DE102016111371A1 - Parameterschätzung für schnellen Verkehr - Google Patents
Parameterschätzung für schnellen Verkehr Download PDFInfo
- Publication number
- DE102016111371A1 DE102016111371A1 DE102016111371.9A DE102016111371A DE102016111371A1 DE 102016111371 A1 DE102016111371 A1 DE 102016111371A1 DE 102016111371 A DE102016111371 A DE 102016111371A DE 102016111371 A1 DE102016111371 A1 DE 102016111371A1
- Authority
- DE
- Germany
- Prior art keywords
- traffic light
- cycle time
- data
- light cycle
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 230000033001 locomotion Effects 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 12
- 239000000446 fuel Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 description 26
- 238000005259 measurement Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 241001453233 Doodia media Species 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
-
- 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
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
-
- 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
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Atmospheric Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Development Economics (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Traffic Control Systems (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
- Image Analysis (AREA)
Abstract
Daten in Bezug auf eine Fahrzeugbewegung an einer Ampel werden gesammelt. Eine Ampelzykluszeit wird mit einem Wahrscheinlichkeitsmodell prognostiziert. Die Daten werden mit der prognostizierten Ampelzykluszeit verglichen. Eine Rauschfunktion wird auf die Daten angewendet, um rauschangewandte Daten zu generieren. Das Wahrscheinlichkeitsmodell für die prognostizierte Ampelzykluszeit wird mittels Skalierung des Wahrscheinlichkeitsmodells mit den rauschangewandten Daten aktualisiert, um ein neues Wahrscheinlichkeitsmodell zu generieren. Ein empfohlener Fahrzeugbetrieb wird über ein Netz an wenigstens einen Fahrzeugcomputer bereitgestellt, basierend auf der prognostizierten Ampelzykluszeit, welche vom neuen Wahrscheinlichkeitsmodell bestimmt wird.
Description
- HINTERGRUND
- Im Stadtverkehr können Stoppschilder und Verkehrsampeln den Kraftstoffverbrauch eines Fahrzeugs erhöhen. Wenn Fahrzeuge stationär sind und/oder stoppen und erneut auf eine Fahrtgeschwindigkeit beschleunigen, nimmt die Kraftstoffeffizienz im Allgemeinen ab. Leider sind Straßen im Allgemeinen derzeit nicht ausgelegt, um einen Non-Stop-Verkehrsfluss oder selbst einen Verkehrsfluss bei einer allgemein gleichbleibenden Geschwindigkeit zu ermöglichen. Daher sind derzeitige Fahrzeuge nicht in der Lage, Vorteile zu erhalten, welche von weniger Stopps und Starts und/oder gleichbleibenderen Fahrtgeschwindigkeiten resultieren würden.
- KURZE BESCHREIBUNG DER ZEICHNUNGEN
-
1 ist ein Blockschaltbild eines Systems zum Schätzen und Abrufen von Verkehrsparametern. -
2 ist ein Prozessflussdiagramm eines Prozesses zum Schätzen von Verkehrsparametern. -
3 ist ein Prozessflussdiagramm eines Prozesses zum Schätzen einer Ampelzykluszeit. -
4 ist eine beispielhafte Darstellung der Ampelzykluszeit, eines Arbeitszyklus und eines Offsets. -
5 ist ein beispielhaftes Diagramm, welches mehrere Ampelzyklen von einem Satz von Messungen zeigt. -
6 ist ein beispielhaftes Diagramm einer Rauschfunktion zum Bestimmen der Ampelzykluszeit. - DETAILLIERTE BESCHREIBUNG
-
1 veranschaulicht ein System100 zum effizienten und genauen Bestimmen von Verkehrsampelparametern. Fahrzeuge101 , welche gemäß solchen Bestimmungen betrieben werden, können Vorteile genießen, darunter verminderten Verschleiß und erhöhte Kraftstoffeffizienz. Insbesondere kann die Bestimmung von Verkehrsampelparametern, wie sie hierin offenbart werden, einschließlich einer Ampelzykluszeit, zu einem besseren Wegebau und einem besseren Kraftstoffverbrauch führen, indem eine Anzahl von Malen, welche das Fahrzeug stoppen muss, reduziert wird. - Ein Fahrzeug
101 umfasst eine Rechenvorrichtung105 mit einem Datenspeicher102 und einem Datensammler103 . Die Rechenvorrichtung105 umfasst einen Prozessor und einen Speicher, wobei der Speicher eine oder mehrere Formen von computerlesbaren Medien umfasst, z. B. flüchtigen und/oder nicht-flüchtigen Speicher, wie bekannt sind, wobei der Speicher Anweisungen speichert, welche vom Prozessor zum Durchführen verschiedener Operationen ausführbar sind, einschließlich wie hierin offenbart. Ferner kann die Rechenvorrichtung105 mehr als eine Rechenvorrichtung umfassen, z. B. Steuerungen oder dergleichen, welche im Fahrzeug101 zum Überwachen und/oder Steuern verschiedener Fahrzeugkomponenten eingeschlossen sind, z. B. eine Kraftmaschinensteuereinheit (ECU, Engine Control Unit), Getriebesteuereinheit (TCU, Transmission Control Unit) usw. Die Rechenvorrichtung105 ist im Allgemeinen für die Kommunikation auf einem fahrzeuginternen Netz und/oder Kommunikationsbus, wie beispielsweise einem Controller Area Network(CAN)-Bus oder dergleichen, ausgelegt. Die Rechenvorrichtung105 kann auch eine Verbindung zu einem Onboard-Diagnoseverbinder (OBD-II) aufweisen. Über den CAN-Bus, OBD-II und/oder andere verdrahtete oder drahtlose Mechanismen kann der Computer105 Nachrichten an verschiedene Vorrichtungen in einem Fahrzeug übertragen und/oder Nachrichten von den verschiedenen Vorrichtungen empfangen, z. B. Steuerungen, Betätigungselemente, Sensoren usw., einschließlich Datensammler103 . Alternativ oder zusätzlich kann in Fällen, in denen der Computer105 tatsächlich mehrere Vorrichtungen umfasst, der CAN-Bus oder dergleichen für die Kommunikation zwischen den Vorrichtungen verwendet werden, welche als die Rechenvorrichtung105 in dieser Offenbarung repräsentiert wird. - Zusätzlich kann die Rechenvorrichtung
