die anderen Fahrtvektorgleichungen für den Startort A einen auf null gesetzten Wert aufweisen. Nach der Fahrt 2 kann das Verfahren den Wahrscheinlichkeitswert aktualisieren, wie in der Tabelle 2 gezeigt ist, so dass die Wahrscheinlichkeitswerte etwa dem entsprechen, was erwartet wurde, was eine Fahrt zu B und eine Fahrt zu C basierend auf dem Start vom Ort A war.
Nach der dritten Fahrt wird die relative Häufigkeit unter Verwendung der folgenden Gleichungen berechnet: RF_{3,A zu B} = 0,045 = (1 – 0,05)·0,048 + 0,05·(Merker_falsch), (6) RF_{3,A zu C} = 0,048 = (1 – 0,05)·0,05 + 0,05·(Merker_falsch), (7) RF_{3,A zu D} = 0,050 = (1 – 0,05)·X_{A zu D} + 0,05·(Merker_wahr). (8)
Weil der Fahrtvektor für die Fahrt 3 vom Ort A zum Ort D ist, kann das Verfahren alle Fahrten aktualisieren, die für den Ort A als ein Startort relevant sind. In Reaktion auf die Fahrt 3 kann das Verfahren den Merker für vom Ort A zum Ort D auf wahr setzen, der deshalb in der Gleichung 8 einen auf eins gesetzten Wert aufweist, während die anderen Fahrtvektorgleichungen einen auf null gesetzten Wert aufweisen. Nach der Fahrt 3 kann das Verfahren den Wahrscheinlichkeitswert aktualisieren, wie in der Tabelle 2 gezeigt ist, so dass die Wahrscheinlichkeitswerte etwa dem entsprechen, was erwartet wurde, was eine Fahrt zu B, eine Fahrt zu C und eine Fahrt zu D basierend auf einem Start vom Ort A war.
Nach der vierten Fahrt wird die relative Häufigkeit unter Verwendung der folgenden Gleichungen berechnet: RF_{4,A zu B} = 0,043 = (1 – 0,05)·0,045 + 0,05·(Merker_falsch), (9) RF_{4,A zu C} = 0,095 = (1 – 0,05)·0,05 + 0,05·(Merker_wahr), (10) RF_{4,A zu D} = 0,048 = (1 – 0,05)·0,05 + 0,05·(Merker_falsch). (11)
Weil der Fahrtvektor für die Fahrt 4 vom Ort A zum Ort C ist, kann das Verfahren alle Fahrten aktualisieren, die für den Ort A als ein Startort relevant sind. In Reaktion auf die Fahrt 4 kann es sein, dass das Verfahren nur den Merker für vom Ort A zum Ort D auf wahr setzen muss, der deshalb einen Wert von eins aufweist, der in der Gleichung 10 verwendet wird, während die anderen Fahrtvektoren, die am Ort A starten, falsch sind und in den verbleibenden Gleichungen auf einen Wert von null gesetzt sind. Nach der Fahrt 4 kann das Verfahren den Wahrscheinlichkeitswert aktualisieren, wie in der Tabelle 2 gezeigt ist, so dass die Wahrscheinlichkeitswerte etwa dem entsprechen, was erwartet wurde, was eine Fahrt zu B, zwei Fahrten zu C und eine Fahrt zu D basierend auf einem Start vom Ort A war.

Das Vorhersageverfahren kann eine Implementierung des Zählens und des Einstufens des Dateninhalts in einem sich bewegenden Fenster unter Verwendung der relativen Häufigkeit sein. Das Verfahren kann die normierte relative Häufigkeit berechnen, so dass die Ortsvorhersagedaten ein Wahrscheinlichkeitswert werden. Weitergehend von dem obigen Beispiel kann das Verfahren eine Wahrscheinlichkeit für den Ortsdatensatz basierend auf den vier von einem Fahrer startend am Ort A unternommenen Fahrten wie folgt erzeugen:

	relative Häufigkeit			Wahrscheinlichkeitsvektor
Fahrt	RF_{A zu B}	RF_{A zu C}	RF_{A zu D}	A zu B	A zu C	A zu D
anfänglich	0	0	0	0	0	0
1	0,05	0	0	1	0	0
2	0,048	0,05	0	0,49	0,51	0
3	0,045	0,048	0,05	0,31	0,34	0,35
4	0,043	0,095	0,048	0,23	0,51	0,26

Tabelle 2

Wie in der Tabelle 2 gezeigt ist, kann das Verfahren für denselben Startort wahrscheinliche Ziele mit einem Wahrscheinlichkeitswert vorhersagen. Für jede Fahrt kann das Verfahren in Reaktion auf die Wahrscheinlichkeitswerte wahrscheinliche vollständige Routen vorhersagen. Die Wahrscheinlichkeitswerte für jede Fahrt werden basierend auf den folgenden Gleichungen berechnet:
Das Verfahren kann bestimmen, wann bestimmte Eingaben fehlen und die relative Häufigkeit als ein Gewicht/einen Faktor verwenden, um Folgerungen gegen die Unbekannten zu ziehen. Falls z. B. der GPS-Empfang schlecht ist und der Startort unbekannt ist, kann das Verfahren einen Gesamtdurchschnitt aller Startorte verwenden, um ein Endziel vorherzusagen. Das System kann eine Datengrößenanforderung erfordern und dadurch dem Verfahren ermöglichen, die relative Häufigkeit mit Faktoren zu kombinieren, die ein Alter für die Informationen und andere Unterstützungsinformationen enthalten, um weniger wichtige und/oder weniger häufig verwendete Ortsdateninhalte, die in der Datenbank gespeichert sind, zu löschen.
3 veranschaulicht einen Ablaufplan einer Routine relativer Häufigkeiten, die durch das lernende Vorhersageverfahren implementiert ist. Das Verfahren 200 zum Vorhersagen einer Route zu einem oder mehreren Orten in Reaktion auf eine GPS-Eingabe kann durch einen Computeralgorithmus, maschinenausführbaren Code oder Software-Anweisungen, die in eine geeignete programmierbare Logikvorrichtung(en) des Fahrzeugs, wie z. B. das Fahrzeug-Steuermodul, ein Steuermodul an dem entfernten Server, einen weiteren Controller, der mit dem Fahrzeug-Computersystem in Verbindung steht, oder eine Kombination daraus, programmiert sind, implementiert sein. Obwohl es so aussieht, dass die verschiedenen Operationen, die in dem Ablaufplan 200 gezeigt sind, in chronologischer Reihenfolge stattfinden, können wenigstens einige der Operationen in einer anderen Reihenfolge stattfinden, wobei einige Operationen gleichzeitig oder überhaupt nicht ausgeführt werden können.
In der Operation 202 kann das Verfahren einen aktuellen Ort über das GPS und ein vorhergesagtes Ziel empfangen, basierend auf der relativen Häufigkeit und/oder den Wahrscheinlichkeitsvektoren. Das Verfahren kann basierend auf der in der Operation 204 durch die relative Häufigkeit berechneten Route mit der höchsten Verwendung eine erste Auswahl treffen. In der Operation 206 kann das Verfahren die erste Auswahl in einen Pool eines anderen vorhergesagten Ortes (anderer vorhergesagter Orte), der (die) eine höhere relative Häufigkeit und/oder einen höheren Wahrscheinlichkeitsvektor aufweist (aufweisen), in Reaktion auf einen oder mehrere Faktoren ausgeben. Der eine oder die mehreren Faktoren können vorher empfangene GPS-Daten, den Startort, den Wochentag, die Tageszeit und/oder andere Variable, die verwendet werden können, um das vorgesehene Endziel des Fahrers vorherzusagen, enthalten. Basierend auf der Verfügbarkeit der Eingabe unter Verwendung des einen oder der mehreren Faktoren (der Tageszeit, des Wochentags, des aktuellen Orts usw.) kann das Verfahren z. B. eine Liste von Kandidatenzielen erzeugen, die den gegebenen Eingaben am meisten entsprechen. Falls in einem Beispiel weder Orts-, noch Tages- noch Zeitinformationen verfügbar sind, kann das Verfahren eine Vorhersage basierend auf einem Gesamtdurchschnitt (einer unbedingten Wahrscheinlichkeit) aller vorhergesagten Orte, die in der Datenbank gespeichert sind, erzeugen.
In einem weiteren Beispiel, in dem die aktuellen Orts-, Tages- und Zeitinformationen alle verfügbar sind, kann das Verfahren basierend auf einer bedingten Wahrscheinlichkeit vorhersagen, wobei die Ortszielvorhersage basierend auf früheren Informationen, die diesen Eingaben entsprechen, gemacht werden kann.