105 ausgelegt sein, z. B. Programmierung und/oder Hardware zu umfassen, wie bekannt ist, um mit einem Netz110 zu kommunizieren, welches, wie unten beschrieben, verschiedene verdrahtete und/oder drahtlose Netztechnologien umfassen kann, z. B. zellulär, Bluetooth, verdrahtete und/oder drahtlose Paketnetze usw. Ferner umfasst die Rechenvorrichtung105 im Allgemeinen Anweisungen zum Empfangen von Daten, z. B. von einem oder mehreren Datensammlern103 und/oder einer Mensch-Maschine-Schnittstelle (HMI, Human Machine Interface), wie beispielsweise einem interaktiven Sprachdialog(IVR, Interactive Voice Response)-System, einer grafischen Benutzerschnittstelle (GUI, Graphical User Interface), einschließlich eines Berührungsbildschirms oder dergleichen, usw. - Unter Verwendung von empfangenen Daten in der Rechenvorrichtung
105 , z. B von Datensammlern105 , Daten, welche als gespeicherte Parameter eingeschlossen sind, dem Server usw., kann die Rechenvorrichtung105 verschiedene Komponenten und/oder Operationen des Fahrzeugs101 steuern. Beispielsweise kann die Rechenvorrichtung105 verwendet werden, um die Geschwindigkeit, Beschleunigung, Verlangsamung, Lenkung usw. des Fahrzeugs101 zu regulieren. - Datensammler
103 können eine Vielzahl von Vorrichtungen umfassen. Zur Vereinfachung der Darstellung wird in1 ein Datensammler103 gezeigt, aber wie aus dieser Offenbarung ersichtlich wird, wird ein Fahrzeug101 wahrscheinlich mehrere Datensammler103 umfassen. Beispielsweise können verschiedene Steuerungen in einem Fahrzeug als Datensammler103 arbeiten, um Daten über den CAN-Bus bereitzustellen, z. B. Daten in Bezug auf die Fahrzeuggeschwindigkeit, Beschleunigung usw. Ferner könnten Sensoren oder dergleichen, globale Positionierungssystem(GPS)-Geräte usw. in einem Fahrzeug eingeschlossen sein und als Datensammler103 ausgelegt sein, um Daten direkt an die Rechenvorrichtung105 bereitzustellen, z. B. über eine verdrahtete oder drahtlose Verbindung. Datensammler103 könnten auch Sensoren oder dergleichen umfassen, um Zustände außerhalb des Fahrzeugs101 zu detektieren, z. B. mittelreichweitige Sensoren und Fernbereichssensoren. Beispielsweise könnten Sensordatensammler103 Mechanismen umfassen, wie beispielsweise Radar, Lidar, Sonar, Kameras oder andere Bilderfassungsvorrichtungen, welche eingesetzt werden könnten, um eine Distanz zwischen dem Fahrzeug101 und anderen Fahrzeugen oder Objekten zu messen, andere Fahrzeuge oder Objekte zu detektieren und/oder Straßenzustände zu detektieren, wie beispielsweise Kurven, Schlaglöcher, Senkungen, Bodenwellen, Änderungen in der Steigung usw. Darüber hinaus können Datensammler103 Sensoren intern im Fahrzeug101 umfassen, wie beispielsweise Beschleunigungsmesser, Temperatursensoren, Bewegungsmelder usw., um eine Bewegung oder andere Zustände des Fahrzeugs101 zu detektieren. - Ein Speicher der Rechenvorrichtung
105 speichert im Allgemeinen gesammelte Daten104 . Die gesammelten Daten104 können eine Vielzahl von Daten umfassen, welche von Datensammlern103 in einem Fahrzeug101 gesammelt werden. Beispiele für gesammelte Daten104 werden oben bereitgestellt, und darüber hinaus können Daten zusätzlich Daten umfassen, welche daraus in der Rechenvorrichtung105 berechnet werden. Im Allgemeinen können gesammelte Daten104 beliebige Daten umfassen, welche von den Datensammlern103 gesammelt werden können und/oder aus solchen Daten berechnet werden können. Dementsprechend könnten gesammelte Daten104 eine Vielzahl von Daten in Bezug auf Operationen und/oder Leistung des Fahrzeug101 sowie Daten insbesondere im Zusammenhang mit der Bewegung des Fahrzeugs101 umfassen. Beispielsweise könnten gesammelte Daten Daten in Bezug auf Geschwindigkeit, Beschleunigung, Bewegung in Längsrichtung, seitliche Bewegung, Nicken, Gieren, Rollen, Bremsen usw. eines Fahrzeugs101 umfassen. - Ein Speicher der Rechenvorrichtung
105 kann ferner einen oder mehrere Steuerparameter speichern. Ein Steuerparameter regelt im Allgemeinen die Verwendung der gesammelten Daten104 . Beispielsweise kann ein Parameter einen Schwellenwert bereitstellen, mit dem gesammelte Daten verglichen werden können, um zu bestimmen, ob eine Anpassung an der Komponente vorgenommen werden sollte. In ähnlicher Weise könnte ein Parameter einen Schwellenwert bereitstellen, unterhalb dessen ein Element der gesammelten Daten, z. B. ein Datenwert von einem Beschleunigungsmesser, nicht berücksichtigt werden sollte. - Das System
100 umfasst das Netz110 . Das Netz110 repräsentiert einen oder mehrere Mechanismen, anhand derer die Rechenvorrichtung105 mit einer Benutzervorrichtung125 und/oder einem Verkehrsparameterserver130 kommunizieren kann. Dementsprechend kann das Netz110 ein oder mehrere von verschiedenen verdrahteten oder drahtlosen Kommunikationsmechanismen sein, einschließlich einer beliebigen Kombination von verdrahteten (z. B. Kabel und Glasfaser) und/oder drahtlosen (z. B. zellulär, drahtlos, Satellit, Mikrowelle und Funkfrequenz) Kommunikationsmechanismen und einer beliebigen Netztopologie (oder Topologien bei Nutzung mehrerer Kommunikationsmechanismen). Beispielhafte Kommunikationsnetze umfassen drahtlose Kommunikationsnetze (z. B. unter Verwendung von Bluetooth, IEEE 802.11 usw.), lokale Netze (LAN, Local Area Network) und/oder weiträumige Netze (WAN, Wide Area Network), einschließlich des Internets, zum Bereitstellen von Datenkommunikationsdiensten. - Eine oder mehrere Benutzervorrichtungen
125 (zur Vereinfachung der Darstellung wird eine einzelne Vorrichtung125 in1 gezeigt) können mit dem Netz110 verbunden sein. Die Benutzervorrichtungen125 können allgemein getragene Vorrichtungen umfassen, wie beispielsweise eines oder mehrere von Mobiltelefonen, Tablet-Vorrichtungen, Laptop-Computer usw. - Das System
100 umfasst den Verkehrsparameterserver130 , welcher einen Datenspeicher135 aufweist. Der Verkehrsparameterserver130 sammelt Verkehrsampelparameterdaten, z. B. gesammelte Daten104 von einem Fahrzeug101 , einem Datensammler115 usw., welche über das Netz110 gesendet werden. Der Verkehrsparameterserver130 und der Datenspeicher135 können von einer beliebigen geeigneten Art sein, z. B. Festplattenlaufwerke, Solid-State-Drives oder beliebige andere flüchtige oder nicht-flüchtige Medien. Der Datenspeicher135 speichert die Verkehrsampelparameterdaten, welche vom Verkehrsparameterserver130 gesammelt werden. - Das System
100 umfasst den Datensammler115 . Der Datensammler115 kann an einer Kreuzung und/oder an einer Verkehrsampel positioniert sein. Der Datensammler115 misst den Start der Bewegungszeit (SOMT, Start of Motion Time) für ein Fahrzeug101 an einer Kreuzung. Der SOMT kann verwendet werden, um einen SOMT-Datensatz auf dem Server130 zu generieren. Wie in5 gezeigt, kann der SOMT-Datensatz einen oder mehrere Ampelzyklen umfassen, z. B. grün-gelb-rot-grün. -
2 veranschaulicht einen Prozess200 für die Verwendung des Systems100 . Der Prozess200 beginnt in einem Block205 , in dem die Datensammler103 ,115 SOMT-Daten für Fahrzeuge101 sammeln. Insbesondere detektieren die Datensammler103 ,115 eine Statusänderung eines i-ten Fahrzeugs: Wenn das Fahrzeug stoppt, wird diese Zeit aufgezeichnet, hierin mit tr(i) bezeichnet. Wenn das Fahrzeug wieder beginnt, sich zu bewegen, wird eine Neustartzeit aufgezeichnet, hierin mit tg(i) bezeichnet. Eine Verkehrsampeldurchlaufzeit wird gesammelt, hierin mit tp(i) bezeichnet, und eine Richtung, z. B. Fahrtrichtung, des Fahrzeugs wird aufgezeichnet, hierin mit h(i) bezeichnet. - Als Nächstes senden die Datensammler
103 ,115 in einem Block210 die SOMT-Daten an den Verkehrsparameterserver130 . Durch die Verwendung von Datensammlern sowohl bei Verkehrsampeln als auch in Fahrzeugen101 kann ein größeres Volumen von nützlichen Daten, als sonst möglich wäre, gesammelt und an den Verkehrsparameterserver130 gesendet werden. Die SOMT-Daten können gemäß Fahrtrichtungen von Fahrzeugen, von denen sie gesammelt wurden, geclustert werden (z. B. Daten von nach Süden fahrenden Fahrzeugen können zusammen gespeichert werden, Daten von nach Norden fahrenden Fahrzeugen können zusammen gespeichert werden usw.), und können in chronologischer Reihenfolge angeordnet werden. - Als Nächstes wendet der Verkehrsparameterserver
130 in einem Block220 das Ampelzykluszeitmodell, welches im Prozess300 aus3 beschrieben ist, auf die Daten an und generiert eine geschätzte Ampelzykluszeit. - Als Nächstes berechnet der Verkehrsparameterserver
130 in einem Block225 einen Arbeitszyklus und ein Offset basierend auf der geschätzten Ampelzykluszeit des Blocks220 (und dem Prozess300 ). Das Offset ρ der Ampel ist die Differenz in der Zeit zwischen dem Ende eines Satzes von Ampelzykluszeiten und eines anderen Satzes von Ampelzykluszeiten und wird mittels einer Modulo-Operation bestimmt, welche auf die Zeit des grünen Lichts über die Gesamtzykluszeit angewandt wird:ρ(k) = mod(min(t l,o / g,u), x(k)) - Ein Ergebnis der vorstehenden Gleichung kann fehleranfällig sein; daher wird ein linearer Driftterm γ iterativ berechnet:
γl,o = mod(min(t l,o / g,u), (α + 1)p*) – mod(min(t l,o / g,u), αp*) ΔTg ≈ Δ T g = max(mod(tp(i) – ρ, p)) für i = 1...NpΔTr ≈ Δ T r = p – min(mod(tr(i) – ρ, p)) für i = 1...Nr - Als Nächstes speichert der Verkehrsparameterserver