In der Operation 208 kann das Verfahren die verbleibenden Kandidatenrouten auswerten und ihre relativen Häufigkeiten kombinieren, falls die Routen ein ähnliches Endziel aufweisen. Das Verfahren kann in der Operation 210 die Routen, die zu einer ausgewählten Route ähnlich sind, aus dem Kandidatenpool der Routen entfernen. Das Verfahren erhält z. B. einen Datenbankpool der Kandidatenrouten für den Fahrtvektor aufrecht, der einen Startort am Ort A und ein Endziel des Ortes B umfasst. Wenn durch das Verfahren eine Anforderung gemacht wird, eine Vorhersage zu machen, kann das Verfahren durch eine Analyseprozedur gehen, um die wichtigste (am höchsten relevante), aber andere Route aus diesem Datenbankpool zu identifizieren, und dadurch die Werte der relativen Häufigkeit für die ähnlichen Routen kombinieren, um die Vorhersage zu verbessern.
In der Operation 212 kann das Verfahren die den ausgewählten Routen, die ähnlich sind, zugeordneten relativen Häufigkeiten kombinieren, so dass die Vorhersage auf einer höheren Wahrscheinlichkeit, dass der Fahrer diese Route fährt, basiert. Das Verfahren kann in der Operation 214 erfordern, dass eine vorgegebene Anzahl von Routen erzeugt wird, um eine robuste Vorhersage des vorgesehenen Ziels des Fahrers sicherzustellen.
Falls das Verfahren nicht genug Routen erzeugt, um der vorgegebenen Anzahl von Routen zu entsprechen, die erforderlich ist, um eine Vorhersage zu machen, kann das Verfahren in der Operation 218 die nächste Route mit der kleinsten durchschnittlichen Ähnlichkeit aus dem verbleibenden Routenkandidatenpool wählen. Das Verfahren kann weiterhin die nächste Route mit der kleinsten durchschnittlichen Ähnlichkeit in den Operationen 208 bis 212 analysieren, um eine robuste Vorhersage der vorgesehenen Fahrtroute des Fahrers sicherzustellen.
Sobald basierend auf der vorgegebenen Anzahl der erforderlichen Routen ausreichend Routen erzeugt worden sind, kann das Verfahren in der Operation 216 die gewählten Routen unter Verwendung der relativen Häufigkeit normieren. Das Verfahren kann in der Operation 220 die Routenalternativen mit den zugeordneten Wahrscheinlichkeiten ausgeben. Die Routenalternativen können einem Anwender über eine oder mehrere Anwenderschnittstellenvorrichtungen angezeigt werden. Die Anwenderschnittstellenvorrichtungen können einen LCD-Schirm der Mittelkonsole, eine Instrumententafel, eine Mobilvorrichtung des Fahrers, die über eine Bluetooth-Verbindung mit dem VCS in Verbindung steht, oder eine Kombination daraus enthalten.
4 veranschaulicht eine durch das lernende Vorhersageverfahren erzeugte Fahrtvektorausgabe 300. Das Verfahren kann in Reaktion auf mehrere Datenpunkte, die über das GPS gesammelte Informationen enthalten, wobei die GPS-Informationen mit zusätzlichen Faktoren, wie z. B. der Tageszeit und dem Wochentag, korreliert sind, einen Fahrtvektor 302 bilden, wobei die Berechnungen durch das Verfahren ausgeführt werden können, um die GPS-Informationen unter Verwendung der relativen Häufigkeit einzustufen.
Der Fahrtvektor 302 kann die Ortsdaten basierend auf zwei Orten empfangen. Der Fahrtvektor 302 kann z. B. die Datenpunkte des Ortes A 304 und die Datenpunkte des Ortes B 306 empfangen. Der Fahrtvektor 302 kann den Fahrtzeitraum 308, um vom Ort A 304 zum Ort B 306 zu fahren, empfangen. Der Fahrtvektor kann die durch den Fahrer am Ort B 306 genommene Stoppdauer 310 berücksichtigen.
Die für den Fahrtvektor gesammelten Informationen können verwendet werden, um die Vorhersage einer Route für den Fahrer zu verbessern. Die Stoppdauer und das Datum des letzten Besuchs eines Ortes können z. B. nützlich sein, um die Gesamtsignifikanz der Fahrt auszuwerten. Die komprimierte Fahrtspur kann durch das Verfahren als eine Analyse verwendet werden und mit vorhandenen Routenalternativen verglichen werden, um die Vorliebe des Fahrers hinsichtlich einer Route zu erkennen. Die komprimierte Fahrtspur kann durch das Verfahren als eine Voruntersuchung der Verkehrs- und/oder Ereignisanalyse der Route für den Fahrer verwendet werden.