130 in einem Block230 die geschätzte Periode im Datenspeicher135 , wodurch ein Flottendatensatz erzeugt wird. - Als Nächstes erzeugt der Verkehrsparameterserver
130 in einem Block235 , wenn ein Benutzer Ampelzykluszeitdaten vom Verkehrsparameterserver130 anfordert, Empfehlungen zum Anpassen des Fahrzeugprofils des Benutzers basierend auf der Position des Fahrzeugs des Benutzers und den Ampelzykluszeitdaten. Die Empfehlungen können eine Änderung der Betriebsgeschwindigkeit, Route zu einem Ziel oder Beschleunigung des Fahrzeugs basierend auf einer bevorstehenden Verkehrsampel umfassen. - Als Nächstes sendet der Verkehrsparameterserver
130 in einem Block240 die Empfehlungen an den Benutzer, und der Prozess200 endet. -
3 veranschaulicht einen Prozess300 , welcher das Ampelzykluszeitmodell des Blocks220 aus2 beschreibt. Der Prozess300 startet in einem Block305 , in dem ein SOMT-Datenwert k gesammelt wird und an den Server130 bereitgestellt wird. Als Nächstes ruft der Server130 in einem Block310 ein Periodenwahrscheinlichkeitsmodell für eine erste Zeitdauer ab:xi(k) = f i / x(xi(k – 1)) = xi(k – 1) 305 abgerufen wird, undf i / x(xi(k – 1)) 130 in einem Block315 den Datenwert k mit der Periodenschätzung xi(k). Die Periodenschätzung xi(k) erzeugt eine wahrscheinlichste Schätzung der Ampelzykluszeit basierend auf dem aktuellen Zeitdauerindex. Falls die Messung nicht innerhalb eines Schwellenwerts der wahrscheinlichsten Schätzung der Ampelzykluszeit liegt, geht der Prozess300 zu Block320 weiter. - Als Nächstes prüft der Server
130 im Block320 , um zu sehen, ob irgendwelche weiteren Zeitdauerindizes i vorhanden sind. Falls weitere Zeitdauerindizes vorhanden sind, geht der Prozess300 zu einem Block325 weiter. - Als Nächstes ruft der Server
130 im Block325 das Periodenwahrscheinlichkeitsmodell für den nächsten Zeitdauerindex i + 1 ab und kehrt zum Block315 zurück. - Unter Rückbezug auf Block
320 , falls keine weiteren Zeitdauerindizes vorhanden sind, geht der Prozess300 zu einem Block330 weiter. Im Block330 erstellt der Server130 einen Zeitdauerindex und initialisiert den neuen Zeitdauerindex mit einem Anfangsperiodenwahrscheinlichkeitsmodell. Der Prozess300 geht dann zu einem Block335 weiter. - Unter Rückbezug auf Block
315 , falls der Datenwert k innerhalb des Schwellenwerts für die Periodenwahrscheinlichkeit für den aktuellen Markov-Zustand liegt, geht der Prozess300 zum Block335 weiter. - Im Block
335 speichert der Server130 die Messung und wendet eine Rauschfunktion w(k) auf die gespeicherten Messungen an. Die Rauschfunktion ist eine Mischung von Gaußschem Rauschen, welches auf die Messung angewendet wird so dassz(k) = x(k) + w(k) 6 gezeigt, ist definiert durch wobei σ die Standardabweichung ist, a der abfallende Koeffizient der Gaußschen Mischung ist und N die Anzahl vom Gaußschen Rauschen ist, dessen Signifikanz mit zunehmendem Mehrfachen der Periode abklingt. -
- Von hier aus wird der neue Datenwert k integriert, um die Periodenwahrscheinlichkeitsdichtefunktion zu aktualisieren wobei fx(x(k)|z(1:k)) die Wahrscheinlichkeitsdichtefunktion des geschätzten Zustands am Datenwert k bezeichnet, die Messungen bis k gegeben, fx(x(k)|z(1:k – 1)) die Ausgabe der vorherigen Aktualisierungsstufe ist und fz(z(k)|x(k)) die Wahrscheinlichkeitsdichtefunktion des stochastischen Messmodells z(k) ist.
- Als Nächstes prüft der Server
130 in einem Block342 , ob sich die Zeitdauer geändert hat, z. B. vom Block325 oder Block330 . Falls sich die Zeitdauer nicht geändert hat, endet der Prozess300 . Falls sich die Zeitdauer geändert hat, geht der Prozess300 zu einem Block345 weiter. - Als Nächstes aktualisiert der Server im Block
345 die Zeitdauerindexmatrix, welche die Länge di von jedem Zeitdauerindex speichert, und der Prozess300 endet. - Rechenvorrichtungen wie diese, welche hierin erläutert werden, umfassen im Allgemeinen jeweils Anweisungen, die von einer oder mehreren Rechenvorrichtungen ausführbar sind, wie beispielsweise die oben identifizierten, und zum Ausführen von Blöcken oder Schritten der oben beschriebenen Prozesse. Computerausführbare Anweisungen können von Computerprogrammen kompiliert oder interpretiert werden, welche unter Verwendung einer Vielzahl von Programmiersprachen und/oder Technologien erstellt werden, einschließlich, ohne darauf beschränkt zu werden, und entweder allein oder in Kombination, JavaTM, C, C++, Visual Basic, Java Script, Perl, HTML usw. Im Allgemeinen empfängt ein Prozessor (z. B. ein Mikroprozessor) Anweisungen, z. B. von einem Speicher, einem computerlesbaren Medium usw., und führt diese Anweisungen aus, um dadurch einen oder mehrere Prozesse durchzuführen, einschließlich eines oder mehrerer der hierin beschriebenen Prozesse. Solche Anweisungen und andere Daten können unter Verwendung einer Vielzahl von computerlesbaren Medien gespeichert und übertragen werden. Eine Datei in einer Rechenvorrichtung ist im Allgemeinen eine Sammlung von Daten, welche auf einem computerlesbaren Medium gespeichert sind, wie beispielsweise ein Speichermedium, ein Direktzugriffsspeicher usw.
- Ein computerlesbares Medium umfasst ein beliebiges Medium, welches am Bereitstellen von Daten (z. B. Anweisungen), die von einem Computer gelesen werden können, beteiligt ist. Ein derartiges Medium kann viele Formen annehmen, einschließlich, aber nicht darauf beschränkt, nicht-flüchtiger Medien, flüchtiger Medien usw. Nicht-flüchtige Medien umfassen beispielsweise optische oder magnetische Platten und anderen persistenten Speicher. Flüchtige Medien umfassen dynamischen Direktzugriffsspeicher (DRAM, Dynamic Random Access Memory), welcher typischerweise einen Hauptspeicher bildet. Übliche Formen von computerlesbaren Medien umfassen beispielsweise eine Diskette, eine flexible Platte, eine Festplatte, ein Magnetband, jedes andere magnetische Medium, eine CD-ROM, DVD, jedes andere optische Medium, Lochkarten, Papierband, ein beliebiges anderes physisches Medium mit Lochmustern, ein RAM, ein PROM, ein EPROM, ein FLASH-EEPROM, jeden anderen Speicherchip oder Kassette oder jedes andere Medium, von dem ein Computer lesen kann.
- In Bezug auf die hierin beschriebenen Medien, Prozesse, Systeme, Methoden usw. sollte es verstanden werden, dass zwar die Schritte solcher Prozesse usw. beschrieben wurden, wie sie gemäß einer bestimmten geordneten Abfolge auftreten, dass solche Prozesse aber mit den beschriebenen Schritten auch in einer anderen Reihenfolge als der hierin beschriebenen Reihenfolge umgesetzt werden können. Es sollte ferner zu verstehen sein, dass bestimmte Schritte gleichzeitig durchgeführt werden könnten, dass andere Schritte hinzugefügt werden könnten oder dass hierin beschriebene bestimmte Schritte weggelassen werden könnten. Mit anderen Worten dienen die Beschreibungen von Systemen und/oder Prozessen hierin der Veranschaulichung bestimmter Ausführungsformen und sind in keinster Weise als Einschränkung des offenbarten Gegenstands zu verstehen.
- Demententsprechend soll verstanden werden, dass die vorstehende Beschreibung nur als veranschaulichend und nicht einschränkend gedacht ist. Viele Ausführungsformen und Anwendungen außer den bereitgestellten Beispielen würden sich für Fachleute auf dem Gebiet aus dem Durchlesen der obigen Beschreibung ergeben. Der Schutzbereich der Erfindung sollte nicht unter Bezugnahme auf die obige Beschreibung bestimmt werden, sondern sollte stattdessen unter Bezugnahme auf hieran angefügte Ansprüche bestimmt werden und/oder in einer hierauf basierten nicht-vorläufigen Patentanmeldung enthalten sein, zusammen mit dem vollen Umfang von Äquivalenten, auf die derartige Ansprüche Anspruch haben. Es ist antizipiert und beabsichtigt, dass künftige Entwicklungen in den hierin erörterten Technologien erfolgen werden und dass die offenbarten Systeme und Verfahren in derartige künftige Ausführungsformen eingebunden werden. Zusammengefasst sollte verstanden werden, dass der offenbarte Gegenstand zu Modifikationen und Variationen imstande ist.
- 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 802.11 [0015]
Claims (20)
- System, umfassend einen Computer mit einem Prozessor und einem Speicher, wobei der Speicher Anweisungen speichert, welche vom Computer ausführbar sind zum: Sammeln von Daten in Bezug auf eine Fahrzeugbewegung an einer Ampel; Prognostizieren einer ersten Ampelzykluszeit mit einem ersten Wahrscheinlichkeitsmodell der Ampelzykluszeit, wobei das Wahrscheinlichkeitsmodell einen ersten Bereich von Wahrscheinlichkeiten der ersten prognostizierten Ampelzykluszeit anzeigt; Vergleichen der gesammelten Daten mit der prognostizierten Ampelzykluszeit, um basierend auf dem ersten Wahrscheinlichkeitsmodell ein zweites Wahrscheinlichkeitsmodell zu generieren, welches einen zweiten Bereich von Wahrscheinlichkeiten einer zweiten prognostizierten Ampelzykluszeit angibt; Anwenden einer Rauschfunktion auf die gesammelten Daten, um rauschangewandte Daten zu generieren; Aktualisieren des zweiten Wahrscheinlichkeitsmodells für die prognostizierte Ampelzykluszeit durch Anpassen eines Satzes von Wahrscheinlichkeiten des zweiten Wahrscheinlichkeitsmodells mit den rauschangewandten Daten, um ein aktualisiertes zweites Wahrscheinlichkeitsmodell zu generieren; und Bereitstellen, über ein Netz an wenigstens einen Fahrzeugcomputer, eines empfohlenen Fahrzeugbetriebs wenigstens teilweise basierend auf der prognostizierten Ampelzykluszeit, welche vom aktualisierten zweiten Wahrscheinlichkeitsmodell bestimmt wird.
- System nach Anspruch 1, wobei der empfohlene Fahrzeugbetrieb empfohlene Fahrmuster für reduzierten Kraftstoffverbrauch umfasst.
- System nach Anspruch 2, wobei das empfohlene Fahrmuster eine empfohlene Betriebsgeschwindigkeit umfasst, welche bestimmt wird, so dass ein Fahrzeug die Ampel während eines bestimmten Teils während der Ampelzykluszeit erreicht.
- System nach Anspruch 3, wobei das empfohlene Fahrmuster eine Route zu einem Ziel umfasst, welche bestimmt wird, so dass das Fahrzeug die Ampel bei bestimmten Teilen der Ampelzykluszeit erreicht.