Der Fahrtvektor 302 kann die komprimierten Fahrtspuren 314, wie z. B. ein Routen-Sonderziel zum Ort B, Ort C, Ort D usw., berücksichtigen. Das Verfahren kann ein Routen-Sonderziel 318 durch das Einbeziehen eines Radius 316 anderer Sonderziele, die für den Fahrer wichtig sein können, erzeugen. Für eine im hohen Grade häufige Route, wie von Zuhause zur Arbeit oder von der Arbeit nach Hause, kann der Fahrer z. B. im Vergleich zu einer computererzeugten vorhergesagten Route 95 % der Route folgen. Der Fahrer kann aber für einen Abschnitt der Route (z. B. wenn er sehr nah an Zuhause/die Arbeit kommt) abweichen, falls er einige persönliche Vorlieben hat, wobei dieser Abschnitt immer anders als das sein kann, was der Computer vorschlägt. Durch diese Analyse der Informationen dieses Typs der Abweichung, die ein Fahrer in einer Route nehmen kann, kann das Verfahren imstande sein, alternative Routen vorherzusagen, wie einer Fahrer vom Ort A (Zuhause) zum Ort B (Arbeit) fährt.
5 veranschaulicht einen Ablaufplan eines Routenvorhersageverfahrens 400, das durch das lernende Vorhersageverfahren implementiert ist. Das Routenvorhersageverfahren 400 kann durch einen Computeralgorithmus, maschinenausführbaren Code oder Software-Anweisungen, die in eine geeignete programmierbare Logikvorrichtung(en) des Fahrzeugs, wie z. B. das Fahrzeug-Steuermodul, ein Steuermodul an dem entfernten Server, einen weiteren Controller, der mit dem Fahrzeug-Computersystem in Verbindung steht, oder eine Kombination daraus, programmiert sind, implementiert sein. Obwohl es so aussieht, dass die verschiedenen Operationen, die in dem Ablaufplan 400 gezeigt sind, in chronologischer Reihenfolge stattfinden, können wenigstens einige der Operationen in einer anderen Reihenfolge stattfinden, wobei einige Operationen gleichzeitig oder überhaupt nicht ausgeführt werden können.
In der Operation 402 kann das Verfahren ein GPS-Signal empfangen, das die aktuellen Ortsdaten umfasst. Das GPS-Signal kann in der Operation 404 durch einen GPS-Komprimierer empfangen werden, so dass die Daten gefiltert werden können, um zu bestimmen, ob der aktuelle Ort ein neuer Ort, ein neue Fahrt und/oder eine bekannte Fahrt ist. Der GPS-Komprimierer wird z. B. durch das Verfahren angewendet, wenn das Fahrzeug gefahren wird und der GPS-Datenstrom kontinuierlich komprimiert ist, um die RPOIs zu identifizieren. Das Verfahren kann eine Folge von RPOIs erkennen, die vollständige Routen in einer kompakten Form repräsentiert, ohne einen vollständigen GPS-Strom zu protokollieren und/oder zu speichern.
In der Operation 406 kann das Verfahren in Reaktion auf die GPS-Daten einen Ort erkennen (z. B. einen Ort unter Verwendung der KNN erkennen), wobei es, falls ein neuer Ort erkannt wird, die Datenbank vorbereiten kann, um die neuen Ortsinformationen zu speichern. In einem Beispiel kann das Verfahren einen neuen Ort basierend auf der Position des Fahrzeugs, die in keinem der vorhandenen Orte, die in der Datenbank gespeichert sind, erkannt wird, während eines Schüsseleinschalt- oder Schlüsselausschaltereignisses identifizieren. Sobald ein neuer Ort identifiziert ist, kann das Verfahren den aktuellen Fahrtvektor verwenden, um irgendein Ortsattribut, wie z. B. eine relative Gesamthäufigkeit und/oder eine Stoppdauer, zu initialisieren. Das Verfahren kann zusätzliche Parameter sammeln, um die neuen Ortsinformationen, einschließlich des Datums und der Zeit, einzupflegen.
In der Operation 408 kann das Verfahren ein neues Ortsmodell basierend auf den neuen Ortsdaten erzeugen. Das neue Ortsmodell wird durch das Verfahren durch das Ansammeln des für den neuen Ort relevanten Wissens erzeugt. Zum Beispiel das Speichern der Orte, die sich auf den neuen Ort als ein Ziel und/oder als eine Route beziehen.
In der Operation 410 kann das Verfahren in Reaktion auf die GPS-Daten die Datenbank vorbereiten, um die neuen Fahrtinformationen zu speichern. Das Verfahren kann z. B. zusätzliche Parameter, die der neuen Fahrt zugeordnet sind, sammeln.
In der Operation 412 kann das Verfahren das Ortsmodell basierend auf der neuen Fahrt modifizieren. Das Verfahren kann z. B. das Ortsmodell durch das Hinzufügen und/oder das Modifizieren eines neuen Eintrags in der Ortsliste, den Ortsübergangsinformationen und den Routeninformationen modifizieren.
In der Operation 414 kann das Verfahren in Reaktion auf die GPS-Daten die Daten vorbereiten, um die Informationen der bekannten Fahrt zu speichern. Die Informationen der bekannten Fahrt können z. B. einen bekannten Startort, einen bekannten Endort, einen bekannten Fahrtvektor und/oder eine Kombination daraus enthalten. Das Verfahren kann die Datenbank vorbereiten, um das Ortsmodell in der Operation 416 zu aktualisieren. Das Verfahren kann z. B. das Ortsmodell durch das Aktualisieren und/oder das Modifizieren der Ortsliste, der Ortsübergangsinformationen und der Routeninformationen einer vorhandenen Fahrt (z. B. vom Ort A zum Ort B) aktualisieren.
In der Operation 422 kann das Verfahren in Reaktion auf die GPS-Daten, die einen neuen Ort und/oder eine neue Fahrt umfassen, einen neuen Routenkandidaten erzeugen. Der neue Routenkandidat stellt einen neuen Eintrag in der Datenbank bereit, um die mit dem neuen Ort und/oder der neuen Fahrt in Beziehung stehenden Informationen zu speichern. Eine Route wird z. B. einer Fahrt zugeordnet, wenn ein Startort und ein Endort fest sind und die Route eine Folge von RPOIs enthält. Ein neuer Routenkandidat wird erzeugt, wenn ein komprimierter GPS-Strom um wenigstens einen durch das Vorhersageverfahren erkannten bestimmten Schwellenwert anders als die vorhandenen Routenkandidaten betrachtet wird. Die bestimmten Schwellenwertinformationen können einen Startort, einen Endort, ein Datum, eine Zeit, Radiusdaten und/oder eine Kombination daraus enthalten, sind aber nicht darauf eingeschränkt. Ein Mittelpunkt und ein Radius können z. B. einen Ort oder ein RPOI definieren, weil jede GPS-Einheit eine Genauigkeitsgrenze aufweist (ein Bereich der Genauigkeitsgrenze kann z. B. von 5 bis 100 Meter und irgendwo dazwischen gesetzt sein), wobei sie die Orte als denselben betrachtet, wenn sie sich innerhalb dieses Bereichs befinden. Das Verfahren kann die Mittelpunkts- und Radius-Genauigkeitsgrenze verwenden, weil sie speicherfreundlich ist und die Leichtigkeit der Berechnung bereitstellt.
In der Operation 430 kann das Verfahren die neue Route ausgeben. Wenn z. B. eine neue Kandidatenroute gespeichert wird, kann das Verfahren beginnen, die Verwendung der neuen Kandidatenroute zu überwachen und sie mit Routenalternativen zu vergleichen.
In der Operation 418 kann das Verfahren in Reaktion auf die GPS-Daten, die eine bekannte Fahrt umfassen, die Ähnlichkeit zu vorhandenen Routenkandidaten auswerten und entweder zusätzliche Daten speichern und/oder irrelevante Daten löschen. Falls die bekannte Fahrt z. B. ein Fahrtvektor ist, der vom Startort A zum Endort B enthält, und die zusätzlichen Daten Werktage (Montag bis Freitag) mit einem Startzeitpunkt von 8:00 Uhr und einen Endzeitpunkt von 8:25 Uhr enthalten, kann sich das Verfahren darum kümmern, die zusätzlichen Daten zu der Datenbank hinzuzufügen, während Ausreißerdaten eliminiert werden. Unter Verwendung desselben Beispiels können die zusätzlichen Daten zeigen, dass der Fahrtvektor vom Ort A zum Ort B immer zwischen 7:45 Uhr und 8:15 Uhr an einem Werktag startet. Falls es jedoch einen Datenpunkt gibt, der einen Startzeitpunkt von 11:15 Uhr zeigt, kann dieser Datenpunkt eliminiert werden, weil er ein Ausreißer ist.