- System nach Anspruch 1, wobei der empfohlene Fahrzeugbetrieb wenigstens teilweise durch die aktuelle Zeit bestimmt wird.
- System nach Anspruch 1, wobei die Anweisungen ferner Anweisungen umfassen, um eine Benachrichtigung mit dem empfohlenen Fahrzeugbetrieb an eine handgehaltene Benutzervorrichtung zu senden.
- System nach Anspruch 1, wobei die Anweisungen ferner Anweisungen umfassen, um ein Offset und einen Arbeitszyklus für die Ampel basierend auf der Ampelzykluszeit zu bestimmen.
- System nach Anspruch 1, ferner umfassend einen Datensammler, um die Daten in Bezug auf eine Fahrzeugbewegungszeitsteuerung zu sammeln.
- System nach Anspruch 1, wobei die Ampelzykluszeit wenigstens teilweise durch die Fahrzeugbewegungszeitsteuerungsdaten bestimmt wird.
- System nach Anspruch 1, wobei das Wahrscheinlichkeitsmodell eines von einer Mehrzahl von Wahrscheinlichkeitsmodellen ist, wobei jedes Wahrscheinlichkeitsmodell ausgelegt ist, um die Ampelzeit für einen speziellen Zeitbereich während eines Tages zu prognostizieren.
- System nach Anspruch 10, wobei die Anweisungen ferner Anweisungen zum, falls die Daten nach dem Vergleichen der Daten mit der prognostizierten Ampelzykluszeit nicht innerhalb eines Schwellenwerts der prognostizierten Ampelzeit liegen, Auswählen des nächsten der Mehrzahl von Wahrscheinlichkeitsmodellen, Prognostizieren der Ampelzykluszeit mit dem Wahrscheinlichkeitsmodell und Vergleichen der Daten mit der neu prognostizierten Ampelzykluszeit umfassen.
- System nach Anspruch 11, wobei die Anweisungen ferner Anweisungen zum, falls keines der Mehrzahl von Wahrscheinlichkeitsmodellen eine prognostizierte Ampelzeit generiert, für welche die Daten innerhalb des Schwellenwerts fallen, Generieren eines neuen Wahrscheinlichkeitsmodells und Anhängen an die Mehrzahl von Wahrscheinlichkeitsmodellen umfassen.
- Verfahren, umfassend: Sammeln von Daten in Bezug auf eine Fahrzeugbewegung an einer Ampel; Prognostizieren einer ersten Ampelzykluszeit mit einem ersten Wahrscheinlichkeitsmodell der Ampelzykluszeit, wobei das Wahrscheinlichkeitsmodell einen ersten Bereich von Wahrscheinlichkeiten der ersten prognostizierten Ampelzykluszeit anzeigt; Vergleichen der gesammelten Daten mit der prognostizierten Ampelzykluszeit, um basierend auf dem ersten Wahrscheinlichkeitsmodell ein zweites Wahrscheinlichkeitsmodell zu generieren, welches einen zweiten Bereich von Wahrscheinlichkeiten einer zweiten prognostizierten Ampelzykluszeit angibt; Anwenden einer Rauschfunktion auf die gesammelten Daten, um rauschangewandte Daten zu generieren; Aktualisieren des zweiten Wahrscheinlichkeitsmodells für die prognostizierte Ampelzykluszeit durch Anpassen eines Satzes von Wahrscheinlichkeiten des zweiten Wahrscheinlichkeitsmodells mit den rauschangewandten Daten, um ein aktualisiertes zweites Wahrscheinlichkeitsmodell zu generieren; und Bereitstellen, über ein Netz an wenigstens einen Fahrzeugcomputer, eines empfohlenen Fahrzeugbetriebs wenigstens teilweise basierend auf der prognostizierten Ampelzykluszeit, welche vom aktualisierten zweiten Wahrscheinlichkeitsmodell bestimmt wird.
- Verfahren nach Anspruch 13, wobei der empfohlene Fahrzeugbetrieb empfohlene Fahrmuster für reduzierten Kraftstoffverbrauch umfasst.
- Verfahren nach Anspruch 14, wobei das empfohlene Fahrmuster eine empfohlene Betriebsgeschwindigkeit umfasst, welche bestimmt wird, so dass ein Fahrzeug die Ampel während eines bestimmten Teils der Ampelzykluszeit erreicht.
- Verfahren nach Anspruch 15, wobei das empfohlene Fahrmuster eine Route zu einem Ziel umfasst, welche bestimmt wird, so dass das Fahrzeug die Ampeln bei bestimmten Teilen der Ampelzykluszeit erreicht.
- Verfahren nach Anspruch 13, ferner umfassend Bestimmen eines Offsets und eines Arbeitszyklus für die Ampel basierend auf der Ampelzykluszeit.
- Verfahren nach Anspruch 13, wobei das Wahrscheinlichkeitsmodell eines von einer Mehrzahl von Wahrscheinlichkeitsmodellen ist, wobei jedes Wahrscheinlichkeitsmodell ausgelegt ist, um die Ampelzeit für einen speziellen Zeitbereich während eines Tages zu prognostizieren.
- Verfahren nach Anspruch 13, wobei die Ampelzykluszeit wenigstens teilweise durch die Fahrzeugbewegungszeitsteuerungsdaten bestimmt wird.