In der Operation 420 kann das Verfahren basierend auf den zusätzlichen Daten verifizieren, dass die bekannte Fahrt ein oder mehrere Ableitungen aufweist, so dass ein neuer Routeneintrag erforderlich sein kann. Der Fahrer kann z. B. vorher dieselbe Schnellstraße zur Arbeit fahren, wobei, falls es schneit, der Fahrer zu einer größtenteils örtlichen Route wechseln würde, da er weiß, dass sie ihm während seiner Fahrt Zeit sparen könnte. Das Verfahren kann durch das Auswerten des RPOI-Vektors beobachten und analysieren, ob diese beiden Routen (die regelmäßige Schnellstraßenroute und die örtliche Schneeroute) ausreichend verschieden sind. Das Verfahren kann beide Routen in dem System als vollständig alternative Routen speichern.
In der Operation 424 kann das Verfahren das RPOI basierend auf den Informationen der bekannten Fahrt und dem aktualisierten Ortsmodell aktualisieren. Das Verfahren definiert das RPOI durch einen Mittelpunkt und einen Radius. Das Verfahren kann z. B. eine Folge von RPOIs anwenden, um eine vollständige Route mit einem viel kleineren Fußabdruck hinsichtlich der Speicherung effektiv zu rekonstruieren. Die RPOIs können für verschiedene Routen wiederverwendet werden. In einem weiteren Beispiel können die RPOIs in der Nähe des Zuhauses des Fahrers für andere Routen, die zu anderen Endzielen führen, erneut angewendet werden.
In der Operation 426 kann das Verfahren die Verwendung des (der) Routenkandidaten basierend auf der relativen Häufigkeit aktualisieren. Das Verfahren kann in der Operation 428 die Datenbank (den Routenpool) mit den RPOI-Informationen codieren.
In der Operation 432 kann das Verfahren in Reaktion auf die GPS-Daten und/oder die anderen zusätzlichen Informationen eine Route basierend auf dem Routenpool ausgeben, so dass der Fahrer eine Option von einer oder mehreren zu nehmenden Routen haben kann.
6 veranschaulicht eine Routenvorhersage 500, die durch das lernende Vorhersageverfahren erzeugt worden ist. Das lernende Vorhersageverfahren kann unter Verwendung eines oder mehrerer Prozessoren in dem VCS ausgeführt werden. Das lernende Vorhersageverfahren kann GPS-Daten, die Ortsinformationen umfassen, empfangen, um eine oder mehrere Routenvorhersagen zu erzeugen. Die Routenvorhersagen können auf zusätzlichen Faktoren und/oder Informationen, einschließlich eines speziellen Fahrers 502, der Tageszeit 504, des Wochentags 506, des Startorts 508 und/oder einer Kombination daraus, aber nicht darauf eingeschränkt, basieren.
Die Routenvorhersage 500 kann mehrere häufigste Fahrten 510 basierend auf dem Fahrer 502 und/oder der Tageszeit 504 und/oder dem Wochentag und/oder dem Startort 508 erzeugen. Basierend auf einem oder mehreren Faktoren kann die Routenvorhersage 500 z. B. drei potentielle Routen, einschließlich der Route 1 514, der Route 2 516 und der Route 3 518, erzeugen und ausgeben. Das Verfahren kann bestimmen, dass der Startort 508 das Zuhause ist, wobei basierend auf der Zeit 504 und dem Tag 506 die folgenden Routen mit den zugeordneten Wahrscheinlichkeiten erzeugt werden: Route 1 514 von Zuhause zur Arbeit mit einer Wahrscheinlichkeit von 88,8 %, Route 2 516 von Zuhause zur Schule der Kinder mit einer Wahrscheinlichkeit von 5,9 % und Route 3 518 von Zuhause zum Schwimmbad mit einer Wahrscheinlichkeit von 5,2 %.
Das Verfahren kann eine Ausgangsnachricht erzeugen, so dass das VCS die eine oder die mehreren vorhergesagten Routen (die Route 1 514, die Route 2 516 und/oder die Route 30 516) anzeigen kann. In einer Ausführungsform kann das Verfahren nur die obersten drei Routen basierend auf der Wahrscheinlichkeit ausgeben, so dass der Fahrer die tatsächliche vorgesehene Route auswählen kann. In einer weiteren Ausführungsform kann das Verfahren die Route mit der höchsten Wahrscheinlichkeit ausgeben.