- Verfahren nach Anspruch 13, wobei das Wahrscheinlichkeitsmodell eines von einer Mehrzahl von Wahrscheinlichkeitsmodellen ist, wobei jedes Wahrscheinlichkeitsmodell ausgelegt ist, um die Ampelzeit für einen speziellen Zeitbereich während eines Tages zu prognostizieren.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/747,187 US10495469B2 (en) | 2015-06-23 | 2015-06-23 | Rapid traffic parameter estimation |
US14/747,187 | 2015-06-23 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102016111371A1 true DE102016111371A1 (de) | 2016-12-29 |
Family
ID=56895044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102016111371.9A Withdrawn DE102016111371A1 (de) | 2015-06-23 | 2016-06-21 | Parameterschätzung für schnellen Verkehr |
Country Status (6)
Country | Link |
---|---|
US (1) | US10495469B2 (de) |
CN (1) | CN106295849B (de) |
DE (1) | DE102016111371A1 (de) |
GB (1) | GB2541511A (de) |
MX (1) | MX2016008333A (de) |
RU (1) | RU2016123642A (de) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017208878A1 (de) | 2017-05-24 | 2018-11-29 | Continental Automotive Gmbh | Verfahren zum Prognostizieren zumindest eines Ampelschaltzustands während einer Fahrt eines Kraftfahrzeugs sowie Steuervorrichtung, Kraftfahrzeug und Servervorrichtung |
WO2021063687A1 (de) * | 2019-10-01 | 2021-04-08 | Volkswagen Aktiengesellschaft | Gütebestimmungsverfahren, gütebestimmungsvorrichtung, kraftfahrzeug |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6048421B2 (ja) * | 2014-01-31 | 2016-12-21 | トヨタ自動車株式会社 | 信号機のサイクル長推定装置 |
US10082797B2 (en) * | 2015-09-16 | 2018-09-25 | Ford Global Technologies, Llc | Vehicle radar perception and localization |
CN107122874B (zh) * | 2017-06-22 | 2021-01-05 | 上海交通大学 | 用于城市交通应急疏散的道路控制方法 |
CN107257379B (zh) * | 2017-06-30 | 2021-01-22 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN110785796B (zh) * | 2017-06-30 | 2022-08-09 | 昕诺飞控股有限公司 | 具有交通重选路功能性的照明系统 |
DE102017223579A1 (de) | 2017-12-21 | 2019-06-27 | Siemens Aktiengesellschaft | System und Verfahren zum Unterstützen einer Prognose einer zukünftigen Signalisierung eines Verkehrsinfrastrukturelements |
CN112384760A (zh) * | 2018-05-15 | 2021-02-19 | 御眼视觉技术有限公司 | 用于自主车辆导航的系统和方法 |
CN109120463B (zh) * | 2018-10-15 | 2022-01-07 | 新华三大数据技术有限公司 | 流量预测方法及装置 |
CN109637127B (zh) * | 2018-12-06 | 2021-08-24 | 北京掌行通信息技术有限公司 | 一种信号灯近似时长的确定方法及系统 |
DE102019218903A1 (de) * | 2019-12-04 | 2021-06-10 | Siemens Mobility GmbH | Verfahren und Anordnung zur Vorhersage von Schaltzeitpunkten einer Signalgruppe einer Signalanlage zur Steuerung eines Verkehrsflusses |
CN113240925B (zh) * | 2021-04-21 | 2022-02-25 | 郑州大学 | 一种考虑交叉口信号灯随机延误影响的出行路径确定方法 |
CN114613171B (zh) * | 2022-01-21 | 2023-08-18 | 北京佰才邦技术股份有限公司 | 信号灯状态信息确定方法、电子设备和存储介质 |
CN114758495B (zh) * | 2022-03-29 | 2024-02-06 | 北京百度网讯科技有限公司 | 交通信号灯调整方法、装置及电子设备 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3646605B2 (ja) * | 2000-02-23 | 2005-05-11 | 株式会社日立製作所 | 車両走行制御装置 |
US20050197889A1 (en) * | 2004-02-11 | 2005-09-08 | Sigma Dynamics, Inc. | Method and apparatus for comparison over time of prediction model characteristics |
FR2890774B1 (fr) * | 2005-09-09 | 2007-11-16 | Inst Nat Rech Inf Automat | Procede d'assitance a la conduite d'un vehicule et dispositif associe ameliore |
US20110037619A1 (en) * | 2009-08-11 | 2011-02-17 | On Time Systems, Inc. | Traffic Routing Using Intelligent Traffic Signals, GPS and Mobile Data Devices |
DE102008041752A1 (de) * | 2008-09-02 | 2010-03-04 | Robert Bosch Gmbh | Verfahren zum Festlegen einer Empfangsschwelle, Vorrichtung zum Festlegen einer Empfangsschwelle, Ultraschallsonar |
US8478500B1 (en) | 2009-09-01 | 2013-07-02 | Clemson University | System and method for utilizing traffic signal information for improving fuel economy and reducing trip time |
CN102005120A (zh) * | 2010-11-22 | 2011-04-06 | 顾海松 | 基于视频图像分析的交通路口监控技术和系统 |
DE102011083677A1 (de) | 2011-09-29 | 2013-04-04 | Bayerische Motoren Werke Aktiengesellschaft | Prognose einer Verkehrssituation für ein Fahrzeug |
US8831849B2 (en) | 2012-02-13 | 2014-09-09 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for traffic signal recognition |
US9002612B2 (en) | 2012-03-20 | 2015-04-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | Prediction of driver-specific cruise speed using dynamic modeling |
KR101972089B1 (ko) | 2012-05-15 | 2019-04-24 | 엘지전자 주식회사 | 정보 제공 방법 및 그 장치 |
CN102708679B (zh) * | 2012-05-29 | 2016-12-14 | 孙健 | 一种城市信号交叉口短时交通流预测方法 |
US8793062B2 (en) * | 2012-11-06 | 2014-07-29 | Apple Inc. | Routing based on detected stops |
US8972145B2 (en) | 2013-03-15 | 2015-03-03 | Bayerische Motoren Werke Aktiengesellscahft | Systems and methods for predicting traffic signal information |
CN103198707B (zh) * | 2013-03-21 | 2016-03-02 | 东南大学 | 一种基于晴天状况下危险交通流特征的车辆调控方法 |