Die Routenvorhersageverfahren und -systeme ermöglichen eine robustere und effizientere Weise, vom Fahrer vorgesehene Fahrten vorherzusagen, während sie es ermöglichen, dass ein oder mehrere Fahrzeug-Computersysteme Warnungen bereitstellen, die sich auf Bau, Unfälle, Verkehr, Sonderziele und/oder eine Kombination daraus beziehen. Die in dieser Patentanmeldung offenbarten Routenvorhersageverfahren und -systeme können weniger relevante Daten eliminieren, so dass die Datenbank in dem VCS gespeichert sein kann, um eine verbesserte Verarbeitung der Routenvorhersageausgabe für den Fahrer bereitzustellen. Der Ort, die Fahrt und die Route, die in der Datenbank gespeichert sind, ermöglichen es den Verfahren, eine Hierarchie und Relevanzinformationen bereitzustellen, die aufrechterhalten werden, so dass die Relevanzinformationen skalierbare Wahrscheinlichkeitsinformationen ermöglichen. Die Verfahren können im Kontext von Zeit, Tag und/oder Ort eine gegebene Detailtiefe bereitstellen, so dass die Relevanzinformationen ein Datenmanagement ermöglichen, das die Löschung weniger relevanter Daten enthält. Die Verfahren ermöglichen ohne eine ausführliche Datenprotokollierung, dass die Daten automatisch die neusten Informationen widerspiegeln.
Während oben beispielhafte Ausführungsformen beschrieben worden sind, ist nicht vorgesehen, dass diese Ausführungsformen alle möglichen Formen beschreiben, die durch die Ansprüche eingeschlossen sind. Die in der Beschreibung verwendeten Wörter sind Wörter der Beschreibung anstatt der Einschränkung, wobei es selbstverständlich ist, das verschiedene Änderungen vorgenommen werden können, ohne vom Erfindungsgedanken und Schutzumfang der Offenbarung abzuweichen. Wie vorher beschrieben worden ist, können die Merkmale der verschiedenen Ausführungsformen kombiniert werden, um weitere Ausführungsformen der Erfindung zu bilden, die nicht explizit beschrieben oder veranschaulicht sein können. Während verschiedene Ausführungsformen beschrieben worden sein können, wie sie Vorteile bereitstellen oder gegenüber anderen Ausführungsformen oder den Implementierungen des Standes der Technik bezüglich einer oder mehrerer gewünschter Eigenschaften bevorzugt sind, erkennen die Durchschnittsfachleute auf dem Gebiet, dass ein oder mehrere Merkmale oder Eigenschaften beeinträchtigt sein können, um die gewünschten Gesamtsystemmerkmale zu erreichen, die von der spezifischen Anwendung und Implementierung abhängen. Diese Merkmale können die Kosten, die Stärke, die Haltbarkeit, die Lebenszykluskosten, die Marktfähigkeit, das Aussehen, die Verpackung, die Größe, die Wartbarkeit, das Gewicht, die Herstellbarkeit, die Leichtigkeit des Zusammenbaus usw. enthalten, sind aber nicht darauf eingeschränkt. Die Ausführungsformen, die als weniger erwünscht als andere Ausführungsformen oder die Implementierungen des Standes der Technik bezüglich einer oder mehrerer Eigenschaften beschrieben worden sind, befinden sich als solche nicht außerhalb des Schutzumfangs der Offenbarung und können für spezielle Anwendungen erwünscht sein.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Nicht-Patentliteratur

IEEE 802 PAN-Protokolle [0028]
IEEE 802 LAN-Protokolle [0028]
IEEE 802 PAN [0028]
IEEE 1394 [0031]
IEEE 1285 [0031]
IEEE 803.11 [0033]

Claims

Fahrzeug, das Folgendes umfasst: wenigstens einen Controller, der programmiert ist, in Reaktion auf eine Übereinstimmung zwischen einem aktuellen Ort des Fahrzeugs und einem erkannten Ort potentielle Ziele, die dem erkannten Ort entsprechen, wiederzugewinnen, wobei jedes eine Einstufung aufweist, die auf einer Wahrscheinlichkeit basiert, dass das Fahrzeug zu dem potentiellen Ziel fährt, und eine oder mehrere Routen zwischen dem aktuellen Ort und wenigstens einem der potentiellen Ziele gemäß der Einstufung auszugeben.
Fahrzeug nach Anspruch 1, wobei der wenigstens eine Controller ferner programmiert ist, in Reaktion auf das Fehlen einer Übereinstimmung zwischen dem aktuellen Ort und einem erkannten Ort den aktuellen Ort und eine entsprechende eindeutige Orts-ID aufzuzeichnen.
Fahrzeug nach Anspruch 1, wobei der wenigstens eine Controller ferner programmiert ist, erkannte Orte basierend auf den ihnen zugeordneten Übereinstimmungshäufigkeiten zu löschen.
Fahrzeug nach Anspruch 1, wobei die potentiellen Ziele in dem Speicher in dem Fahrzeug gespeichert sind und mit dem Controller in Verbindung stehen.
Fahrzeug nach Anspruch 1, wobei der wenigstens eine Controller ferner programmiert ist, einen Fahrtvektor von dem aktuellen Ort zu dem wenigstens einen potentiellen Ziel zu erzeugen und die eine oder die mehreren Routen basierend auf dem Fahrtvektor zu aktualisieren.
Navigationsvorhersagesystem, das Folgendes umfasst: wenigstens einen Controller, der programmiert ist, Navigationsdaten, die Startorte und Endorte enthalten und mehrere Fahrten definieren, zu sammeln, und in Reaktion auf einen aktuellen Ort für ein Fahrzeug, der einem der Startorte entspricht, basierend auf den Fahrtvektor-Häufigkeiten, die den Routeninformationen zugeordnet sind und die einen Schwellenwert übersteigen, vorhergesagte Routeninformationen von dem aktuellen Ort zu einem oder mehreren der Endorte auszugeben, für die erlernt wurde, dass sie dem einen der Startorte zugeordnet sind.
Navigationsvorhersagesystem nach Anspruch 6, das ferner eine Schnittstelle umfasst, die konfiguriert ist, die vorhergesagten Routeninformationen anzuzeigen.
Navigationsvorhersagesystem nach Anspruch 6, wobei der wenigstens eine Controller ferner programmiert ist, die Fahrtvektor-Häufigkeiten während der Fahrten zu erlernen.
Navigationsvorhersagesystem nach Anspruch 6, wobei der wenigstens eine Controller ferner programmiert ist, in Reaktion auf den aktuellen Ort, der keinem der Startorte entspricht, den aktuellen Startort und eine entsprechende eindeutige Orts-ID aufzuzeichnen.
Navigationsvorhersagesystem nach Anspruch 6, wobei der wenigstens eine Controller ferner programmiert ist, wenigstens einen der Endorte basierend auf einer ihm zugeordneten Übereinstimmungshäufigkeit zu löschen.
Navigationsvorhersagesystem nach Anspruch 6, das ferner einen Speicher umfasst, der mit dem wenigstens einen Controller in Verbindung steht, und wobei die Startorte und die Endorte in dem Speicher gespeichert sind.
Routenabbildungsverfahren für ein Fahrzeug, wobei das Verfahren Folgendes umfasst: Empfangen von Signalen, die einen aktuellen Ort des Fahrzeugs angeben; in Reaktion auf eine Übereinstimmung zwischen dem aktuellen Ort und einem erkannten Ort Wiedergewinnen potentieller Ziele, für die erlernt worden ist, dass sie dem erkannten Ziel zugeordnet sind, wobei jedes eine Einstufung basierend auf einer Wahrscheinlichkeit, dass das Fahrzeug zu dem potentiellen Ziel fährt, aufweist; und Ausgeben von Signalen für eine Anzeige, die eine oder mehrere Routen zwischen dem aktuellen Ort und wenigstens einem der potentiellen Ziele angeben.
Verfahren nach Anspruch 12, das ferner in Reaktion auf ein Fehlen einer Übereinstimmung zwischen dem aktuellem Ort und dem erkannten Ort das Aufzeichnen des aktuellen Orts und einer entsprechenden eindeutigen Orts-ID umfasst.
Verfahren nach Anspruch 12, das ferner das Löschen erkannter Orte basierend auf den ihnen zugeordneten Übereinstimmungshäufigkeiten umfasst.
Verfahren nach Anspruch 12, wobei die potentiellen Ziele von einem Speicher in dem Fahrzeug wiedergewonnen werden.
Verfahren nach Anspruch 12, das ferner das Erzeugen eines Fahrtvektors von dem aktuellen Ort zu dem wenigstens einen der potentiellen Ziele und das Aktualisieren der einen oder der mehreren Routen basierend auf dem Fahrtvektor umfasst.