GB201312306D0 (en) * | 2013-07-09 | 2013-08-21 | Tomtom Software Ltd | Traffic light phase predictions and improved navigation methods using the traffic light phase predictions |
CN103500511B (zh) * | 2013-09-28 | 2015-09-30 | 长安大学 | 一种基于车联网的交叉口信号灯绿信比调节方法 |
US9183743B2 (en) | 2013-10-31 | 2015-11-10 | Bayerische Motoren Werke Aktiengesellschaft | Systems and methods for estimating traffic signal information |
CN104200649B (zh) * | 2014-08-25 | 2016-04-20 | 沈阳工业大学 | 基于预先申请的交通高峰期路线资源调度分配系统与方法 |
-
2015
- 2015-06-23 US US14/747,187 patent/US10495469B2/en not_active Expired - Fee Related
-
2016
- 2016-06-15 RU RU2016123642A patent/RU2016123642A/ru unknown
- 2016-06-21 DE DE102016111371.9A patent/DE102016111371A1/de not_active Withdrawn
- 2016-06-22 CN CN201610457884.2A patent/CN106295849B/zh active Active
- 2016-06-22 GB GB1610908.4A patent/GB2541511A/en not_active Withdrawn
- 2016-06-22 MX MX2016008333A patent/MX2016008333A/es unknown
Non-Patent Citations (1)
Title |
---|
IEEE 802.11 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017208878A1 (de) | 2017-05-24 | 2018-11-29 | Continental Automotive Gmbh | Verfahren zum Prognostizieren zumindest eines Ampelschaltzustands während einer Fahrt eines Kraftfahrzeugs sowie Steuervorrichtung, Kraftfahrzeug und Servervorrichtung |
DE102017208878B4 (de) * | 2017-05-24 | 2021-02-25 | Vitesco Technologies GmbH | Verfahren zum Prognostizieren zumindest eines Ampelschaltzustands während einer Fahrt eines Kraftfahrzeugs sowie Steuervorrichtung und Kraftfahrzeug |
WO2021063687A1 (de) * | 2019-10-01 | 2021-04-08 | Volkswagen Aktiengesellschaft | Gütebestimmungsverfahren, gütebestimmungsvorrichtung, kraftfahrzeug |
US11961398B2 (en) | 2019-10-01 | 2024-04-16 | Volkswagen Aktiengesellschaft | Quality determining method, quality determining device, and motor vehicle |
Also Published As
Publication number | Publication date |
---|---|
CN106295849B (zh) | 2022-12-02 |
GB2541511A (en) | 2017-02-22 |
RU2016123642A (ru) | 2017-12-18 |
US20160379126A1 (en) | 2016-12-29 |
US10495469B2 (en) | 2019-12-03 |
GB201610908D0 (en) | 2016-08-03 |
MX2016008333A (es) | 2016-12-22 |
CN106295849A (zh) | 2017-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102016111371A1 (de) | Parameterschätzung für schnellen Verkehr | |
EP3359914B1 (de) | Fusion von positionsdaten mittels posen-graph | |
DE102015202367A1 (de) | Autonome steuerung in einer dichten fahrzeugumgebung | |
DE102017103123A1 (de) | Fahrzeugfahrbahnplatzierung | |
DE102017101466A1 (de) | Verfolgen von objekten in einer dynamischen umgebung zur verbesserten lokalisierung | |
WO2018108559A2 (de) | Speicherung von geschwindigkeitsinformationen zur prädiktion der zukünftigen geschwindigkeitstrajektorie | |
DE102015202859A1 (de) | Abtastsystem und -verfahren für autonomes Fahren | |
DE102014223242A1 (de) | Autonome fahrzeugbetriebsweisen | |
WO2013113588A1 (de) | Verfahren zur bereitstellung von parkinformationen zu freien parkplätzen | |
DE102011083677A1 (de) | Prognose einer Verkehrssituation für ein Fahrzeug | |
EP2989422B1 (de) | Verfahren und vorrichtung zum auswählen einer route zum befahren durch ein fahrzeug | |
DE102018203583B4 (de) | Verfahren, Fahrerassistenzsystem sowie Kraftfahrzeug zur Prädiktion einer Position oder einer Trajektorie mittels eines graphbasierten Umgebungsmodells | |
DE102018119791A1 (de) | Verbesserte Fahrzeuglenkung | |
DE102014220843A1 (de) | Vorhersage der strassencharakteristik | |
DE102017100210A1 (de) | Anhaltedistanzsystem | |
DE102017128279A1 (de) | Lenkvorgang | |
DE102018107867A1 (de) | Systeme und Verfahren zum Schätzen eines Straßenoberflächen-Reibungskoeffizienten und der Fahrzeug-Quergeschwindigkeit unter Verwendung eines entkoppelten dynamischen Modells | |
DE102021112832A1 (de) | Überflutungsanzeigevorrichtung, Überflutungsdetektionsvorrichtung, Server, Überflutungsanzeigesystem, Überflutungsanzeigeverfahren, Überflutungsdetektionsverfahren und Programm | |
DE102017109390A1 (de) | Verbesserter fahrzeugbetrieb | |
DE112011103239T5 (de) | Systeme und Verfahren zum Abschätzen des örtlichen Verkehrsflusses | |
DE102014225122A1 (de) | Verfahren und System zur Bereitstellung von Informationen zur Verfügbarkeit von Ladestationen | |
DE102020105619A1 (de) | System und verfahren zur bestimmung der fahrzeugposition | |
DE102014220840A1 (de) | Vorhersage der strassencharakteristik | |
DE102010005501A1 (de) | Verfahren zur Auswertung von die Umgebung eines Kraftfahrzeugs betreffenden Sensordaten wenigstens eines Umfeldsensors und Kraftfahrzeug | |
DE112015006845T5 (de) | Verbessertes Kurvenverhalten |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R005 | Application deemed withdrawn due to failure to request examination |